TodoRL团队开发的TodoEvolve系统解决了AI规划的核心难题：如何让AI根据不同任务特点自动选择最优执行策略。该系统通过PlanFactory统一框架整合现有规划方法，训练Todo-14B智能规划师实现动态架构合成。在多个测试平台上，TodoEvolve显著提升了AI系统性能，在GAIA测试中提高16.37%，在复杂推理任务中超越了更强大的基础模型。这项研究标志着AI系统从固定规划向自适应规划的重要转变。

OPPO首席产品官刘作虎表示：“ Ultra这个词代表的就是——极致，没有中间态。Find X7 Ultra 用强大双潜望与强大的四主摄，定义绝不妥协的 Ultra 影像。”

随着建筑信息化、数字化加速推进，传统工程项目建设模式越来越难以适应新时代建筑数字化的需求。近年来，通过对BIM技术的运用，数据中心项目在数字化方面有所突破，可为“数字建筑”的建设提供借鉴，但是距离实现真正意义上的“数字建筑”还为时尚早。

想象一下，你有一个只有普通计算机大脑五百分之一的智能助手，却能解决复杂的数学问题，这听起来像天方夜谭吗？南加州大学的研究团队带来了这样一个惊喜：他们创造了名为"Tina"的超小型语言模型，以极低的成本实现了强大的推理能力。

这项由哈尔滨工业大学等机构联合开展的研究提出了DeCLIP方法，通过"解耦"策略解决了CLIP模型在精细视觉任务上的局限性。该方法将模型的注意力机制分为内容和上下文两个分支，分别优化物体识别和空间理解能力，在多个开放词汇视觉任务上取得显著性能提升，为AI视觉理解带来重要突破。

这项由高通AI研究院完成的研究提出了OmniDraft框架，通过跨词汇表翻译、在线蒸馏学习和自适应草稿调整三大创新技术，让一个68M参数的小模型能够为多个不同的大型AI模型提供通用加速服务，在数学推理、编程和文本生成等任务中实现了1.5-2倍的速度提升。

快手团队联合清华、浙大推出MIDAS数字人系统，通过创新的自回归视频生成框架实现多模态实时交互。系统采用深度压缩自编码器将视频压缩64倍，结合大语言模型处理音频、姿态、文本等多种输入，配合轻量级扩散头生成高质量视频。可支持双人对话、跨语言合成等应用，生成视频长达4分钟无明显质量下降，为数字人实时交互应用奠定重要技术基础。

滑铁卢大学研究团队开发出ScholarCopilot，一个革命性的AI学术写作助手。该系统突破传统"先检索后生成"模式，实现写作过程中的动态文献检索和精确引用。基于50万篇arXiv论文训练，引用准确率达40.1%，大幅超越现有方法。在人类专家评估中，引用质量获100%好评，整体表现优于ChatGPT。这项创新为AI辅助学术写作开辟新道路。

滑铁卢大学研究团队开发出世界首个完全由神经网络生成的操作系统界面NeuralOS，能够根据用户输入实时生成屏幕画面，鼠标定位精度达1.6像素误差，状态转换预测准确率37.7%。虽然目前存在分辨率和速度限制，但开创了生成式操作系统的先河，预示着未来计算界面可能完全由AI实时创造，实现极度个性化的用户体验。

Rice大学研究团队发布的这篇综述论文系统分析了大型语言模型推理效率问题。研究发现AI在回答简单问题时经常"过度思考"，生成冗长推理过程，增加成本和延迟。论文将解决方案分为三类：优化训练方法、动态调整推理过程、改进用户提示词，为开发更高效的AI推理系统提供了全面指导。

伊利诺伊大学研究团队开发出Dress&Dance系统，这是首个能生成高清虚拟试衣视频的AI技术。用户只需提供个人照片、服装图片和参考动作视频，即可生成1152×720分辨率、24帧每秒的5秒试衣视频。该系统通过CondNet技术统一处理多模态信息，采用分阶段训练策略，支持单件及多件服装同时试穿，在服装细节保真度和动作自然度方面显著优于现有商业产品。

研究人员训练了13,440个大型语言模型，发现熵最小化方法仅需一个未标记数据和10步优化，就能实现比传统强化学习更好的性能提升。这种"单样本熵最小化"完全无监督，基于两个简单假设：语言模型生成过程本质上是随机的，且正确答案通常熵值更低。研究表明该方法能使模型logits分布向右偏移，增强置信度，对推理能力产生显著提升，平均提高24.7个百分点。这一发现或将重塑大型语言模型的后训练范式。

腾讯混元团队开发的X-Part技术实现了高质量的3D物体智能分解，能够将复杂3D模型分解成语义清晰、几何完整的零件。该技术通过边界框指导、语义特征注入和同步多部件生成，在几何精度和语义一致性方面显著超越现有方法，为3D打印、游戏开发、工业设计等领域提供了强大的工具支持。

华中科技大学开发的PixelHacker是一款革命性AI图像修复系统，通过创新的"潜在类别指导"方法，只需区分前景和背景两大类别，就能实现近乎完美的图像修复效果。该系统在1400万张图像上训练，采用门控线性注意力机制，在多个国际标准数据集上全面超越现有方法，修复效果自然到几乎看不出痕迹，为个人用户和专业领域提供了强大的图像处理能力。

KAIST研究团队提出VIRAL方法，通过视觉表征对齐技术解决多模态大语言模型视觉理解不精准的问题。该方法让AI模型内部视觉表征与预训练视觉基础模型保持一致，避免训练中视觉细节的丢失，在对象计数、空间推理等视觉任务上取得显著性能提升，为多模态AI的视觉理解能力改进提供了简单有效的解决方案。

容器与无服务器也在各自的道路上不断发展，二者相互竞争、持续演变出新形态才是我们消费者最乐于看到的未来。

这项由香港大学和Salesforce AI Research联合开展的研究解决了AI助手操作电脑时的关键障碍：GUI定位能力。研究者创建了新的OSWORLD-G基准测试（564个样本）和JEDI数据集（400万示例），通过将复杂界面交互分解为基础组件重新训练模型。实验证明这种方法大幅提升了AI在精确操作计算机方面的能力，使OSWorld基准测试成功率从5%提高到27%，为构建更自然的人机交互系统奠定了基础。

今日，以“芯加速 行至远”为主题的第四代英特尔至强新品发布会在北京正大中心盛大举行。

香港浸会大学等机构联合开发的AdamMeme框架，通过多AI智能体协作，能够动态生成个性化测试样本来评估AI模型理解网络表情包恶意内容的能力。该框架突破了传统静态评估的局限，针对每个模型的弱点进行深度探测，实验显示即使是GPT-4o等顶级模型也存在认知盲点，为AI安全评估提供了新思路。

麻省理工学院研究团队开发出革命性AI技术，能够仅通过分析音频信号就准确推断出说话者所处的三维空间环境。该技术利用声音在不同空间中的独特传播特征，让AI系统像声学侦探一样重建完整的空间几何信息。在测试中，系统的空间尺寸预测精度达95%以上，声学特性匹配度超90%。这项创新为智能家居、虚拟现实、音频制作等领域带来广阔应用前景，有望让未来的智能设备真正理解和适应人类的生活环境。