谷歌DeepMind开发的GenCast AI系统在天气预报领域实现重大突破，在97.2%的测试指标上超越传统数值预报系统。该系统基于扩散模型和四十年历史数据训练，能在8分钟内完成全球七天天气预报，比传统方法快数十倍。GenCast采用概率性预报方法，为决策者提供多种天气情景，在极端天气预测方面表现尤为出色，为农业、能源、交通等领域带来广阔应用前景。

苹果公司研究团队在2024年发表突破性研究，提出"几何感知视频稳定"技术。该技术突破传统二维处理局限，通过理解场景三维结构来实现视频稳定，能准确区分相机抖动与真实物体运动。实验显示稳定性提升40%，在各种场景下表现优异。技术采用高效并行计算架构，可在普通移动设备实时运行，将显著降低专业视频制作门槛，推动从自动驾驶到医疗等多领域应用发展。

宾汉姆顿大学研究团队评估了八个开源大语言模型检测反犹言论的能力，使用国际大屠杀纪念联盟定义作为标准。研究开发了"引导式思维链"新方法，显著提升了所有模型的检测性能。Llama 3.1 70B表现最佳，甚至超越了专门训练的GPT-3.5。研究还分析了AI模型的常见错误类型和解释差异，为AI在敏感内容审核领域的应用提供了重要参考。

NPU和异构计算扛起“AI PC时刻”的大旗？

中科院团队开发出DiffSpectra系统，首次实现仅通过多模态光谱数据就能准确推断分子完整三维结构的AI技术。该系统同时处理红外、拉曼和紫外光谱，采用扩散模型直接生成分子结构，突破了传统依赖分子库查找的局限。测试显示16.01%完全准确率，前20候选准确率达96.86%，将revolutionize化学分析效率，加速新药研发和材料科学发展。

斯坦福等高校联合研究团队首次开发出能抵御"视觉伪装攻击"的AI图像水印技术PECCAVI。该技术通过识别图片中的"非融化点"并采用多频道频域水印，成功抵御了能完全去除传统水印的最新攻击方式，检测率达92%。研究解决了AI生成图像真实性验证的关键难题，为防范AI造假内容传播提供了重要技术支撑。

Meta FAIR团队发布DARLING技术，通过"多样性感知强化学习"方法解决AI回答千篇一律的问题。该系统创新性地将质量与多样性奖励相结合，使用语义分类器判断真正的内容差异，在创意写作和数学解题等多个领域都实现了质量与多样性的双重提升。这项技术为AI在教育、创意产业等领域的应用开辟了新可能。

浙江大学团队推出TINKER系统，实现仅用一张或几张图片就能完成高质量3D场景编辑，无需针对每个场景进行专门训练。该系统解决了多视角一致性难题，创建了首个大规模多视角编辑数据集，在编辑效果和计算效率上全面超越现有方法，为3D内容创作的普及化奠定了技术基础。

斯坦福大学研究团队在2025年提出了首个从语言反馈学习的理论框架，创新性地引入转移消元维度来衡量语言反馈的信息量，并开发了HELiX算法。研究证明语言反馈能带来指数级学习加速，在多个游戏测试中表现优异，为AI学习从简单数值反馈转向丰富语言指导奠定了理论基础，有望推动教育、推荐系统等领域的AI应用革新。

杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程，发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明，计划生成和错误检查等高层次句子比具体计算步骤更重要，推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。

这项由清华大学与快手科技等机构合作的研究构建了包含18.2万个人工标注样本的大规模视频偏好数据集，开发了VideoReward多维度视频评价系统，并提出了Flow-DPO等三种对齐算法，成功让AI视频生成模型学会按照人类偏好创作内容，显著提升了生成视频的质量和用户满意度。

这项研究对沙特数据与AI管理局开发的ALLaM-34B阿拉伯语大模型进行了全面的用户界面评测。研究团队使用23个测试提示，每个重复5次，收集115个回答样本，并用三个前沿AI模型作为评委进行多维度打分。结果显示ALLaM-34B在代码转换和创意生成方面表现优秀（均4.92分），现代标准阿拉伯语和知识问答能力强劲，安全防护可靠，但在方言处理上存在不均衡，为阿拉伯语AI发展提供了重要参考。

中科院团队开发的Stream-Omni是一个突破性的多模态AI模型，能同时处理文字、图像和语音，实现真正的"看听说"一体化交互。该模型创新性地采用了针对性的模态对齐策略，仅用2.3万小时语音数据就达到优秀性能，并能在交互中实时显示中间结果，为AI助手的自然化交流开辟了新路径。

最近，SAP迎来了50岁生日，1972年4月1日，5位前IBM员工Claus Wellenreuther、Hans-Werner Hector、Klaus Tschira、Dietmar Hopp和Hasso Plattner创立了SAP Systemanalysis und Programmentwicklung GbR，为这家欧洲规模最大、最成功的软件厂商奠定了基石。

复旦大学团队开发了全新的多维约束框架来评估和改进大语言模型的指令跟随能力。研究发现AI在处理复杂约束时表现不佳，成功率从简单约束的77%降至复杂约束的33%。通过强化学习训练，模型性能显著提升30-50个百分点且不影响其他能力。研究揭示改进主要来自注意力机制优化，为AI实用化提供了重要突破。

“态度决定一切”，是判断一个人能否取得成功的名言警句，然而有时候即使有了态度，还需要时运的加持，因为“时运”的背后，往往意味着“时代的脉搏”。

复旦大学研究团队开发了MOVE数据集和DMA算法，让AI系统能够像人类一样根据动作模式而非外观来理解视频内容。该系统包含224个动作类别和26万帧标注数据，通过解耦动作与外观特征，实现了突破性的视频分割效果。这项技术在视频编辑、体育分析、安防监控等领域具有广阔应用前景，代表了从静态识别向动态理解的重要技术进步。

9月13日，在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上，进行了一场《AGI 前夜：预见2026》的圆桌对话，对话邀请了今日美术馆执行馆长晏燕、零一万物联合创始人马杰、清智资本创始合伙人张煜，由PEC China发起人、至顶科技CEO兼总编辑高飞主持，一场围绕AI未来的深度思辨就此展开。

清华和AIRI研究团队提出循环一致性图像编辑方法，仅需4步即可实现高质量图像编辑，速度比传统方法快10倍。该方法通过训练AI反复练习"看图-重画"过程提升图像理解能力，结合智能引导机制确保编辑质量，在多项评测中超越现有快速方法，为AI图像编辑的普及应用奠定基础。

斯坦福大学研究团队通过精密实验发现，当前最先进的AI大模型并未真正"理解"语言，而是在进行复杂的模式匹配。当问题表述方式改变时，模型错误率激增至60%以上。这项发表于《Nature Machine Intelligence》的研究揭示了AI智能的本质局限，为合理应用AI技术提供了重要指导，强调在关键决策中仍需人类专家监督。