这项研究介绍了EgoZero，一种创新的机器人学习系统，能够仅通过Project Aria智能眼镜捕获的人类示范数据，训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法，使用点集来统一人类和机器人数据，并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下，EgoZero在7种真实世界操作任务上实现了70%的成功率，展示了强大的泛化能力，为解决机器人学习中的数据瓶颈问题提供了新思路。

布尔诺理工大学研究团队开发了DiCoW和DiariZen两个系统，用于解决多人对话中的语音识别难题。该系统巧妙结合说话人分离与语音识别技术，在国际挑战赛中获得第二名，能处理15种语言的对话场景。研究发现系统具备良好的跨语言泛化能力，即使主要用英语训练也能处理其他语言。团队已开源相关模型，为会议记录、多语言交流等实际应用提供了强大工具。

NVIDIA研究团队开发了OCR-2系统，让AI能够像程序员一样对自己编写的代码进行"自我批评"和改进。他们构建了包含250万个编程问题-解决方案-批评组合的史上最大代码推理数据集，采用两阶段训练方法，让AI既能写代码又能评价代码质量。该系统通过生成多个解决方案并自我筛选，显著提升了代码生成准确率。

5月26日，“向星力·未来数据技术峰会（FDTC）”在上海成功举办。

在十几年的发展历程中，艺赛旗以一个行业老兵的姿态，穿越了一个又一个的数字化风浪，在技术、产品、商业模式、生态上构建出全面的竞争壁垒，由此也成为中国RPA赛道当之无愧的领头羊。

5月26日，“向星力·未来数据技术峰会（FDTC）”在上海成功举办。为了实现数量处理的智能化、多模态、平民化，星环科技推出众多创新产品。

Skywork AI推出Matrix-Game，这是首个能根据键盘鼠标操作实时生成交互式游戏世界的AI模型。该系统使用2700小时《我的世界》视频训练，拥有170亿参数，能精确响应用户指令生成符合物理规律的游戏场景。研究团队还开发了GameWorld Score评测标准，验证了Matrix-Game在控制精度和视觉质量方面显著超越现有模型，为AI辅助游戏开发和虚拟世界创建开辟了新方向。

这项研究提出了HoPE（混合位置编码），一种针对视觉语言模型的新型位置编码技术，专门解决长视频理解的挑战。传统位置编码技术在处理长视频时表现不佳，HoPE通过两个创新解决了这一问题：混合频率分配策略（为空间信息分配高频，时间维度使用零频率）和动态时间缩放机制（根据视频速度灵活调整时间编码）。实验证明，HoPE在长视频理解和检索任务上分别提升了8.35%和22.23%，为AI更准确理解长视频内容开辟了新途径。

麦吉尔大学研究团队开发了DrafterBench，这是首个专门评估AI在工程技术图纸修改能力的测试平台。通过对1920个真实工程任务的测试，研究发现即使最先进的AI模型也只能达到80%的准确率，在处理复杂多步骤操作时表现不佳。该研究为工程领域的AI应用提供了重要的评估标准和发展方向。

本文介绍了英特尔(R)至强(R)处理器在AI推理领域的优势，如何使用一键部署的镜像进行纯CPU环境下基于AMX加速后的DeepSeek-R1 7B蒸馏模型推理，以及纯CPU环境下部署DeepSeek-R1 671B满血版模型实践。

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。

9月19日，以“Hello 5G 赋能未来”为主题的第十一届天翼智能生态博览会在广州盛大开幕。在第十一届天翼智能生态产业高峰论坛上，Qualcomm中国区董事长孟樸发表题为《5G赋能 共建未来》的主题演讲...

AWS正在为系统架构的彻底改变指路。

Google发布能力最强AI多模态大模型Gemini；深圳发布算力基础设施支持政策；人工智能计算力报告发布。

Cohere实验室提出了"Treasure Hunt"训练方法，通过在训练阶段为大语言模型添加90个详细标记（涵盖质量、长度、语言、任务类型等），创建了一套智能导航系统。该方法特别针对模型在低频"长尾任务"上的表现不佳问题，通过标记丢弃策略让模型学会自主推断。实验显示整体性能提升5.7%，长尾任务提升9.1%，代码修复任务提升14.1%，同时将长度控制违规率从36.58%降至1.25%。

台上一分钟，台下十年功。在镜头拍不到的地方下功夫，是演员的自我修养，在玩家看不到的地方下功夫，是游戏制作人的专业素质。人可执棋，却也为子，这就是老于的写意人生。

刷新行业性能天花板，小米“人车家全生态”五大核心技术，小米 SU7新车亮相。

这篇研究探讨了大语言模型知识蒸馏过程中教师模型选择的重要性。北科a-m-team团队从三个顶级模型（AM-Thinking-v1、Qwen3-235B-A22B和DeepSeek-R1）收集了189万个问题的推理答案，分析发现AM-Thinking-v1生成的数据表现出更多样的令牌长度分布和更低的困惑度。使用这些数据训练的学生模型在AIME2024（84.3分）、AIME2025（72.2分）、MATH500（98.4分）和LiveCodeBench（65.9分）等基准测试中，AM蒸馏模型始终表现最佳，并展现出根据任务难度动态调整输出长度的能力。

由阿里巴巴钱文团队与浙江大学合作的研究提出了"并联缩放"(ParScale)方法，一种全新的大语言模型能力提升策略。不同于增加参数或延长推理时间的传统方法，ParScale通过多路并行计算来提升模型性能：它使模型同时从多个角度处理同一输入，再智能整合结果。研究表明，P倍并行计算相当于增加O(log P)倍参数，但内存和延迟开销显著降低。对于1.6B参数模型，8路并行可节省22倍内存增长和6倍延迟增长。更重要的是，此方法可应用于现有模型，通过少量数据的后训练即可实现性能提升，为资源受限场景下部署强大AI提供新思路。

2018广东云栖大会，我们看到了从技术引入商业的背后逻辑。