李飞飞和吴佳俊团队推出了具身智能决策能力的评估基准EAI，全面评估了18款主流模型。测试结果显示，o1-preview在BEHAVIOR和VirtualHome环境中均获第一，促进了对大模型优缺点的深入理解。

斯坦福大学的李飞飞和吴佳俊团队推出了HourVideo数据集，以评估长视频理解能力。该数据集包含500个第一人称视角的视频，时长20至120分钟，涵盖77种日常活动。实验结果表明，现有多模态模型在长视频理解方面的表现远低于人类专家，亟需改进。

斯坦福吴佳俊团队与MIT合作开发的WonderWorld，能够在10秒内实时生成3D场景，速度比现有方法快近100倍。用户只需上传一张图片，即可交互生成无限扩展的虚拟世界，支持多种场景和视觉风格，显著提升了交互式3D生成的可能性。