大语言模型的进步主要依赖于新数据，而非新理论。历史上的四次重大突破均源于数据的挖掘与应用。未来AI的突破可能来自尚未开发的数据源，如YouTube视频或机器人实时数据。因此，推动AI进步应聚焦于数据而非方法。

德国和瑞士的研究团队提出了一种结合气候数据生成卫星图像的新方法，创建了最大遥感数据集EcoMapper。这一创新推动了遥感领域的发展，填补了云层覆盖地区的观测空白，为气候适应和地理分析提供了新工具。

德国慕尼黑工业大学与瑞士苏黎世大学团队提出了一种新方法，利用Stable Diffusion 3生成卫星图像，并创建了包含290万张图像的最大遥感数据集EcoMapper。这一方法结合气候数据，提高了卫星图像生成的准确性，解决了云层覆盖地区的观测问题，推动了气候适应和地理分析。

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。