谷歌DeepMind研究团队提出Mind Evolution算法，让AI像生物进化一样通过多候选方案的相互学习和改进来解决复杂规划问题。该方法在旅行规划任务中成功率从传统的5.6%提升至95.6%，甚至可达100%。研究创新性地将进化算法引入自然语言推理，无需问题形式化，仅需评估函数即可自动优化解决方案，为AI推理开辟了全新范式。

上海AI实验室开发的CompassVerifier是一个轻量级但高精度的AI答案验证系统，能够准确判断AI模型回答的正确性。该系统通过构建包含132万样本的VerifierBench评测数据集，采用错误驱动增强等创新技术，在验证准确率上显著超越GPT-4等大型模型。CompassVerifier不仅可用于AI性能评测，还能作为强化学习的奖励模型，有效提升AI训练效率和效果。

中科院团队开发出DiffSpectra系统，首次实现仅通过多模态光谱数据就能准确推断分子完整三维结构的AI技术。该系统同时处理红外、拉曼和紫外光谱，采用扩散模型直接生成分子结构，突破了传统依赖分子库查找的局限。测试显示16.01%完全准确率，前20候选准确率达96.86%，将revolutionize化学分析效率，加速新药研发和材料科学发展。

德州大学研究团队开发的PRvL系统成功将大语言模型应用于个人信息保护，实现了99.4%的识别准确率和极低的隐私泄露风险。该系统支持多种模型架构和训练策略，具备跨语言处理能力，完全开源可本地部署，为医疗、法律、金融等敏感领域提供了实用的隐私保护解决方案。

这篇来自复旦大学和字节跳动的研究介绍了ARIA方法，解决了语言智能体在开放式交互环境中的训练难题。传统强化学习在这类任务中面临巨大挑战，因为行动空间呈指数级增长，导致奖励信号极度稀疏。ARIA创新性地将语言行动从高维标记空间映射到低维意图空间，聚合语义相似行动的奖励，有效降低了训练方差。实验表明，ARIA在多种任务中平均提升9.95%的性能，同时显著提高训练稳定性和效率。

三年内成为最受欢迎的Unity讲师。这位萌新做到了，你也可以。

实体清单让华为正在进行成立以来最大规模的战略转型——强化软件能力。基于软件是云的核心实现对华为云的组织调整。

中科院团队开发的EAGLE框架首次实现了对多模态大语言模型决策过程的精确解释，能够揭示AI在生成文字时关注的图片区域，并区分其依赖视觉证据还是语言先验。该方法在准确性上比现有技术提升20%以上，计算资源需求减少80%，在幻觉检测和纠正方面表现卓越，为构建更可信的AI系统提供了重要工具。

浙江大学团队推出TINKER系统，实现仅用一张或几张图片就能完成高质量3D场景编辑，无需针对每个场景进行专门训练。该系统解决了多视角一致性难题，创建了首个大规模多视角编辑数据集，在编辑效果和计算效率上全面超越现有方法，为3D内容创作的普及化奠定了技术基础。

Menlo Research推出革命性AI模型Jan-nano，仅用4B参数就在SimpleQA测试中达到83.2%准确率，超越了6710亿参数的DeepSeek模型。该模型采用创新的"搜索优先"策略，通过多阶段RLVR训练系统，让AI学会高效使用工具而非死记硬背知识。研究发现大模型存在"过度思考"问题，反而影响性能。Jan-nano证明了在AI发展中，聪明的策略比单纯的规模扩张更重要，为资源受限的AI应用开发提供了新思路。

华为轮值董事长胡厚崑、华为中国政企业务总裁吴辉、华为云CEO张平安第一天分享如下

超级人工智能到来之后，人类和AI会是怎么样的协作关系？

不久前，我们采访了植根新兴市场的全球金融科技公司PayerMax，及其云服务伙伴亚马逊云科技，了解到新兴市场的跨境支付系统，背后的一些运作逻辑。

纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律，研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是，通过调整模型架构参数如注意力密度、宽深比等，可以在训练前就预测和控制这些关键激活的行为，为设计更高效、量化友好的AI模型提供了全新工具。

斯坦福大学研究团队在2025年提出了首个从语言反馈学习的理论框架，创新性地引入转移消元维度来衡量语言反馈的信息量，并开发了HELiX算法。研究证明语言反馈能带来指数级学习加速，在多个游戏测试中表现优异，为AI学习从简单数值反馈转向丰富语言指导奠定了理论基础，有望推动教育、推荐系统等领域的AI应用革新。

不久前，我们采访了植根新兴市场的全球金融科技公司PayerMax，及其云服务伙伴亚马逊云科技，了解到新兴市场的跨境支付系统，背后的一些运作逻辑。

腾讯混元团队推出的HunyuanWorld 1.0是一个革命性的3D世界生成框架，能够仅通过文字描述或单张图片创建完整的可探索3D场景。该系统采用全景图像作为世界代理，结合智能分层技术和3D重建算法，实现了360度沉浸式体验、标准网格导出和物体级交互操作，在虚拟现实、游戏开发和物理仿真等领域展现出巨大应用潜力。

KAIST研究团队开发了名为MoR的智能递归深度调节系统，该系统能够根据词语复杂程度自动分配计算资源，实现了参数共享、自适应计算和智能缓存的统一。实验显示，MoR在使用更少参数的情况下仍能提升准确率1-2个百分点，处理速度提升20-100%。这项技术为AI发展提供了新的高效计算模式。

人工智能的“性格”是如何形成的？

阿里巴巴团队开发的Logics-Parsing系统通过创新的两阶段训练方法，实现了文档解析领域的重大突破。该系统不仅能准确识别文字、表格、公式等内容，更重要的是能像人类一样理解文档的整体布局和阅读逻辑，在包含1078页复杂文档的LogicsParsingBench基准测试中达到最优性能，为数字化办公、学术研究、法律服务等领域的智能化升级提供了强有力的技术支撑。