MiniMax发布低延迟AI视频生成技术，实现3秒内成片，推动实时视频商业化落地。

基于AI的架构图生成工具支持美观、实时更新的系统架构图一键生成。

Anthropic 调整 Claude API 配额策略，名义提额实则变相限流，引发用户质疑。

清华AIR与域变换团队提出参数冻结下能力自进化的具身因果学习新范式，提升模型泛化性。

复旦Neolab提出‘生命算子’理论框架，实现跨尺度生命系统建模与推演，成果发表于六篇Nature。

OpenAI大规模采购Mac作为AI研发基础设施，凸显苹果硬件在AI训练/推理中的新角色

系统探究视觉文本像素级表征学习的四大设计原则，解决预训练分辨率固定、视觉捷径学习等问题。

提出基于深度学习的StainPresetNet，实现病理图像跨协议染色归一化，提升辅助诊断系统鲁棒性。

构建首个带皮肤标记与镜像不对称元数据的名人双胞胎人脸验证基准CTTS，推动细粒度人脸辨识研究。

实证发现LLM-as-a-judge中任务分解未带来性能增益，挑战当前主流优化范式。

提出SVD-MBR方法，通过低秩近似效用矩阵抑制MBR解码中指标过拟合问题。

发现大模型中大量注意力头满足OV算子近似幂等性，揭示Transformer内部结构化代数规律。

在无数据泄露流式协议下系统评估边缘时序预测在线自适应的有效条件与配置陷阱。

提出DNC-IMM模型，融合车辆运动与周围间隙等上下文信息，提升自动驾驶变道意图识别准确率与可解释性。

提出在连续隐空间中迭代精炼潜在状态的推理范式，绕过token级链式推理的错误传播缺陷。

发布首个覆盖五大方言的大规模阿拉伯方言机器阅读理解与生成式问答基准EDRAC。

构建含事件ID溯源、九类任务与五级验证的临床纵向推理基准ClinTraceBench，评估病历摘要表征保真度。

独立复现TRACE因果图提取方法，量化验证其阈值敏感性与粒子预算影响，提供可靠实践参数。

通过可执行评测发现相关提示主要起引导作用而非补全缺失能力，揭示提示工程的本质局限。

揭示CLIP中图像-文本平均距离减小不保证零样本分类提升，根本原因在于预测层面的枢纽效应。

提出神经符号回归框架，联合学习符号表达结构与参数，兼顾可解释性与噪声鲁棒性。

提出新批处理算法，在保持 WhisperX 高速推理的同时恢复音频段间历史上下文，提升标点与术语转录连贯性。

提出 ECHO-OFTRL 算法，首次在有限玩家完全信息博弈中实现与时间无关的个体零遗憾，属多智能体学习理论突破。

提出语义统一（SUN）可执行程序框架，将几何/接触关系一次性定义并编译为模型预测控制与神经策略对齐的长期操作策略。

理论证明：当神经网络参数由低维仿射生成器映射时，其逼近能力仍可达最优阶，为参数高效微调提供理论支撑。

针对 BioMedRAG 固定分块导致语义割裂问题，提出融合实体保护、触发中心等五机制的语义分块框架，提升证据完整性。

提出集成框架 OntoAligner-Ensemble，通过投票融合词法、结构、知识图谱嵌入及 LLM 等多类本体对齐结果，提升鲁棒性。

将神经网络与混合效应建模结合，通过 TMB 自动微分框架避免手工推导梯度，支持更复杂准确的神经混合模型估计。

构建本地部署多智能体系统，融合校准预测、确定性信号提取与指南引用验证，实现可审计、抗幻觉的糖尿病风险筛查。

研究机器学习中条件分布 p(x|y) 与 p(y|x) 是否存在相容联合分布的判定复杂度，属概率图模型基础理论问题。

提出 PaperGym 框架，利用论文中提取的细粒度评分标准作为 RL 批判器，解决研究计划生成缺乏可验证目标的问题。

在统一实验设置下评估 13 个 Qwen/GPT 模型，发现本体学习性能随模型规模增长呈非线性饱和，MoE 架构具优势。

指出量子生成模型若在经典设备上训练、量子设备上部署，其泛化行为与经典模型本质不同，需新理论框架。

提出 Aspire 框架，使 LLM 能自主解析模糊目标（如‘成为更好物理学家’），识别能力缺口并规划学习路径，迈向真正自驱AI。

发现量化、批处理等加速评估手段会显著改变 BBQ 等责任AI基准的结论，警示高效评估可能掩盖关键偏差。

OpenAI 发布首个通过其准备就绪框架关键网络安全能力阈值的模型 Astra，强化发布前安全防护。

ChatGPT 新增医疗数据安全连接能力，支持临床医生访问患者信息与医学研究，符合 HIPAA 合规要求。

介绍律所利用ChatGPT Enterprise和Codex实现AI规模化落地的治理框架与实践路径

Anthropic 阐述其在AI系统可靠性、可解释性与可控性方面的安全与对齐实践升级。