InfantAgent-Next是一款突破性的多模态通用型AI助手，能通过文本、图像、音频和视频与计算机进行交互。不同于现有方法，它采用高度模块化架构，将基于工具和纯视觉的代理技术融为一体，让不同模型能逐步协作解决分散任务。在OSWorld视觉测试中达到7.27%的准确率，超越Claude-Computer-Use；同时在代码处理基准SWE-Bench和通用任务平台GAIA上也表现出色。其开源设计不仅提供了丰富工具集，还优化了鼠标点击定位和文件编辑功能，为AI自动操作计算机开创了新范式。

颠覆式创新还是学术诈骗？韩科院联名谷歌发布新模型架构MoR

Hugging Face团队发布SmolLM2语言模型研究报告，详细阐述了17亿参数小型模型的创新训练方法。该研究通过多阶段精细化训练策略和三个全新数据集(FineMath、Stack-Edu、SmolTalk)的创建，证明了小模型在数据质量优化下可达到优异性能。模型在多项基准测试中超越同规模竞品，为人工智能技术的普及化和可持续发展提供了新的技术路径。

中国科大联合HiDream.ai推出的VAREdit是首个基于视觉自回归模型的图像编辑系统，通过多尺度预测和尺度对齐参考模块，实现了比传统扩散模型更精准快速的编辑效果。在标准测试中，VAREdit的编辑质量比最强竞争对手提升30%以上，处理速度快2.2倍，能在1.2秒内完成高质量图像编辑，为AI图像处理领域开辟了全新的技术路径。

马里兰大学团队开发了名为Huginn的新型AI架构，通过让3.5B参数的小模型学会"深度思考"，在推理任务上达到了50B参数大模型的性能水平。该模型采用循环深度设计，可根据问题复杂度进行1-64轮思考，在数学推理和编程任务中表现出色。这项突破证明了通过优化思考过程而非单纯增加参数规模来提升AI能力的可行性，为更高效、经济的AI发展开辟了新路径。

这是一份由大量区块链术语组成的词汇表，你可以借此将各类理念与定义串联起来，从而更充分地参与到区块链讨论当中。这份词汇表包含Flipside Crypto发布的关于区块链与加密货币的内容。

操作系统的英文简称是OS，Operating System，在超越单一终端、超越单一操控的理念下，而下一代操作的设计哲学将可能被定义为ODS，On Demand System（按需系统），并最终向进化至 “所想即所得”做出准备。

这项由华盛顿大学和微软联合开发的OMNIGUARD研究，提出了一种高效的AI安全检测方法，能够跨越语言和模态（文本、图像、音频）识别有害内容。该方法通过发现大型语言模型内部的通用表示，构建轻量级分类器，比现有方法准确率高出11.57%-20.44%，同时速度提升约120倍。OMNIGUARD在73种语言和多种模态攻击测试中表现出色，展示了极高的数据效率和适应性，为AI系统安全防护提供了重要突破。

斯坦福大学研究团队创建了全球首个创意写作评估基准LitBench，通过分析Reddit写作社区的4万多对故事比较数据，训练AI模型判断创意写作质量。研究发现专门训练的小型奖励模型（78%准确率）能超越大型语言模型评委（73%），但添加推理链反而降低了表现，揭示了创意评判需要直觉性判断的特点。

DeepGlint等机构联合发布RICE方法，通过区域感知聚类判别技术显著提升AI的图像细节理解能力。该方法构建了包含20亿区域的大规模数据集，设计了统一的物体识别和文字识别学习框架，在多项任务上超越现有主流模型，特别是在OCR和精细视觉理解方面表现突出，为多模态AI应用提供了更强大的视觉基础。

英特尔自2019年以来就与阿里巴巴 PAI团队紧密合作，将英特尔人工智能（Artificial Intelligence，AI）技术应用到DeepRec中，针对算子、子图、runtime、框架层和模型等多个层面进行优化，以充分发挥英特尔软硬件优势，助力阿里巴巴加速内外部AI业务性能。

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。

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。

这项由俄罗斯AIRI实验室主导的突破性研究发现，AI模型的单个记忆向量能够完美压缩和复原多达1568个文本片段，压缩比达到1500倍。研究测试了14个不同模型，揭示了AI系统巨大的未开发记忆潜力，但当前利用率仅30%。这一发现不仅挑战了对AI记忆机制的传统认知，更为未来更高效的AI系统设计开辟了新方向，有望让AI助手拥有更强的长期记忆和信息处理能力。

Prot2Token是密苏里大学研究团队开发的一种突破性蛋白质建模框架，它通过将各种蛋白质预测任务转化为统一的下一个标记预测问题，解决了传统方法需要为不同任务开发专门模型的限制。这个框架以自回归解码器为核心，配合预训练蛋白质编码器和任务标记引导，实现了从蛋白质序列到结构、功能和相互作用的多样化预测。实验证明其性能媲美甚至超越专门方法，并在结构预测上比AlphaFold2快1000倍。Prot2Token通过多任务学习促进了不同预测任务间的协同效应，为蛋白质研究提供了高效、通用的计算范式。

西安交通大学等机构研究团队提出MUR方法，通过"动量不确定性"概念让AI推理系统学会轻重缓急，在节省50%以上计算资源的同时提升0.62-3.37%的准确率。该方法从物理学动量概念获得灵感，能够识别关键推理步骤并选择性地分配计算资源，解决了AI推理中的"过度思考"问题，为提高AI系统效率开辟了新路径。

香港科技大学团队开发了名为CoPart的革命性3D生成技术，它模仿人类设计师的工作方式，将复杂3D物体分解为多个部件分别生成再组装。该技术采用双重编码策略和相互指导机制，确保各部件既精细独立又协调统一。研究团队还构建了包含91000个部件的大规模数据集PartVerse。实验显示CoPart在生成质量上显著优于传统方法，并支持部件编辑、关节物体生成等多种应用，为3D内容创作开辟了新方向。

推理模型存在崩溃缺陷？Open Philanthropy研究人员提出AI推理能力评估的改进方法

约翰霍普金斯大学团队提出R2-T2方法，通过测试时动态调整专家权重让多模态AI更智能。该技术无需重训练就能让7B小模型性能超越34B大模型，在视觉问答等9个基准测试中取得显著提升。核心思路是让AI在遇到新任务时自动寻找相似成功案例并模仿其专家选择策略。