香港中文大学等机构联合发布TalkVid数据集，包含1244小时高质量说话视频，覆盖7729名不同背景说话者和15种语言。该数据集专门解决现有AI说话视频生成技术的种族、年龄、语言偏见问题。同时发布TalkVid-Bench评估基准，能够检测模型公平性。实验证明使用该数据集训练的模型在各群体上表现均衡，为构建更加公平包容的AI技术奠定基础。

蚂蚁集团联合西湖大学推出MoBE技术，通过创建共享基础知识库的方式，成功将万亿参数AI模型压缩30%，性能损失仅为2%。该技术突破了传统压缩方法7%-14%性能损失的瓶颈，有望大幅降低AI部署成本，推动强大AI能力的普及应用。研究团队已开源相关代码。

这篇研究介绍了"视觉指令瓶颈调优"（Vittle）方法，该方法通过应用信息瓶颈原理，增强多模态大语言模型应对分布偏移的能力。研究不依赖增加数据量或模型规模，而是教会模型像人类一样进行"概念压缩"，在保留关键信息的同时丢弃冗余细节。在45个数据集的30种分布偏移场景中，Vittle显著提高了模型的鲁棒性，同时保持了标准任务上的出色表现，且几乎不增加推理时间。

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。

阿姆斯特丹大学研究团队开发出"缓存驾驶"技术，通过修改AI模型的键值缓存而非重新训练，让小型语言模型瞬间获得大模型的推理能力。该技术仅需一次调整就能让模型展现逐步推理行为，计算开销几乎为零，在多个推理基准测试中表现优异，还能实现推理风格迁移。

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。

快手科技团队开发的Klear-Reasoner在AI推理领域取得重大突破，在数学竞赛AIME2024中获得90.5%高分。该研究完全公开训练细节，提出创新的GPPO方法解决传统强化学习局限，证明精选高质量数据比大量普通数据更有效，为AI推理能力提升提供了新的技术路径。

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。

中科院微电子研究所团队揭示深度学习中感知优化与质量评估存在意外不对称现象。研究发现评估性能优秀的模型在训练指导中效果有限，对抗性训练具主导作用，传统卷积网络在某些场景仍具优势。这项发现颠覆了"评估性能等同于优化能力"的传统认知，为AI图像处理技术改进提供新方向。

Salesforce AI Research联合伊利诺伊大学开发的UserBench研究揭示了当前AI助手的重大缺陷：尽管技术上表现出色，但在理解用户真实需求方面表现糟糕。最先进的AI模型完全满足用户需求的成功率仅20%，发现隐性偏好的能力不足30%。这项研究创建了专门的用户中心评估环境，为开发真正理解用户、能够成为人类理解型伙伴的AI助手指明了方向，标志着AI发展从"任务执行者"向"用户协作者"的重要转变。

这项研究提出了π?方法，通过置换等变架构解决了传统3D重建技术依赖固定参照系的问题。该方法让每个摄像机独立描述场景，无论输入顺序如何都能产生一致结果，在多个任务上达到最先进性能，同时具有出色的鲁棒性、可扩展性和训练效率，为AR、自动驾驶等应用领域带来新可能。

这项研究首次提出MetaphorStar框架，专门解决AI系统无法理解图像隐喻含义的问题。通过创新的TFQ格式和强化学习方法，让AI从只能识别"一个人站在路口"提升到理解"人生选择"的深层含义。在基准测试中性能平均提升82.6%，为开发具有深层认知能力的智能系统开辟了新路径。

马里兰大学研究团队开发了"去预设"方法，通过将复杂声明分解为无预设前提的简单问题，让AI像侦探般系统性验证每个假设。该方法显著提升AI信息验证准确率2-5%，大幅降低对提示词变化的敏感性，为构建更可靠的AI系统提供新思路。研究在生物医学等复杂领域表现尤其出色。

阿里团队开发的FantasyPortrait系统突破了传统人像动画的局限，通过隐式表情表示和掩码交叉注意力机制，实现了高质量的单人和多人肖像动画生成，特别在跨身份表情迁移方面表现出色，为视频制作和虚拟交流等领域带来新的技术可能性。

康卡斯特和UCL研究团队开发了WhisTLE技术，解决语音识别模型在新领域适应中只能依赖昂贵语音数据的问题。该方法通过训练变分自编码器模拟语音编码器输出，实现仅用文本进行深度监督适应。实验显示平均降低12.3%词错误率，且推理时无额外计算成本，为跨域语音识别提供了高效实用的解决方案。

这项由斯坦福大学和多家研究机构联合推出的R3（强健的无评分标准奖励模型）系统，解决了现有AI评估模型在可控性与可解释性方面的关键缺陷。不同于仅提供分数的传统模型，R3能适应任何评分标准，支持单项评分、对比评分和二元评分三种评估形式，并提供详细解释。研究团队从45个来源构建了高质量数据集，即使仅用14,000个训练样本，R3模型也在众多基准测试中超越了现有系统。这一突破性研究为AI系统提供了更透明、更可信的评估方式，有望显著改善人类与AI的互动体验。

使命召唤是一款由美国动视暴雪（Activision Blizzard）有限公司开发的第一人称角色扮演射击类视频游戏，10月25日，该系列游戏最新版本《使命召唤16：现代战争》，Call of Duty®: Modern Warfare®，下文也称COD16）开始全球解锁发售，售价约60美元。

中科院自动化所团队开发出Reflection-V视觉推理模型，首次让AI学会在推理过程中主动回顾检查图像信息。该模型通过创新的多智能体训练数据构建和视觉注意力奖励机制，解决了传统AI视觉推理中"看一眼就算数"的问题，在数学推理、多学科知识问答等任务上显著超越现有模型，甚至在某些测试中超过参数量大5倍的模型。

本研究由斯坦福大学等顶尖学府联合提出SkillBlender方法，让人形机器人像人类学习技能一样先掌握基础技能，再智能混合应对复杂任务。通过预训练行走、伸手、蹲起、踏步四种原始技能，系统能以最少的奖励设计完成复杂全身协调任务。新建的SkillBench测试平台包含三种机器人、八项任务，并创新性地评估动作准确性和自然度。

以色列理工学院研究团队开发出一种新颖的AI推理改进方法，通过训练专用的"继续思考"标记，让AI模型在解题时能够进行更深入的思考。该方法只需训练单个标记的嵌入向量，保持模型其他参数不变，在数学推理任务中展现出显著效果，准确率提升幅度达到传统方法的三倍以上，为AI推理能力提升提供了高效且通用的解决方案。