昨天晚上，在美国波士顿举行的一年一度THINK大会上，IBM宣布了有关一年前发布的watsonx 平台的几项新的更新，以及即将推出的新的数据与自动化功能，旨在使人工智能（AI）对企业而言更具开放性、成本效益与灵活性。

阿里巴巴Qwen团队发布Qwen2.5-1M系列AI模型，实现百万字符长文本处理能力突破。该系列包含开源的7B和14B模型以及API版本Qwen2.5-Turbo，通过创新的训练策略和推理优化技术，让AI能够同时理解相当于四本《哈利·波特》篇幅的内容，并在多项长文本基准测试中超越GPT-4表现，为处理复杂文档分析、大型代码库理解等实际应用提供了强大支持。

Google Research与以色列理工学院联合研究发现，大型语言模型存在显著的"隐性知识"现象——AI内部掌握的知识远超其外部表现，平均差距达40%。研究团队通过测试三个主流AI模型的1700个事实性问题，发现AI在内部完全知道答案但1000次尝试都不会说出的极端情况。这一发现揭示了AI语言生成机制的根本局限，为改进AI表现和理解智能系统认知机制提供了新视角。

Nebius AI研究团队成功开发出基于强化学习的软件工程智能体，能够像经验丰富的程序员一样独立调试代码。该智能体基于Qwen2.5-72B模型训练，通过两阶段策略将SWE-bench Verified基准测试成功率从20%提升至39%，可处理长达13万令牌的复杂交互，在真实GitHub项目中进行多轮调试。研究证明开源模型通过精心设计的强化学习训练策略，无需依赖昂贵专有模型即可达到世界领先性能，为AI编程助手的实用化和普及奠定了重要技术基础。

阿里巴巴集团和同义实验室的研究团队推出了WebDancer，这是一种能够在网络上自主搜索信息并回答复杂问题的智能体系统。研究团队提出了一个四阶段构建框架，包括数据合成、轨迹采样、监督微调和强化学习。他们创新性地开发了CRAWLQA和E2HQA两种方法来生成高质量训练数据，并采用ReAct框架使智能体能够交替进行思考和行动。实验结果表明，WebDancer在GAIA和WebWalkerQA等基准测试中表现优异，甚至在某些情况下超越了GPT-4o，证明了该方法在构建自主信息搜索智能体方面的有效性。

伦敦大学学院研究团队提出FaithfulSAE方法，通过让AI模型用自生成数据训练稀疏自编码器，解决传统方法中的"虚假特征"问题。实验证明该方法在多个模型上显著提高了特征提取的稳定性和可靠性，为AI可解释性研究提供了新思路。

南京大学团队开发出STAR视频超分辨率技术，通过借用文本生成视频模型的智慧，配合局部信息增强模块和动态频率损失机制，成功解决了现实世界视频修复中的画质模糊和时间不连贯问题。该技术在多项测试中表现优异，特别是在处理人脸和文字等细节内容时效果显著，为珍贵但画质不佳的视频修复提供了全新解决方案。

清华大学团队在2025年发表突破性研究，首次将双曲几何学引入视频检索领域，解决了传统系统在处理"部分相关视频检索"时的层次理解问题。通过HLFormer框架的双空间并行处理和创新的部分序保持损失机制，在三个权威数据集上实现显著性能提升，为视频搜索技术开辟了全新发展方向。

耶鲁大学研究团队开发出ANCHOR方法，通过"分支点扩展"策略解决AI桌面操作训练数据稀缺问题。该方法从高质量种子演示出发，在关键界面变化点创造任务变种，生成平均17.24步的长序列轨迹，配合多层质量控制确保数据可靠性。实验显示在两个主流测试平台上模型性能显著提升，为实用化桌面AI助手奠定基础。

上海AI实验室联合清华等机构发现，通过"测试时计算扩展"策略，小型AI模型可以战胜参数规模大135倍的巨型模型。10亿参数的模型在数学推理任务上超越了4050亿参数的模型，甚至5亿参数的迷你模型都能胜过GPT-4o。研究揭示了AI发展新方向：聪明的推理策略比模型规模更重要，为资源有限的机构提供了"以智取胜"的可能性。

现实中的理想主义者是痛苦的，还是幸福的？工程师在工作中追寻的是什么？这是一个资深工程师，一个数次创业的理想主义者的故事。

复旦大学和腾讯优图实验室联合推出StrandDesigner系统，首次实现通过手绘草图自动生成逼真3D头发的突破。该技术采用可学习多尺度放大策略和自适应条件控制机制，能处理从简单涂鸦到专业草图的各种输入，在多项指标上显著超越现有方法，有望革新游戏、影视等数字内容创作流程。

让我们一起来回顾机器人技术自公元前四百年的早期发展到如今全球化资源的简史。

这项由复旦大学等机构合作完成的研究提出了CodeI/O方法，通过让AI学习预测代码的输入输出来提升通用推理能力。该方法将45万个代码文件转化为350万个训练样本，让AI用自然语言推理代码逻辑，从而掌握逻辑规划、状态搜索等推理技能。实验显示，在14个评测基准上，CodeI/O训练的模型在符号、科学、逻辑、数学等推理任务上都实现了均衡显著的性能提升。

清华大学团队提出"绝对零度"AI训练新方法，让AI系统完全不依赖人类数据，仅通过自己出题解题的方式实现自主学习。该方法在编程和数学推理任务上超越了使用大量人工数据训练的传统模型，展现了AI超出预期的自主学习潜力，为未来AI发展开辟了新方向。

弗吉尼亚理工大学推出AR-RAG技术，让AI像拼图高手一样在生成图像时动态检索参考片段。该技术突破传统"闭门造车"模式，实现边生成边参考，显著提升图像质量和细节准确性。提供免训练DAiD和优化训练FAiD两种方案，在多个权威测试中创造同规模模型最佳成绩。

波兰科学家开发GENIE技术，首次实现既能产生电影级超逼真画面又能实时编辑的3D渲染系统。该技术巧妙融合神经辐射场和高斯点云两种方法的优势，通过创新的飞溅网格编码和光线追踪搜索算法，让虚拟场景可以像橡皮泥一样随意塑造，同时保持照片级的视觉质量。这项突破性技术有望革命性改变电影制作、游戏开发、虚拟现实等领域的内容创作方式。

卡内基梅隆大学研究团队创建了首个游戏开发AI测试平台GameDevBench，包含132个源于真实开发场景的任务。测试发现最优AI模型成功率仅54.5%，在视觉相关任务上表现更差。研究团队开发的视觉辅助工具显著改善了AI表现，为多模态AI在创意领域的应用提供了重要见解。

为了竞争，英特尔需要一种新的战略——这正是该公司的新任首席执行官Pat Gelsinger正在试图为这家公司带来的东西——以及美国和欧洲政府的财政支持。非常重要的一点是，其芯片代工业务的规模。这正是苹果公司能够成为关键的地方。

Perfios公司研究团队开发了创新的AI理财顾问训练框架，通过行为心理学驱动的数据生成方法，让8B参数的小模型在个人理财建议方面达到了与32B大模型相当的性能，同时运营成本降低80%。该方法首次将用户心理状态分析作为独立训练阶段，显著提升了AI建议的个性化程度和人性化表达，为普及化AI理财服务提供了技术路径。