微软研究院开发出Logic-RL训练框架，仅用5000个逻辑谜题就让7B参数AI模型学会深度推理。该方法通过强化学习让AI自发发展出反思、验证等思维能力，在数学竞赛中实现125%性能提升，证明了小规模精准训练的巨大潜力，为AI推理能力发展提供新思路。

港大研究团队开发了χ0机器人操作框架，通过模型算术、阶段优势和训练部署对齐三种技术的协同，系统性解决了机器人学习、训练和实际部署三个阶段间的不匹配问题。该系统在复杂的服装操作任务上成功率提升250%，仅用20小时数据和8块GPU就实现了24小时连续稳定运行，为机器人技术从实验室走向日常应用提供了重要突破。

在不断发明新技术，启动新市场的过程中，高通并非独乐乐的“孤勇者”，而是始终以“生态赋能”为座右铭，以自己的方法论，创造不同的潮流，与伙伴们共同穿越周期。每一年的骁龙峰会，就是最佳例证。

在不断发明新技术，启动新市场的过程中，高通并非独乐乐的“孤勇者”，而是始终以“生态赋能”为座右铭，以自己的方法论，创造不同的潮流，与伙伴们共同穿越周期。每一年的骁龙峰会，就是最佳例证。

当AI正在经历"摩尔式"狂奔时，我们比以往任何时候都更应思考，如何确保技术进步不会侵蚀文艺创作这一人类文明的珍贵财富。这不仅关乎技术的未来，更关乎人类文化传承的根本。

Yale大学自然语言处理实验室研发的Table-R1模型突破性地将推理时间缩放技术应用于表格推理任务。研究团队通过两种方法提升模型能力：从DeepSeek-R1模型的推理过程中学习，以及利用可验证奖励进行强化学习。实验表明，即使使用仅有7B参数的模型，Table-R1-Zero也能在13个表格推理基准测试中媲美甚至超越GPT-4.1等大型模型。该研究不仅证明了中小规模模型通过适当训练也能实现出色表现，还为数据分析、科学研究和决策支持系统等实际应用提供了新可能。

上海人工智能实验室提出CoMemo架构，通过双路径处理解决视觉语言模型在长文本中的图像遗忘问题。该方法结合上下文路径和记忆路径，配合RoPE-DHR位置编码，在七项任务中显著提升性能，为多模态AI的长上下文处理提供了新的解决方案。

比利时蒙斯大学和美国南加州大学联合开发了Social-MAE，这是一个能够同时理解人脸表情和声音情感的AI系统。该系统通过分析8个连续视频帧和音频特征，在VoxCeleb2大型社交数据集上进行自监督学习，在情感识别、笑声检测和性格分析三项任务中均达到了业界最佳水平，为智能教育、医疗诊断、人机交互等领域开辟了新的应用前景。

Meta公司研究团队开发的Dynadiff技术实现了单阶段从脑部fMRI信号直接解码图像的突破，解决了现有方法复杂多阶段和忽略时间维度的问题。通过创新的"大脑模块"设计和扩散模型整合，Dynadiff在高级语义图像重建方面超越现有技术，同时能精确追踪大脑中图像表征的时间演变。研究表明，大脑中的神经模式随时间持续变化，允许连续图像的同时解码，为时间分辨率大脑解码开辟了新方向，但仍面临数据需求高和跨受试者泛化能力有限等挑战。

上下文腐烂：当百万token成为AI模型的阿喀琉斯之踵

微软研究院推出VIBEVOICE，这是一种革命性的AI语音合成技术，能够一次性生成长达90分钟的多人对话音频。该技术采用连续语音编码器实现3200倍压缩率，结合大语言模型和下一令牌扩散技术，支持最多4个说话者的自然对话生成。在多项评测中全面超越现有系统，为播客制作、有声读物等应用开辟新可能。

在数字化转型的浪潮中，企业正面临着前所未有的机遇与挑战。

余承东的“华为三部曲”

卡内基梅隆大学团队发现AI智能体"多试试"比"多想想"更有效的新规律。研究提出TTI方法，通过增加交互步骤而非延长单步思考时间来提升性能。在网页任务中，该方法让AI学会探索、比较和调整策略，在WebVoyager和WebArena基准测试中创下开源模型新纪录。这一发现挑战了传统"深思考等于高智能"的假设，为构建更适应复杂现实环境的AI系统开辟了新方向。

清华大学和微软联合开发的LeanK技术通过智能识别AI记忆系统中的重要性模式，实现了70%的内存节省和30%以上的速度提升，同时几乎不影响对话质量。该技术采用两阶段训练方法学习静态重要性分布，可与其他优化方法组合使用，为长对话AI的普及应用奠定了基础。

阿里巴巴集团和同义实验室的研究团队推出了WebDancer，这是一种能够在网络上自主搜索信息并回答复杂问题的智能体系统。研究团队提出了一个四阶段构建框架，包括数据合成、轨迹采样、监督微调和强化学习。他们创新性地开发了CRAWLQA和E2HQA两种方法来生成高质量训练数据，并采用ReAct框架使智能体能够交替进行思考和行动。实验结果表明，WebDancer在GAIA和WebWalkerQA等基准测试中表现优异，甚至在某些情况下超越了GPT-4o，证明了该方法在构建自主信息搜索智能体方面的有效性。

NVIDIA与爱丁堡大学联合团队于2025年提出的动态内存稀疏化技术，通过智能的延迟删除策略实现AI推理系统的高效内存管理，在保持准确性的同时大幅提升处理速度。该技术只需1000个训练步骤就能实现8倍压缩率，在多项复杂推理任务上显著优于传统方法，为AI技术的普及应用开辟了新路径。

疫情来袭，使许多国家、企业和个人措手不及，在一些国家甚至是人仰马翻。新冠病毒给我们带来了新常态，现如今，唯一确定的就是不确定性。一些影响是短期的，但是许多的影响将会成为世界需要长期面对的挑战。

阿里巴巴Qwen团队提出全球首个个性化生成式奖励模型P-GenRM，通过三阶段训练和测试时用户导向扩展机制，实现AI系统对不同用户偏好的精准适应。该技术在标准测试中平均提升2.31%准确性，测试时扩展机制额外提升3%性能，为客服、教育、内容推荐等领域的个性化AI应用开辟新前景。

一个承载家居产业的数字化创新“飞轮”是如何诞生的。