剑桥大学研究团队创建了史上最难的AI视觉测试ZeroBench，包含100道精心设计的视觉推理题目。在这项测试中，包括GPT-4o、Claude、Gemini在内的20个全球最先进AI模型全部得了0分，暴露了当前AI在基础视觉理解上的严重缺陷。研究发现AI主要在计数、空间推理等基础任务上失败，而非逻辑推理能力不足。

沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1，通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型，在MedQA等测试中取得87.1%的优异成绩，展现了精巧训练策略胜过规模扩张的重要启示，为资源有限的医疗AI研究提供了新路径。

StepFun团队发布了突破性语音AI系统Step-Audio 2，这是首个真正实现端到端语音对话的模型，能直接处理语音而无需文字转换。该系统不仅能理解语言内容，还能感知情绪、语调等副语言信息，并用自然的语音回应。通过8百万小时语音数据训练，在多项测试中超越GPT-4o等商业系统，代表了人机交互技术的重大进步。

6月15日，以“软件定义智能新时代”为主题的第十六届中国国际软件和信息服务交易会（简称：中国软交会）圆满落幕。

多路服务器提供的性能和RAS特性都是双路所无法具备的，这就是四路或更多路服务器平台的价值所在。

Y Combinator合伙人Ankit Gupta与Anthropic预训练负责人Nick Joseph最近进行了一次深度对话。

香港大学XLANG实验室联合多所知名院校开发的OPENCUA，是全球首个完整开源的电脑操作AI框架。该系统通过2.2万个真实操作录像训练，具备三层推理能力，能像人一样使用电脑完成复杂任务。在权威测试中超越OpenAI同类产品，为电脑自动化技术树立了新标杆。

香港科技大学研究团队开发出首个开源长篇音乐生成模型YuE，能根据歌词创作5分钟完整歌曲。该系统采用双阶段架构和轨道解耦技术，在人工评估中与商业系统性能相当，支持多语言创作和风格转换，为音乐创作民主化奠定基础。

复旦大学与上海人工智能实验室联合开发的Learnable SMPLify技术，将传统人体姿态计算的耗时从12秒缩短至0.06秒，实现200倍速度提升。该方法通过神经网络学习姿态转换规律，摒弃传统反复优化策略，采用时间序列数据构造、人体中心坐标标准化和残差学习等创新设计，在保持高精度的同时大幅提升计算效率，为VR、游戏制作、体育训练等领域提供实用解决方案。

北京邮电大学联合腾讯团队开发的We-Math 2.0系统，通过构建491个知识点的数学知识体系、创新的三维难度建模和渐进式强化学习框架，让AI模型获得了真正的数学推理能力。该系统仅用9800个高质量样本就达到了与大规模数据训练相当的性能，在多个基准测试中表现优异，为AI数学教育应用开辟了新道路。

新加坡国立大学研究团队通过分析150多篇相关论文，首次建立了评估提示词质量的21属性框架。研究发现当前提示词研究存在严重不平衡，某些模型和任务被过度关注。通过969个高质量提示词样本分析，团队发现属性间存在强关联性。实验显示单一属性优化往往比多属性组合效果更佳，且用属性增强数据训练的模型表现显著提升。

北京大学与字节跳动联合研发的CyberV系统，让AI视频理解具备了类似人类的"反思"能力。该系统通过监控AI推理过程、检测注意力漂移并提供视觉反馈，成功让小型模型超越GPT-4o，大型模型接近人类专家水平，为AI系统设计带来新范式。

布朗大学和康奈尔大学研究团队推出R3GAN，通过数学理论证明解决了GAN训练不稳定的根本问题。该方法结合相对论式损失和双重梯度惩罚，无需复杂调优技巧即可实现稳定训练，性能超越StyleGAN2。研究证明GAN技术仍有巨大潜力，为生成模型领域带来新思路。

多伦多大学机器人研究团队成功开发出SAFE系统，这是首个能够跨任务检测机器人执行失败的通用型预警系统。该系统通过分析机器人内部"思维"特征，发现了不同任务失败时的共同模式，实现了比人类观察更早的失败预警。在仿真和真实环境的广泛测试中，SAFE系统显著优于现有方法，为机器人安全应用开辟了新路径。

麦吉尔大学研究团队通过测量理论框架分析发现，当前广泛使用的大型语言模型评价系统存在严重的可靠性和有效性问题。研究揭示了AI评委在替代人类评委、自身能力、规模化应用和成本效益四个核心假设方面的缺陷，并通过文本摘要、数据标注和安全评估三个应用场景验证了这些问题的严重性，为建立更加科学严谨的AI评价体系提供了重要指导。

苹果发布搭载3nm A17 Pro芯片的iPhone 15 Pro（附机型对比）

DeepGlint等机构联合发布RICE方法，通过区域感知聚类判别技术显著提升AI的图像细节理解能力。该方法构建了包含20亿区域的大规模数据集，设计了统一的物体识别和文字识别学习框架，在多项任务上超越现有主流模型，特别是在OCR和精细视觉理解方面表现突出，为多模态AI应用提供了更强大的视觉基础。

这项由哈佛医学院和浙江大学联合开发的3DIS-FLUX技术，成功解决了AI绘画中多物体精确控制的难题。通过将复杂任务分解为布局规划和精细渲染两个阶段，并采用创新的注意力控制机制，该技术实现了比现有方法高出41%的成功率。其免训练的设计让技术能够快速适配新模型，为数字创作领域带来了更可控、更高效的AI绘画解决方案。

苏黎世联邦理工学院研究团队开发出首个多摄像头3D点追踪系统MVTracker，只需4个摄像头即可在三维空间中精确追踪任意点的运动轨迹，追踪精度达2-3厘米。该系统通过创新的点云融合技术和变换器架构，能处理复杂遮挡场景并适应不同质量的深度信息，实现了7.2帧每秒的准实时处理速度，为机器人技术、增强现实等领域带来重要突破。

这是一项融合大语言模型与强化学习的金融交易AI创新研究。哈佛等知名院校团队开发的FLAG-TRADER系统让仅1.35亿参数的小型AI模型在股票和加密货币交易中超越了GPT-4等大型商业模型。该系统通过部分微调和夏普比率奖励机制，实现了既能理解复杂市场信息又能从交易实践中持续学习的智能交易决策，为AI在金融领域的应用开辟了新路径。