香港大学团队开发的Utonia首次实现了跨领域3D点云数据的统一处理，通过因果模态屏蔽、感知粒度重定标和RoPE增强位置编码三大创新，让一个AI模型就能理解室内扫描、户外雷达、工业设计等各种3D数据。该方法不仅在多个基准测试中超越专门模型，还在机器人操作、空间推理等应用中展现出色性能，为未来空间智能技术发展奠定重要基础。

KTH皇家理工学院研究团队通过收集6万个AI智能体运行轨迹，首次系统性地揭示了当前AI评估方法中存在的严重随机性问题。研究发现，即使在确定性设置下，同一智能体的表现仍可能波动2-6个百分点，许多声称的技术"改进"可能只是评估噪音。团队提出了基于统计功效分析的严格评估框架，为建立可靠的AI性能评估体系提供了科学指导。

法国Inria研究所开发的TopXGen技术通过让AI先用小语种创作文章再回译成英语的创新方法，成功解决了小语种机器翻译训练数据稀缺的难题，在十种小语种上实现了翻译质量的显著提升。

阿里达摩院推出VACE系统，这是首个能够统一处理文字转视频、视频编辑、遮罩编辑等12种视频任务的AI模型。通过创新的视频条件单元(VCU)和上下文适配器架构，VACE不仅能单独完成各类视频生成编辑任务，还支持任务组合创造出传统方法无法实现的效果，为视频创作提供了革命性的一站式解决方案。

Zoom公司研究团队开发的TCIA框架通过"拆解-重组"策略解决AI指令训练中的多样性不足和任务漂移问题，将指令分解为基础查询和约束条件后智能重组，在四个真实任务中平均性能提升8.7%，某些场景甚至超越GPT-4o，同时保持通用能力不受损，为企业低成本定制专业AI应用提供了新方案。

StepFun公司发布的Step-3模型通过创新的模型-系统协同设计，实现了321亿参数规模下的超高效率运行。该研究采用注意力-前馈网络分离架构和多矩阵分解注意力机制，在保持强大性能的同时，将解码成本降低约40%，达到每GPU每秒4039个词汇单元的处理速度，为大型AI模型的经济化部署开辟了新路径。

印度理工学院研究员创建了首个专门评估心理健康AI伦理推理能力的数据集EthicsMH，包含125个涵盖保密信任、偏见识别、自主权冲突等核心伦理挑战的情境。通过人机合作构建方式和多维评估框架，该工具不仅能测试AI决策准确性，更能评估其推理过程质量和多角度思考能力，为开发更安全负责任的心理健康AI系统提供了重要评估工具和方法论基础。

北京大学与字节跳动联合研发的CyberV系统，让AI视频理解具备了类似人类的"反思"能力。该系统通过监控AI推理过程、检测注意力漂移并提供视觉反馈，成功让小型模型超越GPT-4o，大型模型接近人类专家水平，为AI系统设计带来新范式。

这项由巴斯克语言技术中心团队完成的研究，开发了GUIDEX方法来自动生成信息提取的标注指南和训练数据。该方法通过四个步骤（文档总结、结构化表示、指南生成、实例提取）模拟专家工作流程，无需人工标注即可适应新领域。实验显示，GUIDEX在七个零样本命名实体识别基准上创造了新的最佳成绩，比现有方法平均提升近2个F1分数点。

首尔大学开发的SCALE技术让AI机器人具备了类似人类的"第六感"，能够感知自身的不确定程度并据此调整观察和行动策略。这项技术无需额外训练即可集成到现有机器人系统中，在复杂环境下的任务成功率提升显著，代表了机器人从被动执行向智能适应的重要转变。

1997年,国际象棋冠军卡斯帕罗夫,输给了“深蓝”,一台电脑。于是有人恐惧于“机器至上”的终局。

北京大学团队开发的Open-Sora Plan是首个开源的大型视频生成模型，能够根据文字、图片等多种输入生成高分辨率长时长视频。该系统由波形流变分自编码器、联合图像-视频跳跃去噪器和条件控制器组成，采用创新的训练策略和数据处理流水线，在多项评测中表现优秀，为视频创作民主化提供了重要技术支撑。

苹果发布搭载3nm A17 Pro芯片的iPhone 15 Pro（附机型对比）

Google发布能力最强AI多模态大模型Gemini；深圳发布算力基础设施支持政策；人工智能计算力报告发布。

这项由北京交通大学和字节跳动联合完成的研究首次证明了AI可以仅通过观看视频就学会复杂技能。他们开发的VideoWorld系统通过观察围棋对局和机器人操作视频，不仅掌握了游戏规则，还达到了围棋5段专业水平，在机器人任务中的成功率也达到70-90%。这种突破性的学习方式有望革新AI教育和技能培训领域。

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。

杭州电子科技大学等多所院校联合研究团队开发出革命性AI系统Drawing2CAD，能够直接从工程图纸自动生成精密三维CAD模型。该系统采用创新的双解码器架构和柔性损失函数，使用矢量格式图纸保留精确几何信息，在多项测试中显著优于传统像素化方法。研究团队还构建了包含15万多个样本的大规模数据集CAD-VGDrawing，为工程设计自动化提供了重要突破。

在这个人机协作时代，人类的智慧和机器的能力将以前所未有的方式结合在一起，共同创造一个更加美好的世界。

中科院自动化所研究团队开发出TC-Light视频重新打光技术，能够在保持原有内容完全不变的情况下改变视频光照环境。该技术采用独创的"独特视频张量"和两阶段优化策略，可将阴天场景转换为阳光效果，或为普通视频添加科幻光影，同时保持完美的时间连贯性。技术在58个长视频测试中表现优异，为影视制作、AI训练等领域提供了高效解决方案。

康奈尔大学研究团队发现，预训练的大语言模型具备惊人的"密码破解"能力，能够仅通过观察例子就自动学会识别和预测隐马尔可夫模型中的隐藏模式。这种"上下文学习"能力在多数情况下达到理论最优水平，大大降低了复杂数据分析的技术门槛，为生物学、心理学等各领域的科学研究提供了强大而易用的新工具。