Meta等机构研究发现，让大语言模型学会使用外部工具比死记硬背所有知识更高效。研究通过数学证明和实验验证，传统的参数记忆存在严格容量限制，而工具学习能实现无限扩展且不损害原有能力。这为AI发展提供了新思路：从堆叠参数转向构建智能工具协作系统。

这项来自Yandex和多所国际院校的突破性研究首次实现了多个大语言模型的实时协作推理，让AI能像人类团队一样即时分享思考过程并自发分工合作。通过创新的共享注意力缓存技术，多个AI可以同时处理复杂问题，避免重复劳动，相互纠错验证，显著提升解题效率和准确率，为AI从单体智能向群体智能转变开辟了新路径。

疫情来袭，使许多国家、企业和个人措手不及，在一些国家甚至是人仰马翻。新冠病毒给我们带来了新常态，现如今，唯一确定的就是不确定性。一些影响是短期的，但是许多的影响将会成为世界需要长期面对的挑战。

阿里巴巴Qwen团队提出全球首个个性化生成式奖励模型P-GenRM，通过三阶段训练和测试时用户导向扩展机制，实现AI系统对不同用户偏好的精准适应。该技术在标准测试中平均提升2.31%准确性，测试时扩展机制额外提升3%性能，为客服、教育、内容推荐等领域的个性化AI应用开辟新前景。

DeepSeek-AI团队通过创新的软硬件协同设计，仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型，挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术，大幅提升内存效率和计算性能，为AI技术的民主化和可持续发展提供了新思路。

清华大学提出MoveGCL框架，首次实现在完全不共享敏感出行数据的前提下，多城市协作训练全球通用人工智能出行预测模型。该技术通过生成虚拟轨迹传递知识，结合混合专家系统和渐进式学习策略，在六个美国主要城市的测试中展现出优异性能，为隐私保护下的协作学习提供了新范式。

据 QYResearch，23 年全球 搜索引擎市场规模超 2000 亿美元。

上海交大团队开发SWE-Exp系统，让AI能从过往代码修复经验中学习，通过构建"经验银行"存储成功和失败案例，采用双智能体协作模式实现智能修复。在基准测试中达到41.6%成功率，比之前最好方法提升7.2%，开创了从试错探索向经验驱动修复的新范式。

自18世纪以来,人类历史已经历了三次较大的科技及产业革命。

韩国成均馆大学联合美国Rembrand公司开发的iLRM系统成功破解了3D重建技术的效率难题。该系统采用迭代优化策略，将复杂的一步式重建转变为逐步精雕细琢的过程，同时通过解耦设计和分批处理技术，实现了2-3倍的速度提升和显著的质量改善。这项突破为虚拟现实、电商展示、房地产等领域的3D应用普及奠定了技术基础，有望推动3D内容创作的民主化发展。

区块链技术正在经历时间、市场和应用的大型洗礼，迷雾正在散去，变革正在发生，每个行业都将受到影响。

无论是什么新理念、新技术，只有创造价值，才有意义。

约翰霍普金斯大学与StepFun公司联合研究，成功让AI学会"边看边思考"的视觉推理能力。通过两阶段训练方法，先让AI在文字推理中掌握认知行为，再迁移到视觉任务中。开发的OVR模型在多项测试中创造新纪录，为AI教育助手、医疗诊断、科研分析等应用奠定基础。

区块链技术正在经历时间、市场和应用的大型洗礼，迷雾正在散去，变革正在发生，每个行业都将受到影响。

斯坦福神经AI实验室开发出SpelkeNet系统，通过"虚拟戳击"让AI像婴儿一样理解物体的物理结构。该系统不依赖外观特征，而是模拟物理力作用来发现哪些像素会一起移动。在物体操作任务中表现显著优于传统方法，并意外展现出对支撑关系和材料属性的理解能力。

Perfios公司研究团队开发了创新的AI理财顾问训练框架，通过行为心理学驱动的数据生成方法，让8B参数的小模型在个人理财建议方面达到了与32B大模型相当的性能，同时运营成本降低80%。该方法首次将用户心理状态分析作为独立训练阶段，显著提升了AI建议的个性化程度和人性化表达，为普及化AI理财服务提供了技术路径。

UC圣地亚哥和西蒙弗雷泽大学联合开发了GMT系统，这是首个能让机器人掌握多种人类动作的通用控制器。通过自适应采样和专家混合架构，单一系统可同时处理走路、跳舞、武术等复杂技能，在真实机器人上展现出卓越的稳定性和流畅性，为通用人形机器人的实现迈出关键一步。

现在的AI已经有可能超越人类，INTUITOR系统让AI获得自我评估能力

英特尔在这两年对于半导体技术的宣传仍然不遗余力：无论是半导体制造展望1-2年后的Intel 18A工艺，还是先进封装hybrid bonding互联间距缩减至3μm的未来技术

Skywork AI首次在软件工程领域验证数据规模效应，开发的Skywork-SWE-32B模型在SWE-bench Verified基准测试中达到38.0%准确率（使用测试时缩放技术可达47.0%），创下开源模型新纪录。研究构建了包含10169个验证实例的大规模数据集，证明增加高质量训练数据能持续提升AI软件修复能力，为开源软件工程AI发展提供重要突破。