在NeurIPS 2025会议上，南京理工大学、中南大学与南京林业大学联合发表了一项突破性研究成果——VIST（Vision-centric Token Compression in LLM）框架。该框架通过视觉中心化的token压缩方法，显著提升了大语言模型处理长文本的效率，实现内存使用量降低达50%，同时减少token需求高达56%。这一创新与近期备受关注的DeepSeek-OCR技术理念相呼应，为长文本的高效推理提供了全新的视觉优化路径，标志着语言模型在资源效率与计算可扩展性方面迈出了关键一步。

字节跳动近日发布了一款名为Game-TARS的通用游戏智能体，标志着其在人工智能领域的又一重大突破。该智能体基于统一且可扩展的键盘和鼠标动作空间，利用超过5000亿个token进行大规模预训练，展现出卓越的人机交互能力，甚至在操作精度上超越了GPT-5。通过融合5000亿多模态标注数据，结合稀疏推理与衰减持续损失技术，Game-TARS显著提升了泛化能力和系统可扩展性，能够灵活应用于操作系统、网页及多种模拟环境。这一进展为通用智能体的发展提供了新的技术路径。