AI生成的视频越来越真实，但仍面临“恐怖谷”效应。清华大学与字节跳动推出的HuMo框架，通过多模态输入和渐进式训练，提升视频生成效果，解决声音、表情与动作的协同问题，适合创作者和开发者使用。

Hugging Face发布了mmBERT，这是一种新型多语言编码器，训练于超过3万亿个标记，涵盖1,833种语言。该模型通过渐进式训练，从60种高资源语言扩展到所有语言，显著提升了多语言理解能力，并在多个评估中超越了早期的多语言编码器，展现了高效性与覆盖率的平衡。

InfiGUI-R1引入了一种以推理为中心的渐进式训练方法，将GUI智能体从反应式执行转变为深思熟虑的推理者。该方法包括推理注入和审慎性提升两个阶段，通过空间推理蒸馏和基于规则奖励的强化学习，增强智能体的推理和决策能力，并通过构建错误恢复场景提升反思能力，从而实现更复杂的任务规划和执行。

3DGS在新视角合成领域取得突破，采用量化嵌入和渐进式训练策略，显著降低存储需求和加快训练速度，同时保持重建质量，存储需求减少10-20倍，适用于内存受限场景。