约翰霍普金斯大学团队提出R2-T2方法，通过测试时动态调整专家权重让多模态AI更智能。该技术无需重训练就能让7B小模型性能超越34B大模型，在视觉问答等9个基准测试中取得显著提升。核心思路是让AI在遇到新任务时自动寻找相似成功案例并模仿其专家选择策略。

斯坦福大学研究团队开发了CHURRO历史文献识别系统，可处理跨越22世纪、46种语言的古代文献。该系统基于CHURRO-DS数据集训练，包含近10万页历史文档。CHURRO在印刷和手写文档识别上分别达到82.3%和70.1%准确率，超越最好的商业模型，成本仅为其1/15.5，为历史文献数字化提供了高效解决方案。

面对发展初期RISC-V生态薄弱的难点，赛昉科技同样有自己的独到见解。“垂直整合”的落地模式是赛昉科技的破局之策，从处理器内核到处理器芯片，到开发板和生态，再到最终的系统和产品，赛昉科技一路同行。

这项由EPFL和Google联合完成的研究提出了WilliamT，一种创新的低成本自动化程序修复工具。与传统的寻找漏洞根本原因的方法不同，WilliamT专注于"崩溃点修复"，直接在程序崩溃位置添加防护代码，有效阻止漏洞被利用。通过模板引导的补丁生成技术，WilliamT将令牌成本降低了99.7%，与顶级工具CodeRover-S结合使用时，能以45.9%更低的成本修复29.6%更多的漏洞。更令人惊讶的是，WilliamT甚至可以在普通Mac Mini上与小型语言模型有效运行，展示了其在资源受限环境中的卓越适应性。

Skywork AI推出的第二代多模态推理模型R1V2，通过创新的混合强化学习方法，成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉，在多项权威测试中超越同类开源模型，某些指标甚至媲美商业产品，为开源AI发展树立了新标杆。

阿里巴巴推出的Ovis2.5是一个革命性的多模态AI模型，具备原生分辨率图像处理和深度推理能力。它采用五阶段训练体系，在OpenCompass评测中创造了开源模型新纪录。其突破性的思考模式让AI能够进行类人推理和自我纠错，在数学推理、图表分析、文字识别等方面表现卓越，为教育、医疗、商业等领域提供了强大的AI助手解决方案。

北航团队推出VoxHammer技术，实现3D模型的精确局部编辑，如同3D版Photoshop。该方法直接在3D空间操作，通过逆向追踪和特征替换确保编辑精度，在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集，为3D编辑领域建立新标准，展现出在游戏开发、影视制作等领域的巨大应用潜力。

从万物连接到万物智能，组织中的数据洪流让数目字管理变成不再遥不可及，让黄仁宇的“理想国”在技术上成为可能，我们对此做好准备了么？

戴尔科技集团首席执行官Michael Dell和戴尔科技集团旗下Pivotal公司首席执行官Rob Mee接受《财富》杂志资深撰稿人Michal Lev-Ram视频采访，谈论过去30年的技术演变史，以及未来30年的发展前景。

这项由伊利诺伊大学香槟分校研究团队开发的突破性AI技术，首次让机器具备了类似人类的空间推理能力。通过创新的细粒度偏好优化训练方法，SpatialReasoner-R1不仅能准确判断图片中的空间关系，还能提供完整的逻辑推理过程。在空间质量和数量任务上分别实现4.1%和9.0%的性能提升，为自动驾驶、机器人导航、增强现实等领域带来重要应用前景。

这项由上海交通大学与OPPO人工智能中心合作的研究首次深入探索了多模态大语言模型的视频空间推理能力提升方法。研究发现传统提示词对小型模型无效，转而采用GRPO强化学习训练法，构建了包含10万样本的VSI-100k数据集。最终，仅20亿参数的vsGRPO-2B模型性能提升12.1%并超越GPT-4o，证明了正确训练方法能够显著释放AI模型的空间理解潜力。

AWS正在为系统架构的彻底改变指路。

容联云发布生成式应用“容犀Copilot”，全国工业和信息化工作会议在京召开，《“数据要素×”三年行动计划（征求意见稿）》发布。

Physics Wallah团队开发的Aryabhata 1.0是专为印度JEE数学考试优化的70亿参数AI模型。通过融合三个不同特长的数学模型，使用25万道精选题目进行训练，并采用创新的强化学习技术，Aryabhata在2025年JEE考试中取得86%-90%的准确率。该模型不仅解题精确，更能提供清晰的教学指导，已开源发布，标志着AI教育应用的重要突破。

盘点2023年规模最大的云故障事件。

蒙特利尔大学研究团队开发出EARL图像编辑系统，通过强化学习训练让AI能够理解自然语言指令并完成复杂图像编辑。该系统采用"教练式"训练方法，AI在智能评价系统指导下持续改进编辑能力，最终在综合测试中以4.80分超越了包括商业系统Omnigen在内的所有对比方法。EARL不仅能处理简单的颜色修改，还能完成空间关系调整、数量变化等复杂任务，代表了人机交互方式的重要变革，有望让图像编辑变得像聊天一样简单。

普渡大学研究团队开发出CLIPSym系统，首次结合视觉和语言信息进行对称检测。该系统通过CLIP模型同时理解图像和文字描述，使用语义感知提示聚合技术和旋转等变解码器，在三个标准数据集上均超越现有方法。研究证实了多模态学习在几何特征识别中的优势，为计算机视觉、建筑设计、工业质检等领域提供了新的技术方案。

这项由哈佛医学院和浙江大学联合开发的3DIS-FLUX技术，成功解决了AI绘画中多物体精确控制的难题。通过将复杂任务分解为布局规划和精细渲染两个阶段，并采用创新的注意力控制机制，该技术实现了比现有方法高出41%的成功率。其免训练的设计让技术能够快速适配新模型，为数字创作领域带来了更可控、更高效的AI绘画解决方案。

谷歌DeepMind团队通过精巧实验发现，GPT-4等大型语言模型具备了类似人类"举一反三"的元学习能力，能仅凭少量示例快速掌握全新任务规律。这项发表于《自然·机器智能》的研究表明，AI正从简单模式匹配向真正智能推理转变，为教育、医疗、商业等领域的个性化AI应用开辟了广阔前景，标志着人工智能发展的重要里程碑。

2018广东云栖大会，我们看到了从技术引入商业的背后逻辑。