2026年1月，清华大学智能产业研究院联合生命学院、化学系在《Science》发表论文，推出AI驱动的超高通量药物虚拟筛选平台DrugCLIP。该平台每天可完成10万亿次蛋白-分子配对计算，解决了AlphaFold结构预测到药物发现的关键难题。团队首次实现覆盖人类基因组规模的药物虚拟筛选，针对抑郁症、癌症、帕金森等疾病找到潜在药物分子，并对外开放相关数据。DrugCLIP通过对比学习和3D结构预训练技术，大幅提升筛选效率与精度，在多个实验中表现优异，为后AlphaFold时代的药物研发带来新可能。项目获国家科技部、自然科学基金委等支持，未来将加速抗癌、传染病等领域的新药发现。

清华大学智能产业研究院联合生命学院、化学系在Science发表论文，推出AI药物筛选平台DrugCLIP。该平台日处理能力达10万亿次蛋白-分子配对计算，首次完成覆盖人类基因组规模的药物虚拟筛选，为抑郁症、癌症、帕金森等疾病找到潜在药物分子。团队通过对比学习训练AI编码器，将传统物理对接转化为高效向量检索问题，显著提升筛选效率与精度。实验验证显示，DrugCLIP在多个靶点上表现优异，例如针对去甲肾上腺素转运体筛选出15%有效抑制剂，部分分子性能优于现有药物。此外，DrugCLIP支持AlphaFold预测结构筛选，为近一半人类蛋白质找到潜在‘药物种子’。相关数据已对外开放，助力后AlphaFold时代的药物研发。

2026年1月9日，清华大学发布2026年首篇《科学》论文，智能产业研究院与生命学院、化学系联合团队研发出AI驱动的药物虚拟筛选平台DrugCLIP。该平台筛选速度较传统方法提升百万倍，预测准确率显著提高，并首次完成覆盖人类基因组规模的药物虚拟筛选，涉及约1万个蛋白靶点和2万个蛋白口袋，分析超5亿类药小分子，富集出200多万潜在活性分子。团队构建了目前全球最大规模的蛋白-配体筛选数据库，并免费向全球科研社区开放。研究成果以《深度对比学习实现基因组级别药物虚拟筛选》为题发表于《科学》，项目官网和论文链接同步公开。

正文：2025年12月，中国联通数据科学与人工智能研究院在AAAI 2026 (Oral)发表新研究HiMo-CLIP，突破长文本图像检索难题。该模型通过建模“语义层级”与“语义单调性”，自动捕捉语境中的“语义差异点”，显著提升长文本和组合性文本的检索精度，同时兼顾短文本性能。HiMo-CLIP采用层级分解模块（HiDe）和单调性感知对比损失（MoLo），动态提取关键特征并优化图文对齐机制。实验显示，仅用1M训练数据，HiMo-CLIP性能超越使用100M甚至10B数据的现有方法，并在自建数据集HiMo-Docci上取得SOTA结果。

谢赛宁团队发布MetaCLIP 2模型，支持300多种语言，打破“多语言诅咒”，并提升英语性能。该模型通过扩展元数据、优化筛选算法和调整训练策略，解决了非英语数据处理难题，并在多项任务中创下新SOTA。实验显示，其在ImageNet分类准确率达81.3%，超越纯英语CLIP的80.5%；在多语言图像分类和跨语言检索任务中表现突出。此外，模型嵌入质量更优，在文化多样性任务中表现显著提升。相关论文与代码已开源。

2025年7月，Kimi K2官方技术报告发布，揭示其训练秘籍。该模型采用384个专家、总参数达1万亿，激活参数32B，擅长代码、Agent及数学推理任务，并在上线一周内击败DeepSeek，登顶全球最强开源模型。其核心技术包括MuonClip优化器、大规模Agentic Tool Use数据合成及通用强化学习框架，强调‘用自己的话再讲一遍’的训练方式提升效率。此外，阿里通义Qwen3-235B-A22B-2507版本更新，官方称性能超越Kimi K2，或成新王者。

6月4日消息，上海人工智能实验室联合清华大学、伊利诺伊大学香槟分校等国际团队，成功研发新方法解决强化学习中的策略熵崩溃问题。研究提出Clip-Cov和KL-Cov技术，通过裁剪高协方差token和施加KL惩罚维持熵水平。实验基于Qwen2.5模型和DAPOMATH数据集，在数学任务中，32B模型在AIME25测试中性能提升15.0%。该方法已在Qwen2.5、Mistral、LLaMA等多个开源模型上验证，参数规模覆盖0.5B至32B，涵盖数学和编程任务的8个公开基准测试。这项突破不仅解决熵崩溃难题，还为强化学习在语言模型中的应用提供理论支持，未来需进一步探索熵管理策略。

标题：FG-CLIP实现细粒度跨模态对齐，重塑AI视觉理解 360人工智能研究院发布的FG-CLIP模型解决了传统CLIP的“视觉近视”问题，通过“长文本深度理解”和“细粒度视觉比对”双突破，精准识别局部细节。实验显示，FG-CLIP在细粒度理解、开放词汇检测、图文检索等任务中均优于其他模型。 ...

2月21日，微软发布Visual Creator工具，集成Microsoft Clipchamp，可在几秒内生成AI视频。该工具面向拥有Copilot许可证的商业用户，建议企业各团队利用其制作培训及演示视频。用户只需输入提示词，Copilot自动生成脚本并从Clipchamp素材库中挑选素材，添加音乐和特效后生成视频。该工具使用现有素材，Clipchamp库中有500万张图片可供选择。目前，Visual Creator不生成新画面。

一张图实现街道级定位的大模型AddressCLIP入选ECCV2024 AddressCLIP项目组由中科院自动化所和阿里云共同研发，推出了一款端到端图像地理定位大模型，仅需一张照片即可实现街道级精度的定位。此模型名为AddressCLIP，基于CLIP架构，论文《Empowering Vision...