本研究由斯坦福大学等顶尖学府联合提出SkillBlender方法，让人形机器人像人类学习技能一样先掌握基础技能，再智能混合应对复杂任务。通过预训练行走、伸手、蹲起、踏步四种原始技能，系统能以最少的奖励设计完成复杂全身协调任务。新建的SkillBench测试平台包含三种机器人、八项任务，并创新性地评估动作准确性和自然度。

UCLA团队首创"具身网络智能体"概念，开发出能同时在现实世界和网络世界中操作的新型AI系统。通过1500多个跨域任务测试发现，当前最先进AI模型在此类任务中表现远逊于人类，主要问题在于跨域协调困难。该研究为AI发展指明了"统一智能"新方向，虽然技术尚不成熟，但为未来智能助手、智慧医疗、教育等应用奠定了基础。

蚂蚁集团研究团队推出Agentar-Fin-R1金融专用AI模型，首次实现了金融专业知识与强推理能力的完美结合。该模型在保持通用推理能力的同时，在金融专业任务上取得突破性表现，并通过创新的三重保险体系确保高风险金融场景下的可靠性和合规性，为金融AI的专业化发展开辟了全新路径。

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。

MIT等顶尖院校研究团队发现AI处理长文本时存在"记忆过载"问题，提出OPRM溢出预防方法，通过"分而治之"策略让AI学会聪明遗忘，性能提升14%-51%。该方法类似智能图书管理员，先快速浏览所有相关内容，再专注分析最相关部分，避免了传统方法的记忆溢出困境，为实现更高效的长文本AI应用开辟新路径。

哈尔滨工业大学团队开发的Optimus-3是首个在Minecraft环境中具备完整认知能力的AI系统，能够同时处理感知、规划、行动、定位和反思五大任务。该系统采用专家混合架构和任务级路由机制，有效解决了多任务学习中的干扰问题，并通过多模态推理增强强化学习显著提升了视觉相关任务的表现。实验结果显示，Optimus-3在各项任务上均超越了现有最先进系统，为通用人工智能的发展提供了重要技术路径。

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。

复旦大学联合上海人工智能实验室发布的UnifiedReward是全球首个统一多模态奖励模型，能够同时评价图片和视频的生成与理解任务。该模型通过跨任务协同学习，在各项评测中都显著超越了专门的单任务模型，在图片理解任务上准确率提升近20个百分点。这项技术为AI评价体系带来革命性突破，将大大降低AI系统开发成本，提升各种视觉AI产品的整体质量。

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。

加州大学圣克鲁兹分校研究团队创建了包含150万高质量样本的GPT-IMAGE-EDIT-1.5M图像编辑数据集，通过利用GPT-4o优化现有数据质量，使开源AI模型在多项测试中达到接近GPT-4o的性能水平，在GEdit-EN测试中获得7.24分的突破性成绩，显著缩小了开源与商业模型的差距，为AI图像编辑技术的民主化奠定了基础。

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。

作为中美连续创业者，赵维奇的创业之路非常宽泛，做过社交软件、做过游戏、做过面向极限运动的AR产品等。而现在，赵维奇作为Rokid全球开发者生态负责人，也参与负责Rokid多款软硬件产品设计与研发。他回忆说，最早加入Rokid是在实验室，开发Rokid第一代AR眼镜，相当于是一个小组在做内部创业的过程。

快手推出的Keye-VL是一个专门为短视频理解而设计的80亿参数AI模型，在视频内容理解、数学推理和多模态任务方面达到同类模型中的最高水平。该模型采用独创的五模式推理系统和四阶段训练策略，能自动判断任务难度并选择合适的思考方式，在快手自建的KC-MMBench短视频基准测试中大幅领先其他模型。

IBM Services 高级副总裁 Mark Foster 于IBM Think Digital 大会上的主题演讲全文。

谷歌DeepMind发布AlphaEvolve：会自己编程进化的AI智能体，破解56年未解数学难题

经专家团队调研、企业申报、编辑推荐和评审组评定，中国工业报2020“智造基石”优选榜近日正式揭晓。

微软研究院开发的rStar2-Agent是一个仅140亿参数的AI数学推理模型，通过创新的智能体强化学习方法，在AIME24数学竞赛中达到80.6%准确率，超越了6710亿参数的DeepSeek-R1等大型模型。该模型的核心创新包括GRPO-RoC算法、分布式代码执行环境和渐进式训练策略，仅用510个训练步骤和一周时间就达到顶级性能，展示了"小模型大能力"的技术路径，为AI发展提供了高效替代方案。

ByteDance Seed团队发布的BAGEL是一个突破性开源基础模型，采用混合变换器专家架构，能同时执行多模态理解和生成任务。研究显示，随着训练数据和模型规模增加，BAGEL展现"涌现能力"—从基础理解和生成，到复杂编辑和自由形式视觉操作，再到长上下文推理，呈现能力阶梯式提升。模型在标准基准测试中超越现有开源统一模型，并显示出强大的世界建模能力，如世界导航和视频生成。研究团队开源了代码和模型检查点，为多模态AI研究开辟新方向。