张小龙将微信称作广场，但是很多时候，大家只想看舞台上的表演。而张一鸣的抖音就是那个舞台。

Meta团队开发的ViTok突破了视觉AI压缩技术的瓶颈，发现压缩质量的关键在于存储的浮点数总量而非模型复杂度。该方法在保持图像和视频重建及生成质量的同时，计算效率提升2-5倍，在多个基准数据集上创造新纪录，为高效视觉AI应用提供了重要技术基础。

这项研究揭示了AI推理模型的一个重要秘密：它们实际上知道何时应该停止思考，但这种能力被现有训练方式掩盖了。研究团队开发的SAGE方法能够释放这种潜能，让AI在数学推理任务中既提高准确率又减少冗余思考，为AI系统的效率优化提供了新思路。

小米公司发布了MiDashengLM，这是一个革命性的音频理解AI系统，能同时理解语音、音乐和环境声音，并用自然语言描述听到的内容。该系统采用创新的"通用音频字幕"训练方法，在多项测试中全面超越现有顶尖系统，运行速度提升4-20倍。研究团队承诺完全开源所有数据、代码和模型权重，为音频AI领域树立了新标杆，有望改变我们与数字设备的交互方式。

Meta超级智能实验室开发出SAM 3D Body系统，能仅从单张照片重建完整3D人体模型，包括精确的手部和脚部细节。系统采用创新的双解码器架构和可提示机制，基于700万张高质量标注图像训练。在多个基准测试中表现优异，用户偏好研究显示83.8%-100%胜率。技术将广泛应用于游戏开发、电商试衣、健身指导、医疗康复等领域，为人机交互开启新时代。

Meta FAIR实验室研究团队发现推理型AI模型虽然逻辑能力强，但在事实表达上容易产生幻觉。他们创新性地设计了包含准确性、详细性、相关性三维评价的训练体系，通过在线强化学习让AI模型既会深度思考又能准确表达事实。实验显示新方法将事实准确率提升23个百分点，同时增加23%的信息详细度，为构建更可信赖的AI系统提供了切实可行的解决方案。

清华大学团队发布URSA系统，这是首个针对多模态数学推理的过程奖励模型。该系统通过创新的三阶段训练框架，不仅能解决复杂的图文结合数学问题，更重要的是能提供完全可验证的推理过程。URSA在六个标准测试中全面超越同规模开源模型，甚至在平均性能上超过GPT-4o达2.7个百分点，代表了AI推理可解释性的重要突破。

希伯来大学研究团队开发的Story2Board系统实现了从文字故事到专业故事板的自动转换突破。该系统采用潜在面板锚定和相互注意力数值混合两项核心技术，在保持角色一致性的同时实现丰富的视觉表现力。系统无需训练即可运行，能够生成电影级构图效果的连续画面，为内容创作、教育和娱乐产业提供了强大的AI辅助工具，代表了人机协作创作的新模式。

这项研究引入了DFIR-Metric，首个专门评估大语言模型在数字取证与事件响应领域能力的基准测试集。由阿布扎比技术创新研究院领导的国际团队开发的测试包含三个部分：700道理论多选题、150个CTF风格的实际挑战，以及500个基于NIST标准的磁盘与内存取证案例。研究测试了14种顶尖大语言模型，发现虽然它们在理论知识方面表现良好（最高达92.75%准确率），但在需要多步推理的实际取证任务中仍存显著差距（最佳模型仅能解决28%的任务）。

这项研究通过训练72个不同配置的模型，系统分析了混合线性注意力架构的设计原则。研究发现独立表现最佳的线性注意力机制在混合架构中未必最优，并识别出选择性门控、分层递归和控制性遗忘是成功混合架构的三大关键要素。结果表明，采用3:1到6:1的线性与全注意力比例能够在保持性能的同时将内存使用量减少4-7倍。

清华大学联合多家机构发表突破性研究，提出AI训练数据的五层分级管理框架（L0-L4），从原始数据到精炼知识逐层优化。研究发现高质量数学数据具有"超级食品"效应，不仅提升数学能力还增强跨领域表现。实验证明分层训练比传统方法性能提升1.49个百分点，团队已开源相关工具和数据集供社区使用。

Yale大学等机构联合开发的Agent KB系统让AI助手们能够像人类一样分享经验和知识，通过"师生协作"模式和跨领域知识迁移，在GAIA和SWE-bench基准测试中取得了显著的性能提升，其中最困难任务的成功率提升了近20个百分点，为AI发展开辟了"集体智慧"的新范式。

META公司FAIR实验组开发的V-JEPA 2系统通过观看100万小时视频实现了AI的重大突破，首次让机器同时具备理解、预测和规划三项核心能力。该系统在视频理解、行为预测和机器人控制等多个任务上创下新纪录，特别是仅用62小时训练就能零样本控制机械臂，为通用人工智能发展提供了新路径。

AutoIntent是俄罗斯研究团队开发的革命性自动化文本分类工具。它能够自动选择最佳的嵌入模型、分类算法和决策阈值，让普通用户无需专业知识就能构建高效的意图识别系统。在标准测试中，AutoIntent不仅准确率超过现有工具，训练效率也提升一倍以上，特别在多标签分类和超范围检测方面表现突出，为AI技术普及化开辟了新路径。

快手团队提出RLEP方法，通过经验重放让AI像登山者一样重复成功路径，在数学推理任务上实现训练效率和性能双重提升。该方法分为经验收集和重放训练两阶段，在AIME和AMC竞赛中准确率提升1.7-5.2个百分点，训练速度显著加快，为AI推理能力发展开辟新路径。

微软亚洲研究院开发的MSAD系统通过模拟侦探的多重感知能力，实现了突破性的无监督异常检测。该系统融合数值、序列和语义三种感知模式，无需异常样本训练即可精准识别数据异常。在网络安全、金融风控、工业监控等领域测试中表现优异，为智能异常检测技术开辟了新的发展方向。

斯坦福大学Gordon Wetzstein教授团队提出神经辐射场技术，首次让AI具备类似人类的三维空间理解能力。该技术仅需少量不同角度照片即可重建完整三维场景，在图像质量上比传统方法提升20%以上。研究成果应用于自动驾驶、VR/AR、医学影像等领域，标志着AI从二维图像识别向三维空间理解的重大跃进。

首尔国立大学团队突破性地提出了基于强化学习的多模态大语言模型个性化训练框架RePIC，仅用2000个样本就达到传统方法21万样本的效果，在多角色图像描述任务中准确率提升至71%（传统方法仅21.3%），首次实现了高效、准确的AI个性化看图说话能力，为个人专属AI助手的普及化应用奠定了重要技术基础。

自回归图像生成新范式，突破传统局限。

浙江大学联合快手团队开发的ReCamMaster系统能够根据单个视频重新生成不同摄像机角度的视频，保持动作完美同步。该技术采用创新的帧维度条件注入机制，利用虚幻引擎5构建的13.6万视频训练集，在摄像机精度、时间同步和视觉质量等方面显著超越现有方法，可应用于视频稳定化、超分辨率和外绘制等场景。