苹果公司研究团队开发了AXLearn，一个模块化的大型AI模型训练系统。该系统采用严格的组件封装设计，能在GPU、TPU、Trainium等异构硬件上运行，将添加新功能的代码量从数百行减少到10行，实现了常数级的复杂度增长。研究团队创造了"代码行复杂度"指标来量化模块化优势，并通过大规模实验证明了系统的高性能和扩展性。

这项由浙江大学等多家机构联合完成的大规模调研首次系统性梳理了操作系统智能体这一前沿领域，全面分析了基于多模态大语言模型的AI助手如何像人类一样操作电脑手机。研究涵盖了技术架构、训练方法、评估体系和发展挑战，为实现类似贾维斯的智能数字助手提供了完整的技术路线图。

清华大学和智谱AI联合发布GLM-4.5系列模型，这是首个在推理、编程和智能代理三大核心领域同时达到顶尖水平的开源AI模型。GLM-4.5拥有355B参数但仅激活32B，创新的混合推理模式能根据任务复杂度自动选择思考深度。该模型在12项基准测试中排名第三，智能代理任务排名第二，已完全开源供研究使用。

麻省理工学院、BITS Pilani大学和达特茅斯学院的联合研究发现，当前最先进的视觉语言模型在做决策时会被图片的视觉呈现方式显著影响，即使比较对象本质相同。研究通过大规模实验证实，仅改变背景、光照等视觉因素就能让AI选择概率变化20%-40%，并开发出三种系统性操控这些偏好的方法。

微软亚洲研究院发布HeurAgenix框架，首次实现让大型语言模型自动进化和选择算法来解决组合优化难题。该系统通过对比学习机制让AI自主发现改进策略，并开发轻量级选择模型在保持性能的同时大幅降低成本。在五大经典问题测试中表现卓越，为传统需要专家手工设计的优化问题提供了自动化解决方案。

伊利诺伊大学团队开发出ROS-Cam系统，仅需普通RGB视频即可精确重建动态三维场景，无需激光雷达等额外传感器。该技术通过补丁式追踪过滤器、异常值感知优化和两阶段策略，在多个数据集上超越现有方法，处理速度提升2-12倍。这项突破有望让普通用户轻松创建专业级三维内容，在电商、教育、文化保护等领域具有广阔应用前景。

这项研究提出了SWE-Flow框架，通过测试驱动开发方法自动生成AI编程训练数据。研究团队从真实GitHub项目中构建运行时依赖关系图，将复杂开发任务分解为循序渐进的步骤，生成了16061个训练实例。实验表明，使用该数据训练的AI模型在软件开发任务上表现显著提升，为AI编程能力提升提供了新思路。

阿里巴巴团队发布了GUI-Owl智能助手，这是一个能够像人类一样操作电脑和手机界面的AI系统。该系统通过自进化数据生产、多样化能力构建和强化学习训练，在多项测试中超越现有模型，配合Mobile-Agent-v3多智能体框架可达到73.3%的任务成功率，为GUI自动化领域带来重大突破。

上海交通大学团队构建了SWE-QA仓库级代码问答基准测试，包含576个高质量问答对，评估AI理解整个代码库而非片段的能力。研究开发了SWE-QA-Agent智能代理系统，通过迭代推理和多工具协作回答复杂代码问题。实验显示Claude 3.7 Sonnet表现最佳，AI在概念性问题上表现良好但在需要深度推理的定位问题上仍有挑战。

UCLA等六大机构联合发表的这项研究系统性解决了AI训练中的稳定性问题。通过开发ARLArena框架和SAMPO方法，研究团队不仅找到了训练崩溃的根本原因，还提出了有效的解决方案。实验显示新方法在多个复杂任务上都显著提升了AI的表现和训练稳定性，为AI技术的实际应用提供了重要保障。

Adobe研究院联合UCLA开发的Lavida-O系统，首次在单一AI模型中实现图像理解、生成、编辑的完美统一。采用创新的掩码扩散技术，该系统不仅生成速度比传统方法快6.8倍，还具备规划和反思能力，能像真正的艺术家一样思考和创作，在多项权威测试中超越现有最佳模型。

AI不仅在重新定义汽车，还在定义汽车整个上下游。

Jim Whitehurst于IBM Think Digital 大会上的主题演讲全文。

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。

滑铁卢大学研究团队开发了VerlTool框架，突破了AI模型无法使用外部工具的限制。该框架通过异步执行和模块化设计，让AI智能体能在多轮交互中学会使用各种工具，实现了从"孤立思考"到"协作解决问题"的重大转变，在六个领域的测试中都展现了卓越性能，为AI发展开启了新的可能性。

来自35位参与AI项目的高层管理人员的观点，他们一直密切关注AI领域的发展动向，并承诺构建起少炒作、高实用度、更准确且针对性更强的AI方案。

康考迪亚大学研究团队开发的MedCLIPSeg系统是首个能够"承认不确定性"的医疗图像分析AI。该系统通过概率建模和双向图文理解，不仅能准确识别医学影像中的病变，还能可靠评估自己判断的确信程度，在16个数据集上展现出优异的跨医院适应能力，为医疗AI的安全可信应用开辟了新道路。

天工AI推出的SkyReels-A2视频生成系统实现了重大突破，能够将多张不相关照片智能组合成高质量视频。该技术采用双分支架构处理语义和空间信息，通过200万训练样本学习元素组合规律。在与商业模型的对比中表现出色，特别是在物体一致性和视觉质量方面领先。该系统已开源，为创意产业、教育培训、虚拟电商等领域带来革命性应用前景。

卡内基梅隆大学等机构研究团队开发了名为Morae的智能界面助手，专门解决盲人用户在使用AI自动化工具时失去选择权的问题。通过"动态模糊选择验证"机制，Morae能在关键决策点主动暂停询问用户偏好，而非自动替用户选择。用户研究显示，相比传统AI助手，Morae帮助用户做出了更多符合个人偏好的选择，显著提升了用户满意度和控制感。

这项由滑铁卢大学领导的突破性研究发现，当前最先进的AI模型虽然在语言和图像理解方面表现出色，但在理解基本物理定律方面存在严重缺陷。研究团队开发了VisPhyWorld测试框架，要求AI编写可执行的物理模拟程序，而非简单选择答案，从而揭示了AI更多依赖模式匹配而非真正的物理理解。测试结果显示即使最优秀的模型也经常产生物理上不合理的模拟结果。