本文综合北京大学王选计算机研究所发布的 ProactiveVideoQA 和 MMDuet2 两篇论文，介绍视频多模态大模型如何实现 “主动交互”—— 在视频播放过程中自主决定何时发起回复，而非等待用户提问。ProactiveVideoQA 提出评估指标和 benchmark，MMDuet2 则通过强化学习训练方法实现了 SOTA 性能，无需精确的回复时间标注即可训练出及时、准确的主动交互模型。
最近一段时间，AI 产品的演进路径逐渐收敛到一个方向：如何让个体更高效。从自动写代码的 Devin，到嵌入各类办公软件的 Copilot，这些工具不断刷新个人生产力的上限，让“一个人完成更多事”成为现实，但问题是个体效率提升，并不等于团队效率同步提升。
UIUC研究团队打造ResearchArcade，将ArXiv论文、OpenReview评审、图表代码等碎片数据连接成动态知识图谱。模型可直接学习引用关系、修改轨迹与审稿互动，让AI更好辅助科研写作、修订与预测，为下一代科研智能体奠定统一数据基础。
今日，阿里千问最新旗舰模型预览版Qwen3.5-Max-Preview正式亮相，并登上全球大模型评测平台LMArena。在最新榜单中，该模型拿下1464分，进入第一梯队，同时带动阿里千问跻身全球大模型实验室前五、国内第一。
来自天工AI的SkyReels-V4，没打招呼，直接登顶Artificial Analysis文转视频（含音频）全球榜，超越Veo 3.1、Sora 2。一个月前，其Preview版本才刚拿下该榜全球第2。
vibe coding这个词，是一年前Karpathy造的，现在他自己不用了。110次实验，AI Agent自主跑完，全程没碰键盘，顺带还搭了套家庭监控分析系统。Box CEO Levie看完说了一句话：专家不会消失，但专家能做到的事，边界变了。
谷歌发布首个原生全模态 Embedding 模型 Gemini Embedding 2！它将文本、图、音视频及 PDF 无损融于统一向量空间，实现跨越五大模态的直接检索。这极大降低了架构成本，赋予了 AI 真正连贯的「记忆」，是重塑 AI 基建的里程碑。
全球投行业每年处理超过 3.5 万亿美元的交易，但驱动这台庞大机器运转的，是数以万计每周工作超过百小时、从事着高度重复性劳动的初级分析师。Vertical Agent 开始加速很多专业领域的工作流，比如法律领域的 Harvey、医疗领域的 OpenEvidence，而在离钱最近的金融领域迟迟未能出现一款真正的统治级应用。
Anterior，刚刚完成了 4000 万美元的融资，使其总融资额达到 6400 万美元。这轮融资由 NEA 和 Sequoia Capital 继续参与，新投资者包括 FPV 和 Kinnevik。但让我真正感兴趣的不是融资金额本身，而是他们正在解决的问题以及他们解决问题的方式。
新模型对标Nano Banana Pro，能免费体验。Seedance 2.0的热度还没下去，字节新模型又来了！今日，字节图像生成模型Seedream 5.0 Preview在视频编辑应用剪映、剪映海外版Capcut、字节AI创作平台小云雀均已上线，在即梦AI平台开启灰度测试，图片生成可限时免费体验。
