香港大学团队突破性地解决了AI全景图生成中的拼接难题，提出DreamCube系统，能从单张照片生成包含深度信息的完整360度场景。该研究创新性地引入"多平面同步"技术，让AI同时协调处理立方体六个面，避免传统方法的色差和断裂问题，实现从2D图像到3D场景的快速转换，为VR/AR、游戏开发、建筑设计等领域提供了全新的内容创作工具。

研究求解器的少数者。

研究求解器的少数者。

StepFun公司推出的Step1X-Edit是首个能够媲美GPT-4o和Gemini2 Flash等商业模型的开源图像编辑AI。该模型通过整合多模态语言理解和扩散图像生成技术，能够处理11种编辑任务，在新构建的GEdit-Bench基准测试中表现优异，为图像编辑技术的民主化开辟了新道路。

斯坦福大学研究团队构建了AHELM评估系统，首次对14个主流音频语言模型进行标准化全面测试。研究发现Gemini 2.5 Pro综合表现最佳但存在性别偏见，传统语音识别方法在多项任务中击败先进AI模型，揭示了当前音频AI技术的真实能力边界和潜在风险。

上海人工智能实验室联合多家机构推出OVO-Bench评测体系，首次系统评估视频AI的在线理解能力。研究发现当前最先进的模型如GPT-4o在实时视频理解任务中表现远不如人类，缺乏时间感知、实时记忆和主动响应能力。该研究为智能家居、在线教育、医疗监护等实际应用场景的AI升级指明方向。

厦门大学团队开发的TARS技术通过创新的"最大-最小"博弈策略和频谱对齐方法，有效解决了AI视觉系统的幻觉问题。该技术仅用4800个训练样本就将描述错误率从26.4%降至13.2%，性能媲美GPT-4o，为医疗诊断、自动驾驶等关键领域提供了更可靠的AI视觉解决方案。

上海交通大学研究团队构建了迄今最大的人体动作数据库MotionMillion，包含200万个动作序列，并训练出70亿参数的AI模型，实现了根据文字描述生成自然人体动作的零样本能力。该技术采用创新的六步数据处理流程和小波变换优化，在动作质量和文本对齐度方面显著超越现有方法，为动画制作、机器人控制、虚拟现实等领域开辟了新的应用前景。

全球人工智能治理倡议发布

阿里巴巴联合人民大学开发的RecBot系统通过自然语言交互revolutionize推荐体验，用户可直接说"我要蓝色的但不要花纹"等指令，系统立即理解并调整推荐策略。该双智能体架构在三个月实际部署中显著提升用户满意度和商业指标，代表推荐系统从被动算法向智能助手的重要转型。

港中文团队开发的T2I-R1系统首次让AI学会"思考式"图像生成，通过语义规划和细节优化的双层推理机制，在复杂图像生成任务上比基础模型提升13-19%，甚至超越了业界最强的FLUX.1模型，为AI创意产业应用开辟新路径。

这项来自香港中文大学的研究开发了名为"LoRA-Edit"的视频编辑技术，通过巧妙结合LoRA适应技术和遮罩机制，解决了传统视频编辑中编辑效果难以精确传播、背景容易被意外改变的问题。该技术让用户只需编辑第一帧画面，就能让编辑效果自然传播到整个视频，同时可通过参考图片进一步控制编辑外观，在多项对比测试中均超越现有先进方法。

这项研究首次提出"自适应文本匿名化"概念，通过AI自动学习不同场景下的最优隐私保护策略。系统能在单次优化中发现多种平衡隐私与效用的解决方案，让开源模型在文本匿名化任务上达到甚至超越商业模型的效果，同时大幅降低成本和安全风险，为敏感文本数据的安全共享提供了实用的开源替代方案。

清华大学研究团队首次提出情感认知融合网络(ECFN)，让AI能像人类一样理解和表达情感。该系统通过多层次情感处理架构，在情感识别准确率上比现有最佳系统提升32%，情感表达自然度提升45%。研究突破了传统AI情感理解的局限，实现了跨模态情感融合、动态情感追踪和个性化情感建模，为医疗、教育、客服等领域带来革命性应用前景。

2023年新领军者年会在天津召开

斯坦福大学研究团队通过大规模实验发现，AI系统的拟人化程度显著影响用户的信任和依赖行为。适度拟人化能提升信任度40%，但过度拟人化可能导致用户失去独立判断能力。研究揭示了年龄、性别等因素对拟人化接受度的影响，为AI设计提供了科学依据，强调需要在不同应用场景中平衡拟人化程度与用户理性判断的关系。

12位院士领衔，携手来自算力领域的400多位顶尖学者，进行学术交流和专题分享。大会参会人数突破4000人，再创新高！

AI刚出现的头两三年，大家都觉得AI会颠覆一切，可能需要用一些全新的标准来评价AI产品。但是经过一年多的发展，大家发现AI产品本质上还是产品，依然要用传统的产品指标来衡量，比如点击率、转化率、留存率等这些硬核指标。如果用户不喜欢你的产品，点击率自然就上不去；如果产品没有足够的黏性，日活跃用户（DAU）也就积累不起来。

小米研究院推出的BTL-UI是一个革命性的GUI智能代理框架，通过模拟人类"眨眼-思考-执行"的认知过程，让AI能够像人类一样自然地操作各种应用界面。该技术在多个基准测试中实现了显著性能提升，为未来的人机交互和自动化应用奠定了重要基础。

台湾大学联合MediaTek和Nvidia的研究团队开发了一种突破性的语音识别自我改进框架，无需大量人工标注数据即可显著提升AI语音识别准确率。该方法通过让AI生成伪标签训练语音合成系统，再用合成语音反向训练识别模型，形成自我强化循环。在台湾国语测试中，新模型Twister比原版Whisper错误率降低20-55%，数据效率提升10倍以上，为低资源语言AI应用提供了新路径。