/
ByteDance Seed提出端到端自动驾驶新突破：首次实现理解、生成、规划的完美融合
ByteDance Seed团队提出UniUGP统一框架，首次将自动驾驶的理解、生成、规划三大能力完美融合。通过混合专家架构和四阶段训练策略，该系统在场景理解、轨迹规划和视频生成等任务上均超越现有先进模型，为自动驾驶技术发展开辟了新路径，预示着更智能可靠的无人驾驶未来。
华中科技大学推出InfiniteVL：让视频对话AI彻底摆脱"健忘症"，实现24FPS实时处理的无限输入模型
华中科技大学研究团队推出InfiniteVL，这是一个突破性的视觉语言模型，通过混合线性注意力和稀疏注意力架构，实现了无限长度输入的高效处理。该模型在保持与主流Transformer模型相当性能的同时，实现了3.6倍推理加速和恒定内存占用，能以24FPS速度实时处理流媒体视频，为长视频理解和实时多模态应用提供了重要技术突破。
北京交通大学团队让电影"立体"起来！从普通视频到3D立体视频的魔法转换
北京交通大学等机构联合开发的StereoWorld系统实现了从普通单镜头视频到高质量立体视频的自动转换。该系统采用端到端深度学习方法，通过几何感知的正则化策略确保视觉质量和立体效果。研究团队构建了包含1100万帧的人眼瞳距对齐数据集，验证结果显示StereoWorld在多项指标上显著优于现有方法，为XR内容创作提供了革命性工具。
国立阳明交通大学提出TED-4DGS：让动态3D场景压缩更高效的时序激活新方法
台湾国立阳明交通大学研究团队提出TED-4DGS方法，通过时序激活机制和嵌入式变形建模，解决动态3D场景压缩中的遮挡处理问题。该方法为每个锚点分配生命周期参数，避免不自然变形，同时采用全局变形库和INR超先验框架实现高效压缩。实验显示相比现有方法压缩比提升14-18倍，为VR/AR和数字娱乐应用提供技术基础。
新加坡国立大学研究突破：让机器人通过看人类视频就能学会精巧操作
新加坡国立大学研究团队开发出H2R-Grounder技术，首次实现让机器人仅通过观看人类操作视频就能学会精巧操作技能。该技术创新性地设计了H2Rep通用表达方式，巧妙解决了人类手臂与机器人手臂的外观差异问题，无需配对数据就能生成高质量的机器人操作视频，为机器人技能学习开辟了全新途径。
浙江大学团队破解AI智能体"隐私协作"难题：让分散的AI助手在不泄露秘密的情况下共同进化
浙江大学等院校联合开发Fed-SE框架，解决AI智能体在隐私约束下的协作学习难题。该框架通过本地轨迹筛选和全局低秩聚合，让分散的AI系统在不共享原始数据的情况下协同进化，在五个异构环境中平均成功率达66%，比传统方法提升18%。
Meta重磅发布开源AI软件工程师：能读万行代码的"程序员助手"终于来了！
Meta和哈佛联合发布开源AI软件工程师Confucius Code Agent，在权威测试中达到54.3%问题解决率。该系统具备分层记忆、持续学习和模块化扩展能力，能处理工业级复杂代码项目，在长期记忆测试中效率提升5%。作为首个平衡透明性与实用性的开源方案，为AI编程助手领域树立新标杆。
Google推出FACTS新基准：AI事实准确性的终极考验
Google Research联合多个团队推出FACTS基准套件，这是迄今最全面的AI事实准确性评估体系。该基准包含多模态、参数化知识、搜索应用和文档理解四个测试维度，采用创新的对抗性筛选方法和双重评判机制。测试结果显示即使最优秀的AI模型平均准确率也仅为69%，揭示了AI在事实准确性方面的改进空间。
清华大学团队用轻量级工具让AI看懂视频：就像给机器人配备了专业助手
清华大学研究团队开发了STAR视频理解框架，通过22种专业工具的智能调度，让AI在视频问答任务中表现显著提升。该框架采用时空交替策略，避免了传统方法的"工具链捷径"问题，在VideoMME数据集上获得8.2%性能提升，处理效率比传统方法快20倍以上。
Google DeepMind推出虚拟机器人世界：用视频生成模型评估机器人安全性的革命性突破
Google DeepMind开发的Veo虚拟机器人测试系统，通过视频生成技术创造逼真的虚拟环境，能够安全有效地评估机器人在正常、压力和危险场景下的表现。该系统在超过1600次真实验证中显示出高达0.88的预测准确性，为机器人开发提供了成本更低、风险更小的测试方案，特别是在安全性评估方面具有突破性意义，有望加速智能机器人的安全部署。
清华、华科、快手联手突破：一个神奇的"翻译器"让AI既能看懂又能画画
清华、华科、快手联合研究团队提出VQRAE技术，首次实现了统一视觉标记器在图像理解、生成和重建三大任务上的突破。该技术通过创新的两阶段训练策略和高维语义量化方法，成功训练出利用率达100%的高维编码本，在多个基准测试中展现卓越性能，为构建真正统一的多模态AI系统奠定重要基础。
华为团队破解动画制作难题：一台摄像头就能让任何3D角色"活"起来
华为团队推出MoCapAnything技术，仅用单台摄像头就能让任意3D角色"活"起来。该技术突破传统动作捕捉局限，支持跨物种动作迁移，让机器人学会动物步态，鸟类表现人类舞蹈。通过创新的三段式架构和1038个动物动作的数据库验证，大幅降低动画制作门槛，为游戏开发、影视制作、VR/AR等领域带来革命性变化。
普林斯顿大学团队颠覆传统：新方法让AI训练更快更聪明，无需复杂标准化步骤
普林斯顿大学团队发现一种名为Derf的新技术，能够完全替代AI训练中必需的标准化层，并在多个领域实现性能提升。该方法基于数学误差函数，通过可学习参数实现自适应调节，在图像识别、语音处理、DNA分析等任务中均表现优异，为AI系统优化提供了全新思路。
上海AI实验室发布InternGeometry：首个达到奥数金牌水平的几何解题AI
上海AI实验室联合多家知名院校开发的InternGeometry在国际数学奥林匹克几何题上达到金牌水平，仅用1.3万训练样本就解决了50道题中的44道，超越了平均金牌得主成绩。该系统通过复杂度递进强化学习和长期交互推理，不仅能重现经典解法，还能提出原创性几何构造，展现了AI在数学推理领域的突破性进展。
大模型推理验证也需要"火眼金睛"：上海人工智能实验室团队重新定义长链条思维验证
上海人工智能实验室团队开发的OPV系统巧妙结合结果验证和过程验证，通过智能总结复杂推理过程并精准检查关键步骤，显著提升AI推理可靠性，在数学竞赛中准确率提升18个百分点，为AI系统大规模应用提供重要质量保障。
上海人工智能实验室携手多家顶尖院校：让AI像数学奥赛银牌选手一样思考，破解超高难度数学题的秘密
上海人工智能实验室联合多家顶尖院校开发出Intern-S1-MO数学推理智能体，通过多智能体协作和引理库机制突破传统AI的上下文限制，在国际数学奥林匹克2025年取得26分银牌水平成绩，在中国数学奥林匹克正式比赛中获得102分金牌水平表现，为AI复杂推理能力发展开辟了新路径。
西安工程大学联合中科院推出AR3D-R1：用强化学习让AI学会像人类一样"思考"3D建模
西安工程大学联合中科院等机构开发出AR3D-R1系统，首次将强化学习系统性应用于文本生成3D建模。该技术采用分层思维，先构思整体轮廓再精雕细琢，模拟人类艺术家创作过程。研究构建了MME-3DR评测基准和多维评价体系，在性能上显著超越现有模型，为AI创作领域向"思考型"创造者转变提供重要突破。
清华大学与阿里达摩院联手打造MOA：让AI角色扮演不再困难重重的神奇方法
清华大学与阿里达摩院合作开发的MOA（多目标对齐）方法，通过动态优化策略和思维增强技术，解决了AI角色扮演中技能冲突的难题。该方法在保持角色知识、语言风格和指令遵循等多维度平衡方面表现出色，8B参数模型在关键测试中超越GPT-4o达21%，为AI角色扮演技术实用化提供了重要突破。
人工大脑学会自我反思：中国人大团队破解AI强化学习训练难题
中国人民大学团队发现AI强化学习中正面和负面样本对模型训练的不同作用机制。研究表明正面样本让AI专注于已掌握方法，负面样本促进探索新思路，两者缺一不可。基于此发现，团队开发出A3PO训练方法，能精确调节不同样本类型的影响力，显著提升AI推理性能。这项研究为开发更强大可靠的AI系统提供了重要指导。
设备端AI革命：廉价快速安全的人工智能新时代
传统AI依赖云端处理存在延迟和隐私问题。越来越多开发者将AI处理从数据中心转移到手机、笔记本等个人设备上。设备端AI具有三大优势：速度更快，无需等待云端响应；隐私更安全，数据不离开设备；成本更低，无需支付云服务费用。目前iPhone已运行30亿参数的设备端AI模型，谷歌Pixel手机也搭载Gemini Nano模型。未来五年内，随着硬件升级和算法优化，设备端AI将实现物体识别、导航翻译等更复杂功能。
京公网安备 11010802021500号
