谷歌于2023年5月发布的AlphaEvolve是一项突破性研究项目，通过大型语言模型（LLMs）驱动进化编码智能体，实现了复杂算法的自动生成。该系统能够生成长达数百行代码的高效算法，远超传统函数演化的能力范畴，显著推动了算法创新的发展。其在数学领域的应用已获得著名数学家陶哲轩的关注与认可，他专门发表论文探讨AlphaEvolve在构建新型数学结构方面的启发意义，彰显了该技术跨学科的研究潜力。
北京大学研究团队近日发布了全球首个专注于古希腊陶罐的三维视觉问答数据集——VaseVQA-3D，标志着AI在考古学领域的应用迈出关键一步。该数据集结合高精度三维建模与详实文物语义信息，为智能系统理解古代器物提供了全新基础资源。为进一步提升分析能力，团队同步开发了专用视觉语言模型VaseVLM，能够实现对古希腊陶罐的复杂视觉与文本联合推理。这一成果不仅推动了人工智能与文化遗产研究的深度融合，也为后续文物识别、分类与知识挖掘提供了可扩展的技术框架。
随着企业智能化转型的加速，构建高效、可扩展的企业级人工智能数据平台成为关键。当前AI平台不仅需支持大规模数据处理与模型训练，还需在数据架构设计上兼顾实时性与一致性。研究表明，超过67%的企业在AI部署中面临数据孤岛与治理缺失的挑战。因此，重新审视数据平台架构，整合开发工具链与自动化治理机制，成为提升企业智能能力的核心路径。通过构建面向数据开发者的集成化平台，企业可显著提升数据可用性与模型迭代效率，从而增强AI系统的整体效能。
πRL 是由清华大学、北京大学与卡内基梅隆大学等机构联合开发的在线强化学习框架，专为微调流匹配算法 VLA（π0 和 π0.5）而设计。该框架基于大规模具身智能强化学习系统 RLinf 构建，提供 Flow-Noise 与 Flow-SDE 两种微调方法。在 LIBERO 测试平台的公开测试中，πRL 表现出卓越性能，Flow-Noise 方法达到平均 97.6% 的效果，Flow-SDE 更是提升至 98.3%，充分验证了其微调方案的有效性与先进性。
在人工智能领域，继李飞飞之后，何恺明的弟子再次荣获AI领域的重要奖项，彰显华人学者在全球AI研究中的领先地位。清华大学校友及另外27位杰出学者共28人被授予Fellow荣誉，并共同获得1800万美元奖金。此次获奖者中不乏冉冉升起的新星，展现了中国在人工智能人才培养方面的卓越成果。这些成就与AI2050计划的目标高度契合，该计划致力于推动人工智能的普及化与安全性研究。据悉，这一方向也受到谷歌前CEO的高度关注，他看好以长期主义为导向的AI基础研究与社会影响项目，进一步凸显了该领域的发展潜力。
本文由来自新加坡南洋理工大学、加州理工学院、西湖大学、加州大学圣地亚哥分校、牛津大学、哈佛大学和麻省理工学院等12所全球顶尖学术机构的研究人员联合撰写，系统综述了2021至2025年间三维视觉领域中Feed-Forward 3D方法的快速发展。该技术通过前馈网络实现快速、直接的三维结构预测，显著提升了推理效率与实时性。文章首次构建了完整的方法谱系与时间线，梳理了数百项创新成果，涵盖架构设计、训练策略与应用场景等多个维度，为未来研究提供了清晰的发展框架。
近年来，'shadcn/ui'项目在前端开发领域迅速崛起，成为全球最受欢迎的UI组件库之一。凭借简洁的设计风格与卓越的开发者体验，该项目在GitHub上收获了大量关注，Star数量持续攀升，稳居各大技术排行榜前列。作为专为React开发者打造的组件库，shadcn/ui不仅提供了高度可定制的UI组件，还强调开箱即用与灵活集成，显著提升了开发效率。如今，它已被广泛视为现代前端开发的首选工具之一，深受全球开发者青睐。
ICML 2026将于2026年7月7日至12日在韩国首尔举行，会议推出多项新规以提升学术交流效率与透明度。本届会议将允许作者无需亲自参会，支持线上展示录用论文，降低参与门槛。所有投稿将实行双盲审稿流程，确保评审公正性。被录用的论文将在会议期间公开展示，并在会前公开原稿，促进早期知识传播。此外，审稿人对每位作者的审稿次数将设限，防止资源过度集中。这些举措旨在优化评审质量、增强全球参与度，并推动人工智能领域的开放协作。
Kimi K2 Thinking在多项人工智能评测中实现突破，在人类水平考试（HLE）、自主网络浏览测试（BrowseComp）及复杂信息收集推理基准SEAL-0中均刷新最佳成绩（SOTA），表现超越GPT-5与Claude Sonnet 4.5（Thinking）等主流闭源模型。此次成果凸显其在智能体行为与复杂推理能力上的显著优势，标志着国产AI在高阶认知任务中的快速进步，同时进一步缩小了开源与闭源大模型之间的技术差距。
英伟达最新推出的OmniVinci全模态大模型因其强大的多模态处理能力与开源特性迅速走红。该AI模型不仅能够理解文本，还可同时识别图像与声音，突破了传统单一模态系统的局限。与仅限于文字交互的聊天机器人（Chat Bot）、专注于图像理解的视觉语言模型（VLM）或仅处理音频的听觉语言模型（ALM）不同，OmniVinci实现了文本、视觉与听觉信息的深度融合，展现出真正的全模态智能特征。其开源发布进一步加速了全球开发者在人工智能领域的创新应用，标志着多模态AI技术迈向新阶段。
在探索大型语言模型（LLM）推理优化的路径中，Scaling Law的传统范式正面临挑战。中关村学院最新研究表明，通过引入轻量级验证器，可显著提升LLM在扩展外部测试时的效率与准确性。该方法聚焦于推理路径的选择优化，而非单纯扩大模型规模。TrajSelector作为核心技术框架，能够从大量候选推理路径中筛选最优解，释放现有模型的潜在能力。这一发现表明，模型优化的关键或在于“ smarter use”而非“bigger model”，为LLM推理提供了更具可持续性的方向。
微软公司近日宣布成立一个专注于“超级智能”的新团队，旨在推动人工智能技术的自主研发，逐步减少对OpenAI的技术依赖。该战略由微软AI部门首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）披露，强调公司将加强在人工智能领域的自主控制能力。目前，微软已在其多款面向客户的产品中集成OpenAI技术，但未来将通过内部研发实现核心技术的独立。此举标志着微软在人工智能布局上的重大转向，致力于构建更加自主、安全且可持续的AI生态系统。
清华大学、北京大学和上海交通大学等高校联合发布了一项创新的人机协同训练框架，显著提升了机器人在无样本数据条件下的技能学习能力。该框架通过引入多样化的训练数据，增强了模型的零样本学习性能，验证了数据量与数据多样性对机器学习泛化能力的关键作用。随着训练数据规模的扩大，模型在未见过的任务场景中展现出更强的适应性与稳定性，为人机协同系统的智能化发展提供了新的技术路径。
由字节跳动与北京大学等机构联合研发的一种新型人工智能预训练技术，通过引入14亿个参数，显著增强了百亿规模模型的推理能力。该研究以“Ouro”为代号，首次系统性地揭示了循环深度作为影响AI性能的关键因素，其重要性可与模型大小和数据量并列，成为推动AI进步的第三大支柱。这一突破不仅优化了现有模型的推理效率，也为未来大规模语言模型的发展提供了全新的技术路径和理论支持。
MCP（模型上下文协议）是由Anthropic公司在2024年11月提出的一项开放协议，旨在标准化应用程序向大型语言模型提供上下文信息的流程。作为智能助手Claude的开发者，Anthropic通过MCP协议解决了不同应用与模型之间交互不一致的问题，提升了信息传递的效率与准确性。该协议通过规范上下文的结构与传输方式，使大型语言模型能够更高效地理解用户需求，从而增强用户体验和模型性能。MCP协议的推出标志着人工智能交互迈向更加统一和可扩展的新阶段。
北京智源人工智能研究院研发的Emu3.5标志着大规模多模态世界模型的重大突破。该模型基于长达790年的视频镜头数据训练，构建了一个原生且统一的多模态世界观，实现了对复杂现实场景的深度理解与生成能力。作为一项具有里程碑意义的技术，Emu3.5在多模态学习领域展现了前所未有的连贯性与泛化能力，推动了人工智能对视觉、语言等多维度信息的融合认知，为未来智能系统的发展提供了全新的技术路径。