随着人类在空天地海等极端条件下的探索活动日益频繁，视觉感知面临严峻挑战。针对极端条件下获得数据呈现降质不完备、信息残缺、资源受限等难题，本报告将分享团队在极端条件下的耦合降质数据探测增强、暗弱新异目标实时探测和资源受限下自主认知等研究成果，还将介绍主持研制的系列装备系统和应用，最后对未来发展趋势进行了展望与思考。

当前，跨模态视觉生成方法普遍面临特征耦合的共性挑战，导致生成过程可控性弱、内容精准度低。细粒度解耦将原始数据中混杂的特征分解为独立且语义明确的因子，为实现精准可控的视觉生成提供了有效途径。本报告重点介绍针对跨模态生成过程构建的“语义粒度解耦-知识引导解耦-先验约束解耦”方法体系。首先，将跨模态输入中的耦合语义拆解至不同粒度的语义子空间，实现对象、属性、关系等多层次独立解耦生成；其次，在潜在表征空间中引入外部知识，增强表征解耦能力；最后，通过对多维度先验约束协同优化，实现基于内容、时序、空间等条件的独立控制。该体系为细节可控、高效灵活的跨模态视觉生成提供了系统化支撑。

随着大语言模型与AI智能体技术的爆发式发展，人机共生的社会形态正在加速到来。在这一新兴范式中，AI系统不仅作为工具存在，更成为信息处理、知识生成与决策支持的核心环节，甚至在某些场景下已成为“第一信源”与“最近端决策点”。当人类认知过程与AI系统深度交织，我们面临前所未有的认知安全挑战：AI系统如何避免被恶意操控？人类如何保持认知自主性？如何构建健康的人机认知生态？本报告将探讨人机共生背景下的认知安全新范式，分析AI智能体的认知脆弱性与威胁模式，并思考技术、制度与伦理层面的应对策略，以期为这一新兴研究领域提供系统性思考框架。

在人工智能与各领域融合的浪潮中，情感价值与陪伴经济迎来了新的发展机遇，众多心理健康应用、疗愈助手和智能陪伴机器人等都在引入情感计算技术，提升其情感分析能力与情感合成能力，优化人机交互体验。对于这种普适场景中的情感应用，传统情感计算模式在普适心理场景下暴露出局限性，面临着量大问题，就是真实场景的数据进不了实验室，而实验室的高精度模型出不了实验室。报告重新审视了情感计算中的相关问题，例如情感本身的特点，包括其在语言、语言、视觉等多模态通道上的不确定性、普适场景中情感计算的个性化和鲁棒性等等。在此基础上，提出了普适场景的情感分析的框架，并介绍了团队的几个探索性的工作。希望能够提升人工智能在情感理解、共情与心理干预方面的性能，推动情感计算技术在心理健康、智能交互等领域引发新的变革。

在当今智能化浪潮中，如何真正让前沿技术落地，赋能千行百业？我们常面临三大核心拷问：第一，数据作为新生产要素，如何通过产学研政协同，构建既高质量又安全合规的驱动引擎？第二，垂直领域的大模型，如何跨越技术泛化性，深度理解行业知识与复杂时空规律？第三，单个智能应用如何演进为协同工作的“智能体集群”，系统化重塑业务场景？

本报告基于我们与顺丰科技集团等行业领军企业、苏州科技大学等地方高校的长期合作，以“昆山实践”为例，探索出“高质量数据集建设+垂域大模型+多智能体赋能”的协同创新模式。我们汇聚政企多源数据，通过系统性治理与标注，打造城市级时空高质量数据集；以此为基础，训练出深度理解物流、城市治理等知识的“丰知”垂域大模型；最终，我们构建了覆盖物流调度、应急指挥、产业优化等超50个场景的近千项智能服务，形成了多智能体协同赋能的应用生态。这一模式已结出硕果：在产业侧，为昆山大闸蟹、咖啡豆等特色产业降低物流成本20%；在政府端，显著提升了民生诉求响应与应急指挥的精度与效率。我们的实践证明，通过构建“政产学研用”协同的数据开发与价值闭环，能够切实推动数据要素价值释放，为产业降本增效、政府效能提升与城市现代化治理提供可复制、可推广的新范式。

知识检索增强技术（RAG）已成为大语言模型优化的重要路径，通过引入外部知识源，显著缓解了模型的幻觉问题与知识更新滞后等挑战。当前，在大语言模型持续演进——包括更强大的基座模型、复杂推理能力的提升（如DeepSeek-R1），以及RAG技术本身的迭代（如GraphRAG、Agentic RAG等）的推动下，再结合知识图谱增强（KAG）及本体增强（OAG）的领域语义适配能力与记忆系统（MemOS）的认知级资源管理，RAG系统正逐步从基础问答向逻辑推理、多轮连贯对话和复杂决策支持等更高阶场景演进。

在这一融合进程中，RAG实现了多维度升级：从模糊匹配转向逻辑驱动的精准检索，从信息堆砌发展为逻辑自洽的答案生成，从单一问答任务扩展至系统性决策支持，并正在从被动的知识工具转变为具备持续学习和语境适应能力的认知伙伴。本报告将系统回顾2024年RAG关键技术动态，包括GraphRAG在多跳推理上的突破、KAG在垂直领域的深度适配、OAG在复杂场景的可解释决策以及MemOS在记忆调度机制中的创新，同时评估以往提出的技术挑战与路线图的实现情况。

报告还将聚焦于“是否仍需要RAG，以及需要怎样的RAG”这一核心问题，重点从RAG与图结构及KAG的深度融合、推理能力的层次化提升、与MemOS的协同记忆管理，以及在决策支持中的实际应用四个维度展开分析，为技术管理者与创业者系统梳理Agentic RAG结合KAG与MemOS的潜能与落地价值，助力把握下一代检索增强技术的主流趋势与发展先机。

该报告将分别介绍大语言模型推理算法的优化、推理能力的评测以及从语言到多模态的推理能力构建。在大语言模型推理中，GRPO及其变体DAPO等强化学习算法成为主流，目前这些算法都是基于完整序列计算优势函数，往往忽略序列中Token的贡献差异，本报告将介绍一种基于细粒度Token级优势计算的强化学习算法，显著提升大语言模型的推理能力。在大语言模型推理能力评测中，任务多集中于数学代码等领域，我们将介绍一个系统评估大语言模型长链反思推理能力的基准LR2Bench，该基准发现推理大模型仍存在很大的提升空间，也展示出对多模态推理的需求。最后，该报告将介绍一种多模态大模型推理能力的高效构建方法。

随着人工智能领域的快速发展，无人驾驶感知技术取得了长足的发展，但依然无法满足复杂开放环境下无人系统安全运行的实际需求，从而导致无人驾驶汽车事故时有发生。该报告针对无人驾驶的视觉感知与生成任务，从视频去雾、3D占用估计和3D建图与定位三个方面，介绍了课题组近期的工作进展。

随着智能体在真实设备上的操作能力不断增强，多模态 GUI 智能体已经成为连接大模型与实际应用场景的重要技术方向，其潜力在于让 AI 能够像人类一样理解界面、执行任务、完成跨应用复杂操作。本次报告将介绍这一领域的任务背景与技术发展。我们将结合AppAgent 系列工作展开讨论，进一步阐述多模态 GUI 智能体如何通过探索驱动的学习机制获得更强的推理能。报告将介绍理解用户界面、空间关系与交互模式的最新方法，并重点阐述智能体如何通过系统化的探索与推理，学习在复杂数字环境中自主导航与操作。

本报告主要介绍了⾯向AI for Science的图计算平台， ⾸先， 我们采⽤了软硬件协同加速技术， 使软件和硬件紧密合作， 通过优化算法和硬件设备之间的协同⼯作， 实现更⾼的性能和效率。此外， 我们的平台还⽀持多种GNN框架以及Graph⼤模型， 并具备图神经⽹络架构搜索能⼒ ， 以优化图神经⽹络模型的性能和泛化能⼒。最后， 我们提供⾯向科学计算的⼀站式的图开发解决⽅案， 包括 数据处理 、算法优化 、模型训练与部署等环节， 为研发⼈员提供便利和⾼效的⼯具和平台， 并在计算制 药， 临床诊断， 地震预测 、⾼能物理等科学领域取得了⼀定成果。

在“AI+”战略背景下，工业企业数智化升级普遍面临数据质量不高、模型容错率低、业务场景融合难等技术挑战，该汇报介绍了一套基于云边协同架构的工业AI高质量应用方法论，涵盖高质量数据集建设思路、大小模型协同机制、场景融合策略等内容，并通过剖析生产运行寻优、设备智能运维等典型场景案例，分享AI模型实现工艺参数动态优化与闭环控制的实践经验。

组合式创造性是人类智能的重要体现之一，其核心是将多个看似无关的事物之间建立联系，形成新颖的、惊奇的、价值的融合事物。大多数现有视觉生成式方法主要是模拟数据分布，缺乏组合式创造性的探索。因此，如何设计具有组合式创造性的视觉生成式方法就成为一个研究难点。结合生成扩散的基础模型，介绍本团队近年来在组合式创意视觉生成方向上的一些探索研究，并探讨一些未来研究趋势。

高效高精度的三维理解与建模是构建物理实体数字化表达、以及解决三维空间计算与仿真推演问题的关键。目前三维建模面临几何空间表征能力有限、缺乏结构理解能力的难题，特别是无法对多源异构数据之间的结构关系和约束进行有效表示。针对几何与结构联动性不足、复杂异构数据理解难和大尺度场景建模难的挑战，本报告从高效三维结构化表征、结构表征驱动的三维理解、结构表征引导的智能建模三个层面介绍结构化表征驱动的三维智能建模的研究进展，技术成果应用于工业产品三维建模仿真、三维数字孪生构建、工业机器人三维感知理解等多项任务。

对地观测已进入大数据时代，遥感基础模型以其泛化能力得到越来越多的关注。报告针对基础模型用于遥感实践面临的问题挑战，系统阐述了如何构建高质量的样本数据集、如何结合成像物理优化网络模型、如何提升大规模解译任务的时效性等三方面的技术进展。进一步，介绍了绍基础模型在国民经济多个领域的应用效益。

近年来，大模型技术的进展推动了遥感信息处理从深度学习时代进入大模型时代。遥感大模型具备数据可通用、任务可通用、知识可通用等特点，能够有效提取遥感信息中的通用特征表示，对数据模态、模型框架、下游任务、先验知识、用户需求等进行有机整合和决策控制。本报告从可见光遥感图像大模型、多任务遥感图像大模型、多模态遥感信息大模型和生成式遥感图像大模型等方面，介绍研究团队近年来在多模态遥感大模型方面的研究进展，最后讨论研究工作展望。

基于多无人机和卫星的多视角图像对复杂场景进行三维渲染与分析，在实景三维构建、低空智能感知等方面有重要研究与应用价值。本次报告中，讲者将围绕三维遥感场景视角稀疏、场景尺度大的特点，介绍课题组近期在该方向的研究工作，包括稀疏视角和大范围3D遥感场景的BEV感知、Occupancy感知、高保真渲染与生成等。最后，将对该方向的潜在应用和未来方向进行讨论。

近年来，科学智能（Scientific AI）领域备受关注。2023年，美国哈佛大学联合多家单位在《Nature》上发表题为《Scientific Discovery in the Age of Artificial Intelligence》的论文，指出人工智能技术大大加速了科学研究，可以获得传统方法无法发现的科学洞见。然而，如何实现科学规律与人工智能的深度融合，仍然处于研究探索的早期阶段。本报告将介绍大数据系统软件国家工程研究中心与中国气象局天气预报大模型团队在人工智能气象大模型领域的代表性工作，包括极端降水临近预报大模型NowcastNet、人工智能临近预报系统“风雷”和全球中短期天气预报系统“风清”，进而探讨科学机器学习这一新学习范式的典型进展。