中科院团队提出的GOI“声明式”计算机接口，旨在提高LLM智能体在传统GUI下的成功率和效率。通过自动化复杂操作，GOI使LLM专注于任务规划，成功率从44%提升至74%。该研究为未来AI交互设计提供了新思路。

OCR技术在金融和医疗等领域得到广泛应用，借助深度学习和卷积神经网络，识别精度显著提高。新模型如POINTS-Reader和Granite-docling支持多语言和复杂文档处理，展现出强大潜力。

在高能物理研究中，人工智能（AI）成为处理海量数据的核心工具。AI技术能够有效挖掘复杂模式，优化加速器和探测器性能。AI-Ready数据集需具备高质量特征，以支持机器学习和科学发现。智能体技术提升数据加工效率，推动AI在高能物理中的应用。

中科院与阿里团队提出RefineX框架，通过程序化编辑精炼预训练数据，有效去除噪声并保留文本多样性，使模型在多项任务中的得分提高7.2%。该方法以最小干预剥离噪声，确保数据质量和可靠性。

中科院研发的TC-Light生成式渲染器提升了63%的效率，时序一致性提高20%，有效缩小Sim2Real Gap，支持高质量数据生成，促进具身智能训练。该算法已开源，推动视频编辑和数据扩展的发展。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

地理空间优化在城市建设中至关重要，传统方法存在局限。梁浩健博士在学术年会上介绍了基于分层深度强化学习的城市应急消防设施配置优化研究，提出了动态覆盖注意力模型和自适应交互注意力模型，提升了布局效率和风险评估精度。未来将结合地理信息系统与深度学习，探索更复杂的优化问题。

几个家庭一起去的，免费预约。活动很丰富，有机器人展示体验，力学游戏，科学讲座，演出等等，看起来都是研究生们负责

中科院、清华大学与快手联合提出R1-Reward模型，通过强化学习提升多模态奖励模型的长期推理能力。新算法StableReinforce解决了训练不稳定的问题，显著提升了模型性能，实验结果在多个基准上超越了现有最佳模型。

蛋白质在生命活动中至关重要，AI技术正在改变蛋白质设计。罗小舟教授在AI蛋白质设计峰会上分享了多模态学习与生成式AI在酶设计中的应用，提出UniKP框架和ProEnsemble模型，显著提升了酶的预测和优化效率，推动合成生物学发展。

中国科学院自动化所推出的多图数学推理基准MV-MATH被CVPR 2025录用，旨在评估多模态大语言模型在复杂视觉场景中的推理能力。结果显示，主流模型如GPT-4o和Claude-3.5的表现不佳，准确率远低于人类水平，表明多图推理仍需改进。

地瓜机器人与中科院合作提出MODEST框架，通过单张RGB图像实现透明物体的深度估计和语义分割，显著提升抓取精度并降低成本。该技术已入选ICRA 2025，适用于智能工厂等场景。