中国青年报客户端讯（中青报·中青网记者 杨洁）9月19日，记者从2026清华人工智能青年大会上获悉，为进一步了解青年对人工智能前沿技术的关注与判断，清华大学研究生会发布《2026青年最关注的改变未来五大AI技术榜单》。

　　榜单于2026年8月27日至9月14日开放投票。本次投票共收到来自五大洲约2700名学生的反馈。在此基础上，筹备团队邀请清华大学人工智能领域教师参与讨论，最终形成《2026青年最关注的改变未来五大AI技术榜单》。

　　《2026青年最关注的改变未来五大AI技术榜单》具体内容如下：

　　1.多模态推理与生成大模型

　　上榜理由：融合多种模态信息进行推理，让AI更深入地理解现实、支持创造。

　　技术介绍：多模态推理与生成大模型融合文本、图像、音频、视频等信息，在不同模态之间建立联系。它能够结合画面中的细节、声音中的线索和语言指令分析问题，并通过文字、语音或图像等形式表达结果。随着跨模态推理能力的提升，这类模型将为辅助教学、创意设计、无障碍服务和科学研究提供更自然、更丰富的智能支持。

　　2.可交互世界模型

　　上榜理由：预测行动后果，让AI能够在行动前进行模拟与推演。

　　技术介绍：可交互世界模型通过学习环境的状态及其变化规律，根据已有观测和候选动作，预测后续状态与可能发生的结果。这类模型既可以生成可探索的视觉环境，也可以在内部表征中进行预测与规划。随着预测准确性、可控性和长期一致性的提升，它有望为机器人训练、自动驾驶测试、交互式学习及虚拟内容创作提供更丰富的模拟能力。

　　3.长程任务智能体与多智能体协同

　　上榜理由：持续规划、执行与校验，提升复杂项目的完成能力。

　　技术介绍：长程任务智能体面向需要多个步骤、持续推进的复杂任务，通过任务分解、规划、记忆与状态管理，协调模型、工具和外部系统完成工作。它需要记录进度、检查结果，并在执行失败或条件变化时调整方案。多智能体协同则根据任务特点，组织不同智能体承担检索、开发、测试和审核等工作，通过信息共享与结果校验推进项目。两者共同探索更加可靠的复杂任务执行方式，为软件开发、产品设计和科研探索提供智能支持。

　　4.具身智能基础模型

　　上榜理由：贯通感知、理解与行动，让AI在物理世界中完成任务。

　　技术介绍：具身智能基础模型面向机器人与物理环境的交互，学习用于不同任务和场景的感知、推理与控制能力。其中，视觉—语言—动作模型（VLA）使机器人能够根据环境和任务要求输出可执行的动作，并通过持续感知调整执行过程。通过多样化数据的训练，这类模型有望提高机器人面对新任务和新环境时的泛化能力，拓展其在制造、物流及生活服务中的应用。

　　5.递归自我改进

　　上榜理由：让AI参与自身算法与系统的改进，探索人工智能持续发展的新路径。

　　技术介绍：递归自我改进（RSI）研究如何让AI分析自身的能力与不足，提出对代码、算法、或智能体系统的改进方案，通过实验与评估验证效果，再由改进后的系统参与下一轮优化。其核心是将自我改进能力纳入反馈循环，使每一轮有效改进都有机会促进后续研发。目前，这一方向已在代码优化和智能体系统改进等限定场景中取得初步成果，长期、稳定的递归能力提升仍有待进一步验证。