「毅力号」火星车搭载的「机智号」火星无人机，在无需人为干预的情况下，灵活实现火星表面的降落、起飞与航行。

中科院联合StepFun公司开发了AI数学翻译系统StepFun-Formalizer，能将自然语言数学问题转换为严格的形式化数学语言。通过创新的四阶段训练方法，该系统在权威测试中达到40.5%准确率，超越所有现有专业和通用AI模型，为自动定理证明和数学教育等应用奠定基础。

华为诺亚方舟实验室推出MMDOCIR，这是首个专门针对长文档多模态信息检索的基准测试系统。该系统能够在平均65页的复杂文档中精确定位信息，不仅理解文字内容，还能解读图表、表格等视觉元素。通过对313份真实文档的测试，研究证明视觉理解方法比传统文本转换方法准确率高出15-25个百分点，为企业知识管理、法律文书检索、医疗文献查阅等领域带来革命性改进。

世界上只有少数几家公司设计使用尖端技术的处理器，制造这些芯片的配备更少。英特尔自己制造芯片，台湾台积电和GlobalFoundries是为其他公司生产芯片的纯代工厂，而三星两者都稍有涉及。

微软研究院提出Chain-of-Model学习范式，将因果关系融入大型语言模型的隐藏状态。这一创新通过"链式表示"将模型参数分为多个子表示链，使模型能够逐层扩展且保持前序能力。研究成果包括CoLM和CoLM-Air两种实现，实验证明它们不仅性能与标准Transformer相当，还提供了高效训练和灵活推理的优势，包括能够渐进扩展模型规模、提供多尺度子模型以及显著加速预填充计算。这一突破为解决大型语言模型训练成本高和部署缺乏灵活性的问题提供了新思路。

香港中大团队开发出ScreenCoder系统，能够直接将网页设计图转换为完整的HTML/CSS代码。该系统采用三个专门AI助手协作的方式：识别专家负责检测界面元素，规划专家构建布局结构，代码生成专家输出最终代码。测试显示布局准确率达75.5%，显著超越现有方法。该技术不仅提高了网页开发效率，还能作为训练数据工厂改进其他AI模型，为设计到代码的自动化转换提供了新的解决方案。

想象一下，你去到一个陌生的国家，那里的人们说着你完全不懂的语言。你会感到无所适从，对吧？在机器人世界中也存在类似的问题。不同种类的机器人就像来自不同国家的人，它们有自己特定的"语言"（动作方式）和"视角"（观察环境的方式）。一个操控机械臂的系统可能完全无法理解如何控制一个移动机器人，就像一个只会说英语的人无法直接理解中文一样。

法国国家科研中心开发的OpenMed NER是一套开源医学文本AI识别系统，能从医学文献中自动提取疾病、药物、基因等关键信息。该系统采用创新的领域自适应预训练和LoRA微调技术，在12个测试数据集中的10个创造了新纪录，特别在临床数据识别方面提升显著。整个训练过程仅需单GPU运行12小时，碳排放不到1.2千克，展现出卓越的效率和环保性。

莫斯科物理技术学院研究发现，大语言模型无需学习词汇语义含义也能实现语言理解。通过使用基于字符视觉形状的冻结嵌入代替传统可训练嵌入，模型在推理测试中表现更佳。研究表明语义理解是Transformer架构的涌现属性，而非来自输入嵌入的语义信息，为AI语言理解机制提供了全新视角。

预算管理是统领企业战略落地的重要手段，预算的数字化管理是提升企业整体数字化转型的重要起点和突破口。

波兰SpeakLeash团队联合多家机构开发了Bielik v3系列AI语言模型，包含1.5B和4.5B参数版本，专门优化波兰语处理能力。该模型采用创新的小参数高效能设计，在多项波兰语基准测试中超越了参数量2-3倍的竞品模型。通过精心的数据筛选、自适应学习率和先进的训练策略，证明了小模型也能在特定语言领域达到卓越性能，为资源受限环境下的高质量AI语言服务提供了新的解决方案。

卡内基梅隆大学研究团队开发的H-Net架构实现了语言模型的重大突破，通过动态分块机制直接处理字节级数据，彻底摆脱传统分词器依赖。该技术不仅在英语任务上超越现有模型，在中文、代码和DNA等场景中更展现出显著优势，为构建更智能通用的AI语言理解系统开辟了全新道路。

2018年伊始，阿里巴巴12位来自不同领域的科学家，对IoT、量子计算、边缘计算、自然语言处理、区块链、自动驾驶等前沿技术将在2018年如何影响世界、影响社会生活做出了自己的预测。

微软研究团队开发了STITCH技术，让AI语音助手首次具备了边说话边思考的能力。该系统巧妙利用语音播放时间进行推理计算，在不增加响应延迟的情况下，将数学推理准确率提升近60%。这项突破模仿了人类自然的认知节奏，为AI交互体验带来质的飞跃，预示着更智能、更自然的人机对话时代即将到来。

来自阿里巴巴Qwen团队和清华大学LeapLab的研究人员通过分析词元熵模式，揭示了大型语言模型推理能力背后的关键机制。研究发现只有约20%的"高熵少数派"词元像思维路径上的"岔路口"，决定着推理方向。惊人的是，仅对这20%的词元应用强化学习，不仅保持了性能，在大模型上甚至超越了传统方法，在Qwen3-32B上提高了AIME测试集11.04分。这一发现超越了经典80/20法则，提供了优化大模型推理能力的全新视角。

斯坦福大学研究团队开发了MedCaseReasoning数据集，这是首个专门评估人工智能与临床医生诊断推理一致性的开源数据库。现有医疗AI评估标准仅检验诊断准确率，忽视了推理过程质量。该数据集包含14,489个诊断问答案例，每个都附有真实临床推理，涵盖800多种医学期刊。研究发现顶尖AI模型在医疗推理方面表现有限，如DeepSeek-R1的诊断准确率仅48%，推理召回率仅64%。

RenderFormer是由浙江大学CAD&CG国家重点实验室和微软亚洲研究院联合开发的革命性神经渲染技术，将于2025年SIGGRAPH会议发表。这项技术首次实现了无需场景特定训练的三角网格全局光照渲染。区别于传统物理模拟渲染，RenderFormer将渲染问题重新定义为序列到序列的转换任务，采用双阶段Transformer架构处理光线传输。其渲染速度比传统方法快数十倍，能呈现包括复杂阴影、多次反射、漫反射间接光照等效果。尽管目前受限于4,096个三角形上限和特定训练数据范围，但已展现出成为渲染领域新范式的潜力。

首尔国立大学研究团队开发出名为Durian的AI技术，能够实现前所未有的肖像动画与属性转移功能。该技术通过双重参考网络架构，仅需两张照片就能生成自然的动态视频，展示人物带着新发型、眼镜或胡须等属性的各种表情动作。与传统方法不同，Durian采用创新的自重建训练策略，无需大量标注数据即可学会属性转移，并支持多属性组合和属性插值等高级功能，在各项性能指标上均超越现有技术。

近日，戴森在全球范围内重磅发布了数款全新产品，它们将结合戴森在自动化、先进软件和智能方面的创新技术，提供戴森卓越清洁体验。

在贝叶斯方法家族当中，马尔可夫链蒙特卡洛方法（Markov chain Monte Carlo methods）显得尤为神秘。