Meta超级智能实验室开发出SAM 3D Body系统，能仅从单张照片重建完整3D人体模型，包括精确的手部和脚部细节。系统采用创新的双解码器架构和可提示机制，基于700万张高质量标注图像训练。在多个基准测试中表现优异，用户偏好研究显示83.8%-100%胜率。技术将广泛应用于游戏开发、电商试衣、健身指导、医疗康复等领域，为人机交互开启新时代。

Meta FAIR实验室研究团队发现推理型AI模型虽然逻辑能力强，但在事实表达上容易产生幻觉。他们创新性地设计了包含准确性、详细性、相关性三维评价的训练体系，通过在线强化学习让AI模型既会深度思考又能准确表达事实。实验显示新方法将事实准确率提升23个百分点，同时增加23%的信息详细度，为构建更可信赖的AI系统提供了切实可行的解决方案。

希伯来大学研究团队开发的Story2Board系统实现了从文字故事到专业故事板的自动转换突破。该系统采用潜在面板锚定和相互注意力数值混合两项核心技术，在保持角色一致性的同时实现丰富的视觉表现力。系统无需训练即可运行，能够生成电影级构图效果的连续画面，为内容创作、教育和娱乐产业提供了强大的AI辅助工具，代表了人机协作创作的新模式。

这项研究引入了DFIR-Metric，首个专门评估大语言模型在数字取证与事件响应领域能力的基准测试集。由阿布扎比技术创新研究院领导的国际团队开发的测试包含三个部分：700道理论多选题、150个CTF风格的实际挑战，以及500个基于NIST标准的磁盘与内存取证案例。研究测试了14种顶尖大语言模型，发现虽然它们在理论知识方面表现良好（最高达92.75%准确率），但在需要多步推理的实际取证任务中仍存显著差距（最佳模型仅能解决28%的任务）。

这项研究通过训练72个不同配置的模型，系统分析了混合线性注意力架构的设计原则。研究发现独立表现最佳的线性注意力机制在混合架构中未必最优，并识别出选择性门控、分层递归和控制性遗忘是成功混合架构的三大关键要素。结果表明，采用3:1到6:1的线性与全注意力比例能够在保持性能的同时将内存使用量减少4-7倍。

清华大学联合多家机构发表突破性研究，提出AI训练数据的五层分级管理框架（L0-L4），从原始数据到精炼知识逐层优化。研究发现高质量数学数据具有"超级食品"效应，不仅提升数学能力还增强跨领域表现。实验证明分层训练比传统方法性能提升1.49个百分点，团队已开源相关工具和数据集供社区使用。

META公司FAIR实验组开发的V-JEPA 2系统通过观看100万小时视频实现了AI的重大突破，首次让机器同时具备理解、预测和规划三项核心能力。该系统在视频理解、行为预测和机器人控制等多个任务上创下新纪录，特别是仅用62小时训练就能零样本控制机械臂，为通用人工智能发展提供了新路径。

AutoIntent是俄罗斯研究团队开发的革命性自动化文本分类工具。它能够自动选择最佳的嵌入模型、分类算法和决策阈值，让普通用户无需专业知识就能构建高效的意图识别系统。在标准测试中，AutoIntent不仅准确率超过现有工具，训练效率也提升一倍以上，特别在多标签分类和超范围检测方面表现突出，为AI技术普及化开辟了新路径。

快手团队提出RLEP方法，通过经验重放让AI像登山者一样重复成功路径，在数学推理任务上实现训练效率和性能双重提升。该方法分为经验收集和重放训练两阶段，在AIME和AMC竞赛中准确率提升1.7-5.2个百分点，训练速度显著加快，为AI推理能力发展开辟新路径。

微软亚洲研究院开发的MSAD系统通过模拟侦探的多重感知能力，实现了突破性的无监督异常检测。该系统融合数值、序列和语义三种感知模式，无需异常样本训练即可精准识别数据异常。在网络安全、金融风控、工业监控等领域测试中表现优异，为智能异常检测技术开辟了新的发展方向。

斯坦福大学Gordon Wetzstein教授团队提出神经辐射场技术，首次让AI具备类似人类的三维空间理解能力。该技术仅需少量不同角度照片即可重建完整三维场景，在图像质量上比传统方法提升20%以上。研究成果应用于自动驾驶、VR/AR、医学影像等领域，标志着AI从二维图像识别向三维空间理解的重大跃进。

自回归图像生成新范式，突破传统局限。

浙江大学联合快手团队开发的ReCamMaster系统能够根据单个视频重新生成不同摄像机角度的视频，保持动作完美同步。该技术采用创新的帧维度条件注入机制，利用虚幻引擎5构建的13.6万视频训练集，在摄像机精度、时间同步和视觉质量等方面显著超越现有方法，可应用于视频稳定化、超分辨率和外绘制等场景。

达姆施塔特工业大学研究团队开发的GoodVibe框架，通过精确识别AI模型中的"安全神经元"并进行针对性训练，让AI编程助手能在无明确安全要求下自动生成更安全的代码。该方法仅需训练模型0.03%的参数，就将安全代码生成率提升2.5倍，同时降低70%训练成本，为AI辅助编程的安全问题提供了创新解决方案。

zip2zip是一项创新技术，通过引入动态自适应词汇表，让大语言模型在推理时能够自动组合常用词组，显著提高处理效率。由EPFL等机构研究团队开发的这一方法，基于LZW压缩算法，允许模型即时创建和使用"超级tokens"，将输入和输出序列长度减少20-60%，大幅提升推理速度。实验表明，现有模型只需10个GPU小时的微调即可适配此框架，在保持基本性能的同时显著降低计算成本和响应时间，特别适用于专业领域和多语言场景。

加州大学伯克利分校提出K-Search方法，通过将大型语言模型改造为"世界模型"来指导GPU内核优化。该方法在FlashInfer等复杂内核上实现平均2.10倍性能提升，最高达14.3倍，并在GPUMODE竞赛中取得最佳成绩。研究展示了AI从简单代码生成向智能推理规划的演进。

港科大研究团队开发的LazyDrag系统创新性地解决了图片拖拽编辑中的核心难题。该系统摒弃传统的隐式匹配方法，采用显式对应地图技术，实现了无需训练的高精度图片编辑。LazyDrag支持文字引导功能，能智能理解用户意图，在准确性和感知质量方面全面超越现有方法，为AI辅助图片编辑开辟了新方向。

Meta AI团队开发的AggLM技术突破了传统AI多数投票的局限，通过强化学习训练模型学会智能聚合多个候选答案。在数学竞赛测试中，该技术将正确率从35%提升至50%，相比传统方法提升45%。AggLM不仅能选择正确答案，还能创造性地组合不同答案中的有用信息，展现了AI向人类专家级推理能力的重要进步。

国立新加坡大学Show Lab团队开发的OmniConsistency是一种基于扩散变换器的通用一致性插件，用于解决图像风格化中的一致性问题。该方法采用两阶段解耦训练策略和滚动LoRA银行机制，实现风格学习与一致性学习的分离，有效保留图像风格化过程中的语义、结构和细节。研究团队构建了包含22种风格的高质量配对数据集，并通过定量与定性评估证明该方法达到了与商业模型GPT-4o相当的性能。OmniConsistency具有即插即用兼容性、强大的风格泛化能力和高计算效率，为图像风格化技术带来了重大突破。

香港科技大学研究团队提出PreSelect方法，通过分析文本对不同AI模型能力的预测能力来筛选高质量训练数据。该方法基于"能够准确反映模型能力差异的文本往往也是最佳训练材料"的核心洞察，仅用轻量级fastText分类器就能实现大规模数据筛选，在多项实验中展现出10倍训练效率提升，为AI模型开发提供了经济高效的解决方案。