阿里达摩院联合浙江大学推出VideoRefer套件，这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景，更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K，并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法，在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。

Meta与特拉维夫大学联合研发的VideoJAM技术，通过让AI同时学习外观和运动信息，显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量，在多项测试中超越包括Sora在内的商业模型，为AI视频生成的实用化应用奠定了重要基础。

Meta团队发布突破性研究ConfQA，通过"诚实训练"让AI学会在不确定时说"我不知道"，将胡编乱造率从20-40%降至5%以下。结合双重知识框架，在保持高准确性的同时减少30%不必要外部搜索，为AI实用化应用奠定重要基础。

中科院团队首次实现机器人视觉、语言、动作三位一体统一建模，开发出UniVLA模型。该模型采用创新的"世界模型"训练策略，通过观看视频学习物理规律，在多个基准测试中创下新纪录。LIBERO测试成功率达95.5%，比此前最好成绩提升10个百分点。技术突破在于将不同模态信息转换为统一数字令牌，实现端到端学习，为通用机器人智能奠定基础。

今年您的科技储备池中有哪些好料？

博洛尼亚大学团队开发出情感增强的AI系统，通过结合情感分析和文本分类技术，显著提升了新闻文章中主观性表达的识别准确率。该研究覆盖五种语言，在多项国际评测中取得优异成绩，为打击虚假信息和提升媒体素养提供了新工具。

ByteDance Seed研究团队提出AttentionInfluence方法，让13亿参数小模型为70亿参数大模型筛选训练数据。该方法利用模型内部注意力机制判断数据质量，无需人工标注。实验显示在推理密集型任务上性能提升1.4-3.5%，展现了"弱到强"的泛化能力，为AI训练数据选择提供了新的解决方案。

作五休二不再「天经地义」，颠覆性转变或将开启新时代。

武装泅渡、在炮弹中腾挪跳跃的特种兵，与指尖跳跃，在办公室创造虚拟世界的程序员，就像两条毫不相干的平行线，但命运却令两条线交缠。当两种身份印记融汇进同一人的人生故事里，又会谱写怎样的故事呢？

清华大学团队提出了一种创新的零样本量化方法，专门针对物体检测任务优化AI模型。该方法无需真实训练数据，通过自适应标签采样生成任务特定的合成图像，结合多层次知识蒸馏框架实现高效模型压缩。实验显示，该方法在多个数据集上的性能甚至超越了使用完整真实数据的传统方法，同时显著提升了训练效率，为隐私保护与AI技术发展找到了平衡点。

南加州大学联合微软和宾夕法尼亚大学提出体验式强化学习方法，让AI具备"尝试-反思-改进"的类人学习能力。该技术通过引入结构化的自我反思机制，使AI能从失败中深度分析问题并制定针对性改进方案，在复杂任务中取得高达81%的性能提升。这项发表于2026年2月的研究为AI从"被动学习"向"主动思考"的转变奠定了基础，在教育、制造、科研等领域具有广阔应用前景。

这项由浙江大学与蚂蚁集团联合研究的AUTOMIND系统，通过构建专家知识库、智能搜索策略和自适应编程三大创新，让AI具备了接近人类专家的数据科学能力。在权威测试中超越56.8%的人类参赛者，相比前代系统效率提升300%，成本降低63%，为数据科学自动化开辟了新路径。

ServiceNow团队开发的AU-Harness是首个专门针对AI语音助手的综合评估工具包。该工具通过创新的并行处理和标准化测试协议，将评估效率提升127%，涵盖19项测试任务。研究引入了两个全新测试类别：时间感知的对话分离和复杂的口语推理能力。通过380多项测试揭示，当前AI语音模型在基础识别方面表现良好，但在复杂推理和时间理解上仍存在显著差距，为未来技术改进指明了方向。

美国孟菲斯大学研究团队创新性地将遗传算法引入AI数据生成，提出"遗传提示框架"。该方法将文本语义特征视为"基因"，通过模拟生物杂交和变异过程，让AI能够生成更高质量、更多样化的合成数据。在八个数据集的测试中显著超越现有方法，特别在处理数据不平衡问题时表现卓越，为解决AI训练数据稀缺问题开辟了新途径。

商汤科技研究团队开发了MaskGWM，一个革命性的自动驾驶预测系统。该系统采用创新的"双重学习法"，让AI同时掌握图像生成和逻辑推理能力，能够预测长达12秒的未来驾驶场景。通过空间和时间两个维度的掩码重建训练，结合多视角预测能力，MaskGWM在标准测试中显著超越现有技术，并展现出强大的跨域泛化能力，为更安全智能的自动驾驶技术奠定了重要基础。

这项由清华旗下奇虎科技等机构联合开发的研究，提出了ForCenNet前景中心网络来解决手机拍摄文档变形问题。与传统均匀处理方法不同，该系统重点关注文档中的关键信息区域如文字和表格线条，采用创新的前景分割、掩码引导和曲率一致性优化技术，在四个主流数据集上达到最优性能，为移动文档数字化提供了高效解决方案。

陈运文34岁那年，是2015年，他离开任职多年的大厂，转而投身于“大众创业、万众创新”的时代浪潮中。从此，他成为达观数据董事长兼CEO，他的使命是“扛起国内文本智能处理ToB业务这面大旗”。

香港理工大学研究团队开发了突破性医学AI系统GEMeX-ThinkVG，让人工智能在分析胸片时能像医生一样详细解释诊断过程。该系统不仅能准确回答医学问题，还能标注具体的影像区域并提供完整的推理链条，解决了传统医学AI"黑盒子"问题。通过创新的强化学习训练方法，仅用八分之一数据就达到了传统方法的性能水平，为可解释医学AI开辟了新方向。

微软发布Phi-4-Mini多模态语言模型，仅3.8亿参数却能媲美两倍规模模型性能。该模型采用创新"混合LoRA"技术，支持文本、图像、语音多模态输入，在数学推理、编程、语音识别等任务中表现出色，在OpenASR榜单排名第一。这种"小而精"设计理念为AI普及化提供新思路，使强大AI功能可在消费级设备运行。

上海交大团队首次建立AI视觉推理评估标准RISEBench，测试发现即使最先进的GPT-4o-Image在推理驱动的图像编辑任务中准确率仅28.8%。研究涵盖时间、因果、空间、逻辑四大推理维度，揭示当前AI缺乏真正理解物理规律和逻辑关系的能力，为AI发展指明了从模式识别向深层推理转变的重要方向。