长沙具身团队正在扩招，分为三个项目组，专注于电源、USB插拔及人形机器人技术。CLONE系统通过闭环遥操作解决了人形机器人长时任务中的位置反馈问题，提升了人机协作能力。

清华大学与咪咕团队联合推出首个沉浸式体积视频数据集ImViD，突破传统视频限制，实现360°真实场景与6-DoF交互，支持动态捕捉与高保真音视频融合，推动元宇宙与数字孪生技术的发展。

Yambda-5B是一个包含50亿事件的公开数据集，反映真实用户行为。尽管现有数据集在规模和多样性上有限，Yambda-5B提供了更丰富的用户交互数据，促进了研究与实际应用的结合。

Yandex 发布了 Alchemist，一个包含 3,350 个图像-文本对的公开 SFT 数据集，旨在提升文本到图像生成模型的输出质量。该数据集通过预训练的扩散模型筛选样本，注重高质量而非数量。评估结果显示，使用 Alchemist 微调的模型在美学和复杂度上显著提升，同时保持文本-图像相关性稳定。这一方法为生成视觉模型设定了新标准和资源。

米哈乌·雅努泽夫斯基及其团队与谷歌研究所和哈佛大学合作，构建了斑马鱼大脑活动数据集ZAPBench，旨在预测大脑活动。这一数据集将推动神经科学研究和更精准的AI模型开发，期望揭示大脑基本机制。

GCoT是首个针对无文本图数据的思维链提示学习框架，通过逐步推断机制在八个数据集上显著提升了节点分类和图分类的效果，尤其在少样本学习中表现突出，拓展了图学习的推理方式。

研究显示，当前天然小分子化学空间的探索不足10%，且90%的质谱图因缺乏注释而无法利用。捷克科学院团队开发的DreaMS模型通过自监督学习从7亿条质谱数据中提取分子特征，显著提高了质谱注释的准确性，为新药发现和疾病诊断提供了重要资源。

阿里通义实验室推出MaskSearch框架，提升大模型推理与搜索能力。小模型表现接近大模型，兼容监督微调和强化学习，显著提升开放域问答性能。通过检索增强型掩码预测任务，模型有效学习信息处理与搜索引擎使用，适应多领域任务。

Perpendicular AI是一个AI代理，利用先进的网络爬虫实时生成数据集，解决获取最新可信数据集的难题。它通过Bright Data工具提取和结构化来自不同网页的数据，支持多平台数据生成，提高了数据的准确性和收集效率，确保了可靠性。