南洋理工大学团队开发了Uni-MMMU基准测试，专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务，要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡，生…详细

多模态人工智能统一模型评估理解生成协同

360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型，能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化，在29个数据集的8类任务中均达到最先进性能，特别…详细

人工智能精细视觉理解双语多模态

香港大学和清华大学研究团队发现，通过最简单的模型插值方法融合"深思型"和"快答型"AI模型，能够创造出比复杂融合算法更优秀的推理系统。研究揭示了融合过程遵循三阶段进化规律，通过精确调节混合比例可以实现推理深…详细

模型融合推理优化人工智能

上海AI实验室提出InternVLA-M1框架，通过空间引导的视觉-语言-动作训练，让机器人先学会"在哪里行动"再学"如何行动"。系统采用双阶段训练策略，构建了300万个多模态样本数据集。在多项测试中表现优异，相比基线方法提…详细

机器人学习视觉-语言-动作模型空间引导训练

UC圣塔芭芭拉分校研究团队开发出直接多词解码技术（DMTD），通过重用大语言模型的后期层实现一次性生成多个词汇。该技术无需添加额外参数，仅通过重新组织内部处理流程就实现了2倍速度提升，同时保持96%以上的准确性…详细

人工智能多词解码模型优化

清华大学研究团队开发的NOSA技术通过创新的双重选择机制和智能存储管理，解决了大语言模型在处理长文本时的效率瓶颈。该技术将信息选择分为查询感知和查询无关两个组件，显著提高了相邻处理步骤间的信息重叠度，实现…详细

稀疏注意力内存管理模型优化

清华大学研究团队开发出CoIRL-AD自动驾驶新框架，让AI同时具备模仿学习和强化学习能力。该系统在AI内部设置两个"驾驶员"，一个负责模仿专家行为，另一个负责探索试错，两者通过竞争合作机制共享知识。实验显示，新系…详细

自动驾驶强化学习协作竞争框架

UC圣地亚哥与英特尔联合研究提出AT-GRPO算法，首次实现多个AI系统的有效协作训练。该方法让AI团队在真实协作环境中学习，而非单独训练后组合。实验显示，在复杂规划任务中，AI团队成功率从单体AI的14-47%提升至96-99…详细

多智能体系统强化学习协作训练

亚马逊与圣母大学联合研究团队开发出MTSQL-R1系统，解决了AI在多轮对话中处理数据库查询时的"健忘症"问题。该系统首次让AI具备对话记忆和自我验证能力，能够理解上下文并主动纠错。通过"提议-执行-验证-修正"循环和渐…详细

人工智能多轮对话数据库查询

华南师范大学联合多所知名院校研究团队提出HyperAgent框架，通过"超图"结构革新多智能体协作方式。该方法让AI团队能够进行真正的群体沟通而非传统的点对点传话，在保持高准确率的同时大幅降低沟通成本，为复杂任务的…详细

人工智能超图结构多智能体协作