华中科技大学联合地平线机器人开发RAD自动驾驶训练系统，首次将3D高斯点云渲染技术应用于强化学习，在逼真虚拟环境中让AI通过试错学习驾驶技能。该方法巧妙结合模仿学习与强化学习，将碰撞率降低3倍至8.9%，同时保持人类化驾驶风格。研究为自动驾驶AI安全训练开辟新路径，预示更可靠的无人驾驶汽车即将到来。

深圳大学团队开发了C3D-AD持续学习框架，解决3D异常检测中的"灾难性遗忘"问题。系统通过三个创新模块：统一特征空间的KAL、智能信息管理的KAA和记忆保持的RPP，实现在学习新产品检测的同时保留对历史产品的检测能力，在三个数据集上取得显著性能提升。

华南理工大学研究团队开发出Grounded-VideoDiT系统，突破了AI长视频理解的关键技术瓶颈。该系统通过扩散时间潜在编码器、实体感知分割跟踪和混合标记策略三大创新，让AI具备了精确的时间定位、物体跟踪和多模态推理能力。在多项测试中表现优异，为教育、安防、医疗、体育分析等领域的视频应用开辟了广阔前景。

BITS Goa团队联合Meta AI和Amazon AI开发的AlignGuard-LoRA技术，创新性地解决了AI微调过程中的安全性流失问题。该方法通过Fisher信息矩阵识别安全关键参数，将更新分解为安全维护和任务学习两个独立组件，并设计碰撞感知正则化防止组件干扰。实验显示，该技术能将安全漂移降低50%，同时保持任务性能不变。

中科大研究团队从认知科学获得灵感，提出IAU机器遗忘方法，通过"反向记忆"让AI高效忘记特定数据。该方法避免了传统影响函数的复杂矩阵计算，将遗忘时间从数千秒降至十几秒，同时保持模型性能。实验验证显示其在多种数据集和模型上均表现优异，为隐私保护和数据安全提供了实用解决方案。

作为每年的生活，CES肯定少不了电视厂商的参与，今年也不例外。不管是国内的电视厂商还是国际的大厂，无不“八仙过海各显神通”。首先我们看下今年的CES电视厂商的关键词。

华为中国政企业务总裁吴辉在会上发表了题为《为行业找技术，深入场景创造价值》的主题演讲，重点分享了华为基于多年的探索和实践总结出的行业数字化转型的方法论和企业转型成功秘诀。

Meta研究团队通过分析十个大型推理模型发现，AI推理质量的关键不在思考时长，而在推理效率。他们创新提出"失败步骤比例"指标，发现减少错误探索比延长思考时间更能提升准确率。研究颠覆了"长思考更好"的观念，为AI推理系统设计提供了质量导向的新思路。

Meta超级智能实验室开发了ARE平台和Gaia2基准测试，为AI智能体创造了更真实的训练和评估环境。ARE支持异步交互，模拟真实世界的复杂性和不确定性。Gaia2包含1120个场景，评估AI的七项核心能力。实验显示最强模型成功率仅42%，特别在时间管理和处理歧义方面表现较差，揭示了当前AI技术的局限性和改进方向。

英伟达推出售价3000-4000美元的DGX Spark，号称"全球最小AI超算"。该设备搭载128GB内存，基于Blackwell架构的GB10芯片，虽然速度不及RTX 5090，但能运行消费级显卡无法处理的大模型。支持2000亿参数模型推理和700亿参数模型微调，在AI开发领域具有独特优势，但软件生态仍需完善。

中科大研究团队针对新兴MCP协议环境开发了首个专业AI评估基准MCP-AgentBench，包含33个服务器188种工具和600道测试题目。研究发现开源模型表现优异，通义千问达到64.7%最高得分超越专有模型，揭示了交互框架对性能的关键影响，为AI工具使用能力评估建立了新标准。

人人都在焦虑中奋力奔跑。在知乎上，有人唱衰互联网大厂，有人问现在成为程序员是不是晚了，有人说35岁后的程序员都去哪了？这些问题一直热议不断。

这项研究通过创新的梯度注意力机制和500万张图片的WebPerson数据集，显著提升了文本描述人物检索的准确性。GA-DMS框架能智能识别描述中的关键词汇，过滤噪声干扰，在标准测试中达到77.6%的准确率，为安防监控、人员搜寻等应用提供了重要技术支撑。

就在新任首席执行官Pat Gelsinger宣布英特尔公司的重塑计划正好一周之后，Arm发布了其架构的第九个版本，并且提出了该公司对下一个十年的愿景。

南洋理工大学研究团队开发的Life2vec系统能够通过分析个人生活数据预测未来人生轨迹，在收入和职业预测上达到78-85%准确率。该系统使用丹麦600万人的真实数据，采用类似GPT的AI技术，揭示了教育投资、社交网络、地理位置等因素对人生发展的深层影响规律，为政策制定和个人规划提供科学依据。

哈工大团队提出LycheeMemory框架，模仿人类记忆机制处理超长文本。系统通过压缩器、门控器、推理器三部分协作，将文档压缩为高密度表示，智能筛选相关信息，实现高效推理。在175万字符测试中保持71%准确率，相比传统方法实现6倍加速、50%内存节省，为AI长文本处理提供新思路。

西安交通大学研究团队首次发现视频检索系统存在恶意推广漏洞，攻击者可通过在视频中添加微小变化来操控搜索结果排名。研究提出ViPro攻击方法和MoRe技术，实验显示在白盒/灰盒/黑盒场景下攻击成功率分别比现有方法高出30%/10%/4%。这种攻击具有隐蔽性强、转移性好的特点，现有防御措施效果有限，对视频平台安全构成严重威胁。

约翰霍普金斯大学团队开发了VLV系统，仅用1000美元成本就能达到GPT-4o级别的AI图像描述效果。该系统巧妙组合现有的视觉编码器、扩散模型和语言模型，通过两阶段训练实现高质量图像描述。测试显示VLV在重建质量和人类评价方面与顶级商业模型相当，同时具备出色的空间理解和创意组合能力，为AI技术普及化提供了新思路。

约翰·霍普金斯大学研究团队开发出突破性的少样本学习方法，用于检测AI合成语音。该方法通过自注意力原型网络，仅需10个样本就能快速适应新的语音伪造技术，在日语深度伪造检测中实现32%错误率相对减少。这项技术为应对日益复杂的声音欺诈提供了高效解决方案，有望应用于金融安全、司法取证等领域。

这项由哈工大深圳与阿里巴巴联合研发的AniMaker系统，能够仅凭文字描述自动制作多角色动画片。系统采用四个AI智能体协作模式，模拟专业动画制作流程，引入蒙特卡洛树搜索算法优化视频片段选择，并首创AniEval动画专用评价体系。实验显示该系统在各项评价指标上均超越现有方法，为AI创意应用开辟新方向。