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。

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？

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。

一句提示词，一个新世界。

如果把生成式AI的发展比作一场赛跑，那么文本、图像、音频和视频生成已经跑在了前头，而3D内容生成却明显落后，还远未达到可投入生产的成熟度。为什么会出现这种情况呢？研究团队通过深入分析，发现了三个关键瓶颈。

香港大学、香港科技大学与快手科技联合发布开创性研究，提出用交互式生成视频（IGV）技术构建下一代游戏引擎，将彻底改变游戏开发模式。该技术能实时生成无限游戏内容，让每个人都能成为游戏设计师，解决传统游戏内容有限、成本高昂、缺乏个性化等根本问题，为游戏产业描绘了一个充满想象力的未来。

哈工大团队提出SENTINEL框架，通过句子级早期干预和交叉验证机制，将多模态AI的视觉幻觉率从52.7%降至4.3%，降幅超90%。该方法采用域内数据自举策略，无需外部标注，在保持AI通用能力的同时显著提升了图像描述准确性，为可信AI发展提供重要突破。

南京大学研究团队构建了SpatialVID，一个包含2.7万小时高质量视频的大规模空间标注数据集。该数据集为每个视频片段提供精确的摄像机姿态、深度信息、动态掩码和结构化语义描述，涵盖城市、自然、室内等多样场景。通过严格的四重筛选机制和创新的几何先验增强标注流程，SpatialVID在规模和质量上都创下新纪录，为训练具有空间理解能力的AI模型提供了前所未有的数据基础，将推动自动驾驶、机器人导航、虚拟现实等领域的技术进步。