从Minecraft到虚幻5，AI首次实现3D游戏零样本迁移，跨游戏直接上手
北京大学和加州大学洛杉矶分校的研究团队发布了一种名为ROCKET-2的AI智能体，它仅在Minecraft上预训练即可实现跨多个3D游戏环境的零样本迁移。该研究提出了一种新的指令空间概念——跨视角目标对齐，并解决了自然语言作为指令媒介存在的问题。
北京大学
RoboMamba：推理速度提升7倍，北大如何打造高效机器人多模态大模型？
北京大学团队推出RoboMamba，一款高效多模态机器人模型，旨在提升复杂任务的推理与决策能力。其核心目标是增强视觉和语言集成能力、优化微调策略，并降低训练成本。
MLNLP发布Overleaf-Bib-Helper项目：在Overleaf界面内直接管理你的BibTeX条目
Overleaf-Bib-Helper 是一个用户脚本，通过集成 DBLP 和 Google Scholar 搜索功能到 Overleaf 编辑器中，实现一键搜索并复制 BibTeX 条目，显著提高学术写作效率。
机器人灵巧手企业「灵心巧手」获亿元融资
灵心巧手获得超亿元种子轮融资，用于底层技术研发和产品优化迭代。公司深耕柔性人形机器人在大健康领域的应用，并已推出Linker Hand系列灵巧手，覆盖多种设计规格和传感器系统，可实现复杂精细动作的控制与感知交互。
首次引入强化学习！火山引擎Q-Insight让画质理解迈向深度思考
Q-Insight 提出了一种基于强化学习训练的多模态大模型图像画质理解方案，通过挖掘大模型自身的推理潜力，实现对图像质量的深度理解，并在多个任务上达到业界领先水平。
统一细粒度感知！北大&阿里提出UFO：无需SAM，16个token让MLLM实现精准分割
本文介绍了一种名为UFO的方法，它能够通过开放式的语言界面实现分割和检测任务，无需额外解码器，利用多模态大模型的图像表征能力。
CVPR 2025｜北大开源多模态驱动的定制化漫画生成框架DiffSensei，还有4.3万页漫画数据集
DiffSensei 是首个结合多模态大语言模型（MLLM）与扩散模型的定制化漫画生成框架，通过创新机制实现角色控制、布局精准及动态叙事。该框架支持从文本到漫画的高效转换，并发布首个专为漫画生成设计的数据集MangaZero，提升角色一致性、文本跟随能力和图像质量。
ET-SEED：提升机器人操作泛化能力的高效等变扩散策略
本文介绍了一种新的扩散策略ET-SEED，它结合了轨迹级SE(3)等变性扩散和高效的去噪策略，在少量示范数据下能够高效学习复杂的机器人操作技能，并且在不同物体姿态和场景下的泛化能力也得到了提升。
