上周英特尔举办了一场引人注目的“架构日”活动，公布了未来多年的产品技术路线图、技术战略规划以及一系列新技术。

阿里巴巴推出的Ovis2.5是一个革命性的多模态AI模型，具备原生分辨率图像处理和深度推理能力。它采用五阶段训练体系，在OpenCompass评测中创造了开源模型新纪录。其突破性的思考模式让AI能够进行类人推理和自我纠错，在数学推理、图表分析、文字识别等方面表现卓越，为教育、医疗、商业等领域提供了强大的AI助手解决方案。

中国香港中文大学深圳分校研究团队开发了TaDiCodec语音编解码技术，实现了极低6.25Hz帧率和0.0875kbps比特率的高效语音压缩。该技术通过文本感知扩散解码器和端到端训练，在保持优异语音质量的同时显著提升压缩效率，在零样本语音合成中达到2.28%英语和1.19%中文词错误率，为AI语音系统提供了革命性的解决方案。

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%。

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。

上海AI实验室等机构联合开发的Dita机器人学习模型实现重大突破，仅需10个示例就能让机器人掌握复杂任务。该模型创新性地结合扩散模型与Transformer架构，让机器人具备类似人类的环境观察和任务理解能力，在多个基准测试中表现优异，并成功完成包括倾倒液体、多步骤操作等高难度真实世界任务，为通用机器人智能发展开辟新路径。

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。

VidText是一个全新的视频文本理解基准，解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容，提出三层评估框架（视频级、片段级、实例级），并配对感知与推理任务。对18个先进多模态模型的测试显示，即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分，远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响，为未来视频文本理解研究提供了方向。

苏黎世联邦理工学院研究团队开发出首个多摄像头3D点追踪系统MVTracker，只需4个摄像头即可在三维空间中精确追踪任意点的运动轨迹，追踪精度达2-3厘米。该系统通过创新的点云融合技术和变换器架构，能处理复杂遮挡场景并适应不同质量的深度信息，实现了7.2帧每秒的准实时处理速度，为机器人技术、增强现实等领域带来重要突破。

这项由以色列理工学院等机构完成的研究提出了SingLoRA方法，用单一矩阵替代传统LoRA的双矩阵设计，解决了AI模型微调中的稳定性问题。该方法在保持性能的同时将参数量减少一半，在语言理解和图像生成任务中都表现出色，为大模型的高效适应提供了新的解决思路。

CoIn是马里兰大学研究团队开发的创新框架，旨在解决大型语言模型商业API不透明计费问题。这些API隐藏推理过程只显示最终答案，却仍对所有"看不见"的令牌收费。CoIn通过令牌数量验证和语义有效性验证两大组件，使用户能够审计隐藏令牌而不暴露专有内容。实验表明，即使面对复杂攻击，CoIn的检测成功率高达94.7%，为商业AI服务提供了前所未有的计费透明度。

这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架，通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同，REAL采用强化学习将代码安全性和可维护性作为奖励信号，不依赖人工标注或特定规则。研究在多个数据集上的实验表明，REAL在保证功能正确性的同时显著提高了代码质量，有效解决了"即兴编程"中的安全漏洞和维护性问题，为AI辅助编程提供了新的范式。

腾讯优图实验室提出MetaUAS系统，首次实现仅用一张正常图片就能检测任何类型异常的突破。该技术将异常检测转化为变化检测问题，通过元学习训练通用模型，无需语言描述即可精确识别工业产品瑕疵，参数量仅为传统方法的1/10，推理速度快65倍，为工业质检智能化提供了全新解决方案。

云计算已经发展到新的阶段，而OpenStack以及背后的基金会也在积极求变，在顺应技术变化和客户需求方面进行了卓有成效的探索。展望下一个十年，OpenStack的发展值得期待。

亚利桑那州立大学研究团队通过DataAlchemy实验环境发现，大语言模型的链式思维推理能力实际上是一种"海市蜃楼"现象。当面对与训练数据相似的问题时AI表现优秀，但遇到略有差异的情况时推理能力会急剧下降。研究揭示AI更像是在进行精巧的模式匹配而非真正的逻辑推理，对AI实际应用具有重要警示意义。

这项哥伦比亚大学研究团队开发的Neuro2Semantic框架，能够从人类颅内脑电图信号中重建语义内容，开创了脑机接口技术的新可能。该框架通过两阶段过程工作：先用LSTM适配器将神经信号与文本嵌入对齐，再用预训练模型将这些嵌入转化为连贯文本。最令人印象深刻的是，它仅需30分钟的训练数据即可实现高效解码，远少于传统方法所需的16小时以上。研究表明该技术在未见过的语义内容上也表现出色，为帮助失语症患者等医疗应用铺平了道路。

阿里巴巴研究团队开发了Marco-Voice多功能语音合成系统，能够同时实现高质量的声音克隆和情感控制。通过创新的旋转情感嵌入和说话人-情感分离技术，系统可以独立调节声音身份和情感表达。团队还构建了包含10小时中文情感语音的CSEMOTIONS数据集。实验表明Marco-Voice在语音清晰度、说话人相似度和情感表达方面都显著超越现有系统，为虚拟助手、内容创作和教育技术等领域提供了强大工具。

LTX-Video是由以色列Lightricks公司开发的革命性开源视频生成模型，能够在2秒内生成5秒高质量视频，实现了比实时播放更快的生成速度。该模型创新性地整合了视频压缩和生成过程，采用1:192的超高压缩比和共享去噪机制，在人类评估中表现显著优于同类模型。作为完全开源的项目，它为教育、营销、内容创作等多个领域提供了强大而accessible的视频生成能力。

本文详细探讨了 MCP（Model Context Protocol）的工作原理、部署方法与应用实践，通过 Claude Desktop 和 Open WebUI 将 AI 模型与外部数据、工具无缝连接，同时分析了安全性及扩展性挑战。

亚马逊发布Nova Premier AI模型的首个全面安全评估报告，针对化学生物武器、网络攻击和AI自主研发三大高风险领域进行了系统性测试。研究采用自动化基准测试和人工评估相结合的方法，并邀请第三方机构独立验证。结果显示Nova Premier虽然在各领域知识水平有所提升，但实际危险操作能力仍在安全阈值内，可安全向公众开放。