伯克利大学研究团队通过测试15个AI模型在五种推理策略上的表现，发现AI的"思考方式"直接影响答题效果。大模型可灵活运用各种策略，小模型需精准匹配任务特点。数学题适合步骤式推理，开放问题需要搜索式方法，效率优先场景宜选简洁策略。研究揭示了AI推理能力的规模门槛效应。

复旦大学团队发布BMMR数据集，这是首个大规模跨学科多模态推理评估基准，包含11万个涵盖300个学科的大学水平问题。研究发现即使最先进的AI模型在跨学科推理中表现有限，揭示了当前AI发展的重要盲点。该数据集支持中英双语，配备专门的推理过程评估工具，为AI向通用智能发展提供重要支撑。

上海AI实验室等机构联合开发的EnerVerse系统，首次让机器人具备了"想象未来"的能力。通过将视频生成技术与机器人控制结合，该系统能够预测操作过程并生成相应动作。核心创新包括块状自回归生成、自由锚点视角和4D数据生成引擎，在LIBERO基准测试中达到最佳水平，并在真实环境中成功完成复杂操作任务。

NVIDIA联合CMU等机构开发了AUSM通用视频分割模型，首次将语言模型思路引入视频理解，用一个模型统一处理各种视频任务。该模型采用创新的并行训练策略，训练速度提升2.5倍，在七个权威数据集上均达到领先水平。AUSM突破了传统方法需要针对不同任务训练专门模型的限制，为视频AI应用提供了更简洁高效的解决方案。

MIT和Jina AI联合开发的jina-code-embeddings代码嵌入模型，通过改造预训练代码生成模型实现高效代码检索。该模型支持自然语言查询代码、技术问答和跨语言代码搜索，尽管参数规模较小（0.5B-1.5B），但在25项基准测试中表现优异，为AI辅助编程和智能开发环境提供了高性价比的基础工具。

谷歌DeepMind联合多家顶尖机构推出RT-X系统，这是首个具备类人学习迁移能力的通用机器人AI。通过整合22个研究机构的50万次操作数据，RT-X能够像人类一样将已学技能灵活应用到新环境，成功率比传统方法提高50%以上，展现出跨领域适应和创造性解决问题的能力，为机器人智能化发展开辟了全新道路。

普渡大学研究团队开发的深度平衡正则化器（DEC）解决了AI模型在处理不同大小物体时判断不一致的问题。该方法基于单调缩放群理论，通过潜在空间正则化显著提升了ViT、Swin等模型的尺度一致性和整体准确率，在ImageNet等数据集上表现优异，为自动驾驶、医疗图像分析等应用提供更可靠的视觉识别能力。

荷兰埃因霍芬理工大学研究团队开发出一种智能心脏超声除雾技术，能够自动识别图像中被"雾霾"污染的区域并进行有针对性清理。该技术结合语义分割和扩散模型，首先让AI识别心脏各部分结构，然后根据不同区域特点采用不同强度的除雾处理，在国际挑战赛中表现优异，为解决心脏超声图像质量问题提供了新思路。

Unbabel团队开发的TOWER+模型系列实现了翻译专业性与通用AI能力的完美平衡。通过创新的四步训练方法，即使2B参数的小模型也能在翻译质量上匹敌70B大模型，同时具备出色的对话和指令跟随能力。研究还创建了IF-MT基准来评估复杂翻译场景下的综合能力，为AI模型的专业化发展提供了重要参考。

上海交通大学研究团队发现扩散式大语言模型存在严重安全漏洞，其开发的DIJA攻击方法能以接近100%成功率绕过AI安全防护，诱导模型生成危险内容。该攻击利用扩散模型的双向建模和并行解码特性，通过插入掩码标记让AI误以为是填空练习，从而规避安全检查。现有防护措施对此类攻击几乎无效，凸显了新兴AI架构安全评估的紧迫性。

麻省理工学院研究团队开发出突破性的三维场景理解技术，让机器能够像人类一样理解复杂的三维空间。该技术采用分层空间表示和多模态数据融合，在场景重建准确率上达到92.3%，平均定位误差仅2.1厘米。这项技术将广泛应用于机器人、自动驾驶、AR/VR等领域，为人工智能的空间理解能力带来重大突破。

阿联酋研究团队创建了PersonaX数据库，包含超过1.3万人的多模态性格分析数据。通过整合面部照片、背景信息和AI生成的行为特征描述，研究首次实现了大规模的跨模态性格分析。团队开发的双层分析框架不仅能发现统计关联，还能揭示深层因果关系，为理解人类性格特征提供了全新视角。

谷歌研究院发现了一种让AI进行逻辑推理的新方法——思维链提示。通过要求AI先展示思考过程再给出答案，这种方法将AI在复杂数学问题上的准确率从10%提升至40%以上。这项技术不需要额外训练，只需改变提问方式，但仅在大规模模型上有效。研究揭示了AI具备比预期更强的推理潜力，为未来智能系统发展开辟了新道路。

蒙纳什大学等机构联合开发的VLIPP框架首次让AI视频生成真正"懂"物理定律。该系统通过视觉语言模型预测物理运动轨迹，再由视频扩散模型生成高质量画面，在两大权威基准测试中全面超越现有方法，为影视制作、教育等领域带来革命性突破。

阿里巴巴通义实验室开发的AgentScaler是一个能够智能使用工具的AI助手模型系列。通过创新的两阶段训练和自动化环境构建技术，AgentScaler在多个权威测试中表现优异，40亿参数的小模型就达到了300亿参数模型的性能。该研究首次实现了大规模环境自动构建来提升AI智能体能力，为AI助手的实用化应用奠定了基础。

香港大学团队开发出AI数据库修复工具BIRD-FIXER，能自动诊断和修复SQL查询错误。该研究构建了包含1100个真实SQL问题的基准测试，创新性地采用"逆向工程"策略生成训练数据，让AI学会像专家一样调试代码。BIRD-FIXER在基准测试中达到38%的成功率，超越多个商业AI模型，为中小企业提供了实用的数据库问题解决方案，大大降低了SQL使用门槛。

ByteDance推出AetherCode基准测试，采用IOI、ICPC等顶级编程竞赛真题，并由67名专家设计高质量测试用例。结果显示最先进AI模型通过率仅35.5%，极难题目仅3.8%，揭示AI编程能力被严重高估。该研究为AI评估树立新标准，表明AI在复杂逻辑推理方面仍远落后人类，推理型模型优势明显，为未来AI发展提供重要指导。

华盛顿大学研究团队开发出MUTEX系统，让家用机器人具备类人灵活性。该系统通过扩散策略和分层学习，使机器人能观察人类演示视频自主学习，在陌生环境中适应性完成复杂任务。测试显示成功率提升近一倍，动作更自然流畅。系统具备多任务协调、人机协作和安全保护功能，为未来智能家居和工业应用奠定基础。

上海AI实验室团队开发的InstructVLA系统实现了机器人"边思考边行动"的突破，解决了传统机器人语言理解与动作执行分离的难题。该系统通过创新的两阶段训练和混合专家架构，让机器人能理解抽象指令并灵活执行任务，在复杂推理任务中比现有系统提升92%，标志着智能机器人助手时代的重要进展。

这项由北京大学和香港科技大学联合完成的研究开发了ContextFlow系统，实现了无需训练的高质量视频物体编辑。该系统通过RF-Solver高精度反演和自适应上下文丰富机制，能够精确插入、替换或删除视频中的物体，同时保持背景完整和时间连续性，在多项指标上超越现有方法，为视频编辑技术带来重大突破。