阶跃星辰今日发布新一代自动语音识别模型StepAudio 2.5 ASR。该模型面向语音转写与长音频处理场景，在架构上引入Multi-Token Prediction（多Token预测）以提升推理效率，并通过扩展上下文窗口强化长内容识别能力。
在游戏 NPC、虚拟主播、在线客服等数字人对话场景中，倾听时的 “扑克脸” 问题一直是行业长期痛点 —— 虚拟人说话时口型可以做到精准同步，但倾听时却表情僵硬、毫无反应，严重影响对话的自然感和沉浸感。盛大 AI 研究院（东京）与东京大学联合提出 UniLS（Unified Listening and Speaking），首个仅凭双轨音频即可端到端同时驱动说话和倾听面部动作的统一框架。
神秘模型Elephant的面纱，终于被揭开了。
这个生物医学视觉推理框架，被CVPR 2026接收了！
有没有想过让「龙虾」替你打麻将？
T (R,O) Grasp 是一种基于物体 — 机器手空间关系建模的图扩散架构，具备跨智能体的统一表征能力。在 NVIDIA 40GB A100 GPU 上，该方法可实现 5 FPS 的推理速度和 50 grasp/s 的吞吐量，并在多种智能体上取得 94.83% 的平均抓取成功率，刷新了跨智能体灵巧抓取的 SOTA，具备与动态场景实时交互的能力。
近日，在由 OpenAI 主导设立的权威基准测试 MLE-Bench 上，企业级算法自主优化智能体百度伐谋（Famou）击败了各路玩家登顶，并刷新了 SOTA 成绩。
在人工智能研究中，许多研究者将大量时间投入到为那 1% 的性能提升反复调参与实验迭代之中。
刚刚，世界模型初创公司 Feeling AI 正式发布并开源 MemBrain1.5 和 CodeBrain-1。这两项在全球 Agentic 领域的顶尖工作同时开源，将正式终结 AI “无状态” 的工具时代，为世界模型植入具备自主逻辑与层级化记忆的 “原生大脑”，开启人机深度协同的交互新范式。
生成式模型当检索器大材小用效果还不好？
