香港中文大学团队发现AI推理过程中存在高达80%的冗余步骤。通过创新的"步骤熵"方法，他们能够识别并删除这些多余的推理步骤，在保持准确性的同时实现35-57%的效率提升。研究开发了两阶段训练策略，让AI学会自动生成压缩的思考链。这项突破为AI系统的高效部署提供了新途径，有望显著降低AI服务的计算成本和响应时间。

韩国NXN Labs开发的Voost系统实现了虚拟试衣技术的重大突破，能够同时处理"试穿"和"脱衣"两个相反任务。该系统使用统一的AI模型和创新的双向学习方法，在图像质量、细节保持和结构准确性方面都超越了现有技术，为电商购物和时尚行业带来革命性改变。

这项由哥伦比亚大学等机构研究团队完成的研究，通过ACES测试环境深入分析了AI购物助手的行为特征。研究发现不同AI模型存在显著购物偏好差异，对商品位置异常敏感但偏好各异，对营销标签反应独特，在理性购物测试中仍存在缺陷。研究揭示了AI购物时代将重构电商生态系统，带来新的商业机遇与监管挑战。

清华大学团队发布URSA系统，这是首个针对多模态数学推理的过程奖励模型。该系统通过创新的三阶段训练框架，不仅能解决复杂的图文结合数学问题，更重要的是能提供完全可验证的推理过程。URSA在六个标准测试中全面超越同规模开源模型，甚至在平均性能上超过GPT-4o达2.7个百分点，代表了AI推理可解释性的重要突破。

德国比勒费尔德大学研究团队开发出能通过照片预测剩余寿命的AI系统，平均误差仅4.79年，准确度超越传统生物标记物检测。该技术基于DINOv2视觉模型和不确定性量化方法，在5672张高质量照片上训练。虽然展现了图像中隐藏医学信息的巨大潜力，但研究团队强调目前不适合临床应用，需要解决数据偏差、伦理考量等挑战。这项研究为非侵入性健康筛查开辟了新方向。

LinkedIn Corporation研究团队发现AI训练中存在"自信错误"现象：AI对错误答案过分自信，导致多样性下降。他们提出ACE方法，通过置信度偏移分数识别不同错误类型，对自信错误施加更强惩罚。实验验证该方法在保持单次准确率同时，显著提升多次尝试成功率，为构建更可靠AI系统提供新思路。

阿里巴巴通义实验室开发的Wan-S2V系统实现了音频驱动电影级视频生成的重大突破。该140亿参数模型能仅凭音频创造复杂场景视频，包括多角色互动、动态摄像机运动等，远超传统"说话头像"技术。通过创新的文本-音频协同控制和长视频连贯性技术，在多项评估中显著优于现有竞品，为视频创作民主化开辟了新路径。

腾讯混元团队推出P3-SAM系统，这是首个能够自动精确分割任意3D物体的AI模型。该系统采用原生3D处理方式，摆脱了传统方法对2D投影的依赖，在近370万个3D模型上训练而成。P3-SAM支持完全自动分割和交互式分割两种模式，在多个标准测试中达到领先性能，为游戏开发、工业设计等领域提供了强大的3D理解工具。

腾讯AI实验室开发的Covo-Audio是首个真正实现端到端语音对话的7B参数大模型，能直接处理语音输入并生成自然回应。该系统突破了传统流水线式处理的局限，实现了智能与声音分离、全双工交互等创新功能，在多项基准测试中表现优异，特别是在情感理解和自然对话方面达到了新的水准，为语音交互技术的实用化和个性化应用开辟了新路径。

这项研究通过训练72个不同配置的模型，系统分析了混合线性注意力架构的设计原则。研究发现独立表现最佳的线性注意力机制在混合架构中未必最优，并识别出选择性门控、分层递归和控制性遗忘是成功混合架构的三大关键要素。结果表明，采用3:1到6:1的线性与全注意力比例能够在保持性能的同时将内存使用量减少4-7倍。

中科院团队首次开发出1比特视觉-语言-动作模型BitVLA，实现机器人智能操作的革命性突破。该模型将每个参数限制为{-1,0,1}三值表示，通过创新的蒸馏感知训练策略，在仅使用29.8%内存的情况下达到与先进模型相当的性能。在LIBERO机器人基准测试中表现优异，为智能机器人在资源受限设备上的部署开辟了新路径，让家用机器人成为可能。

阿里巴巴通义实验室推出Wan-Animate，这是一项革命性的角色动画技术，能让静态照片中的人物按照参考视频动起来。该技术支持动画和替换两种模式，通过精确控制身体动作和面部表情，实现高质量角色视频生成。在与商业产品的对比中表现优异，研究团队承诺完全开源，为AI社区提供强大工具。

中科院软件所团队发布LiveMCPBench，这是全球首个大规模MCP工具使用评估框架。该研究构建了包含527个工具的测试环境和95个真实任务，评估AI在复杂工具环境中的表现。测试显示Claude-Sonnet-4达到78.95%成功率，而多数模型仅30%-50%，揭示了AI工具组合使用能力的巨大差距，为未来智能助手发展指明方向。

复旦大学团队开发出Ask-to-Clarify机器人框架，让机器人首次具备主动询问澄清模糊指令的能力。该系统采用双组件架构和两阶段训练策略，在8项真实任务中全面超越现有技术，成功率达90-98%。这一突破将机器人从被动执行者转变为主动合作伙伴，为家庭服务机器人的实用化扫清重要障碍。

META公司FAIR实验组开发的V-JEPA 2系统通过观看100万小时视频实现了AI的重大突破，首次让机器同时具备理解、预测和规划三项核心能力。该系统在视频理解、行为预测和机器人控制等多个任务上创下新纪录，特别是仅用62小时训练就能零样本控制机械臂，为通用人工智能发展提供了新路径。

上海AI实验室联合多家顶尖机构开发出全球首个科学推理大模型SciReasoner，该模型在2060亿科学数据上训练，支持103个科学任务，能够像科学家一样进行逻辑推理并展示思考过程。它实现了化学、生物学、材料科学等多领域知识整合，在分子设计、性质预测、文献分析等方面表现出色，为科学研究提供了强大的AI助手工具。

如果你是因为幻想着新生活的美好而移民，那你将必然失望，因为生活中的盐总是咸的，哪里都一样。 如果你是因为要逃离旧世界的痛苦而移民，那你几乎一定会幸福，因为那一时一地的苦难并不是普世价值。

英国谢菲尔德大学研究团队通过分析三类AI模型在软推理任务中的表现，发现了思维链推理的两面性：影响力和忠实性。蒸馏推理模型高度依赖推理过程并能纠错，而指令调优模型更多进行事后解释。研究揭示不同训练方法造就不同推理风格，对AI可解释性应用具有重要指导意义。

这项由中国人民大学等机构发表的研究提出了OmniGAIA基准测试和OmniAtlas智能体，旨在构建具备全方位感知、推理和工具使用能力的AI系统。研究创建了包含360个复杂任务的测试标准，要求AI同时处理视频、音频信息并使用外部工具解决问题。开发的OmniAtlas具备主动感知能力，能像人类一样有选择性地获取关键信息。测试揭示了当前AI系统的巨大差距，为未来多模态智能发展指明了方向。

「当前最火爆的赛道之一“芯片行业”正在进行一场洗牌，大量资金的涌入让无数创业公司崛地而起，芯片行业的机会已经多到眼花缭乱。 今日推荐 晚点AUTO（id：gh_30ebd85b0f58）一篇文章，作者：马慧 编辑：黄俊杰。」