FilmAgent：哈工大深圳×清华，AI多智能体框架引领虚拟3D电影制作新纪元
FilmAgent是由哈尔滨工业大学（深圳）与清华大学联合开发的一款基于大型语言模型的多智能体协作框架，用于实现虚拟3D空间中的端到端电影制作自动化。它通过批评-修正-验证和辩论-评判策略优化剧本内容并确定镜头设置。
清华大学
KTransformers：让DeepSeek加速28倍的国产推理框架
一款国产推理加速框架KTransformers介绍，显著提升Hugging Face Transformers的推理速度，支持多种硬件优化策略和接口。
4090单卡跑满血版DeepSeek-R1，清华团队开源项目再破大模型推理门槛
清华大学KVCache.AI团队联合趋境科技发布的KTransformers开源项目支持DeepSeek-R1和V3的671B满血版运行，显著提高了推理速度，并通过异构计算优化提升了性能。
Cell子刊《Patterns》最新综述：大语言模型Attention Heads的可解释性研究
大语言模型（LLMs）的注意力头功能与工作机制引起了广泛关注。《Attention Heads of Large Language Models》综述论文整合了现有研究，提出四阶段认知框架和详细分类，并梳理实验方法与评估基准，为LLM可解释性研究提供了系统性的理论支持与实践指导。
本科生“不小心”推翻图灵奖得主清华姚期智教授40年猜想：事关哈希表
一位本科生Andrew Krapivin通过研究哈希表，挑战并突破了计算机科学界长达40年的经典猜想。他的研究成果不仅在最坏情况下的查询速度达到(log x)²，还发现非贪婪哈希表的平均查询时间可以实现常数级别，对人工智能和大数据领域具有深远影响。
无需引导采样，清华大学提出视觉模型训练新范式
清华大学提出的新算法Guidance-Free Training（GFT）实现了原生无需引导采样的视觉模型训练，与CFG效果相当但成本减半。GFT简单高效且通用，可广泛应用于多种视觉生成模型。
SFT并非必需！推理模型仅靠RL就能获得长思维链能力，清华CMU团队破解黑盒
研究团队通过对比SFT和RL两种方法发现，长CoT的生成需要大量的计算资源。他们提出了四个关键发现：SFT并非必需但能简化训练并提高效率；推理能力随着训练计算增加而出现，但并非总是如此；可验证奖励函数对增长CoT至关重要；基模型中的错误修正等技能需要通过RL有效地激励。
直击 DeepSeek 技术真相，对我们究竟意味着什么？
DeepSeek V3 在两个月内迅速成为中国 AI 大模型的代表，并通过开源和亲民的价格策略赢得了广泛的关注。它采用强化学习技术，专注于“深度推理”，并以较低的成本提供了高效的 API 服务。
清华、东大等发布EMAGE，音频自动生成动作丰富的视频
专注于AIGC领域，介绍了东京大学等联合开发的创新模型EMAGE及其数据集BEAT2。EMAGE能根据音频自动生成连贯动作和表情，与同类模型相比表现更优，并详细描述了其技术机制和应用优势。