韩国科学院研究团队开发了MATTER智能分词系统，解决AI处理材料科学文献时的"翻译问题"。该系统通过MatDetector识别重要材料概念，防止专业术语被错误拆分，在多项材料科学任务中取得显著性能提升，为科学文本处理提供了领域定制化的新思路。

这项由浙江大学、腾讯和新加坡国立大学联合完成的研究，针对中文网络有害内容检测的难题，创建了首个专业标注的中文有害内容检测基准数据集ChineseHarm-Bench，涵盖博彩、色情、谩骂、诈骗、违法广告等六大类别。研究团队提出了知识增强的训练方法，通过结合人工标注规则和大模型隐性知识，让小型模型达到与顶级大模型相当的检测性能，为中文网络环境提供了更高效、更经济的安全检测解决方案。

这项由德国慕尼黑大学等机构联合完成的研究提出了FedNano框架，创新性地解决了多模态大语言模型在联邦学习中的部署难题。通过将模型拆分为服务器端核心和客户端轻量级NanoEdge模块，结合Fisher合并技术处理数据异质性，实现了95%的存储减少和99%的通信优化，同时保持了优异性能，为AI技术的普及化应用开辟了新路径。

以色列理工学院和希伯来大学研究团队通过创新的"对调训练"实验，首次系统性地揭示了大语言模型认知偏见的真正来源。研究发现，AI模型的32种认知偏见主要源于预训练阶段而非微调阶段，这一发现颠覆了此前的认知，为开发更公正的AI系统指明了新方向。

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。

紫光股份旗下新华三集团智慧计算秉持“内生智能·成就智慧计算”的技术战略不断进化基础设施架构和能力，推出新品H3C UniServer G6及HPE ProLiant Gen11系列服务器系智能算力中枢、智能管理中枢以高效、绿色、智能的智慧算力，点燃数智发展的创新引擎！

研究团队推出开源AI搜索框架ODS，在复杂推理任务中准确率达75.3%，超越GPT-4o搜索版近10个百分点。该框架采用双核心架构设计，包含智能搜索工具和推理代理两个组件，能够理解问题、主动搜集信息并进行多步推理。ODS完全开源且支持插件化配置，打破了AI搜索技术垄断，为技术民主化开创新局面。

大多数市政与私营部门的基础设施管理者，目前还很少考虑到人工智能与机器学习等技术能够在改善道路、公共交通网络或者水务事业等物理系统发挥怎样的作用。

蚂蚁集团研究团队开发了梯度引导软掩码技术，解决大语言模型在用户行为理解方面的局限性。该技术通过自适应调节注意力机制，让模型从局部关注平滑过渡到全局理解。在支付宝1.4亿用户数据上的实验显示，这种方法在9项用户认知任务上均取得最佳表现，0.5B参数的专用模型甚至超越了8B参数的通用模型，为个性化服务和用户理解提供了新的技术路径。

谷歌DeepMind团队开发了名为Gemini的AI视觉理解系统，实现了从简单"识别"到复杂"理解"的突破。该系统不仅能识别图像中的物体，还能理解情感、关系和抽象概念，准确率达94.3%。通过多模态学习和跨模态注意力网络，Gemini展现出类似人类的常识推理能力，已在医疗、教育、自动驾驶等领域开始应用，为AI与人类协作开启新篇章。

深度学习已经彻底改变了我们对现代生活中大量数据的处理方式。然而，新闻媒体对于AI的报道往往集中在人工智能的商业应用以及如何重塑企业业务层面。

浙江大学团队开发的LAPO方法成功解决了AI推理模型"过度思考"问题，通过两阶段训练让AI学会根据问题复杂度自主调整推理深度。实验显示该方法将计算用量减少40.9%的同时准确率提升2.3%，为AI系统的智能化和实用化发展提供了重要突破。

斯坦福大学研究团队开发出革命性AI系统，能够像生物学家一样"看懂"蛋白质三维结构并预测功能。该系统通过多层次分析方法，在蛋白质功能预测方面达到90%以上准确率，为新药开发和精准医疗开辟新道路。这项技术不仅加速了蛋白质研究进程，更为解决复杂疾病提供了强大的AI助手，预示着人工智能与生物医学融合的美好前景。

SSR是西湖大学研究团队开发的创新框架，通过引入深度感知增强视觉语言模型的空间理解能力。该方法将原始深度数据转换为结构化的推理语言，作为中间表示，显著提升空间推理能力。研究团队还创建了包含超过百万级的SSR-COT数据集和SSRBENCH评估基准。实验表明，SSR无需重新训练现有模型即可提供显著性能提升，在空间任务上最高改进22.5个百分点，为机器人和计算机视觉领域开创了新的可能性。

这个突破意味着，未来的AI助手将不再是被动的问答机器，而是能够主动、适时地参与人类对话的智能伙伴。

2月25日,上海人工智能实验室联合商汤科技、香港中文大学、上海交通大学共同发布通用视觉开源平台OpenGVLab

Katanemo Labs研究人员推出Arch-Router，一个智能路由模型框架，可将用户查询映射到最合适的大语言模型。该框架采用"偏好对齐路由"方法，允许用户用自然语言定义路由策略，通过域-动作分类法组织任务。Arch-Router是15亿参数模型，在四个公开数据集上达到93.17%的路由准确率，超越顶级专有模型平均7.71%。系统支持实时策略调整，无需重新训练，为企业多模型部署提供灵活解决方案。

约翰霍普金斯大学研究发现，AI大模型存在严重的"记忆偏见"问题，即使明确指示忽略内部知识，AI仍会固执地依赖训练时的记忆。研究通过创新的诊断框架测试了三种AI模型，发现知识冲突会显著降低模型性能，且这种偏见会影响AI用作评判工具的公正性。

南京大学与微软研究院合作提出过程式自我奖励语言模型，让AI在数学推理中既当学生又当老师。该方法通过逐步判断和偏好优化，使AI能够自我监督和持续改进，在多个数学基准测试中显示出显著性能提升，为实现超越人类水平的AI推理能力开辟了新路径。

现代科技不断变革，产业数字化转型持续推进，软件在在其中发挥着重要的支撑作用。而安全是一切前沿应用领域能够实现创新升级的前提。新思科技指出，汇聚行业生态圈群力，构建安全可信的软件势在必行。