按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
202 条收录动态，更新于 19:50
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
NVIDIA 扩展覆盖语言、机器人、生物与量子计算的开放模型组合，其中 BioNeMo RFD4-Proteina 是与华盛顿大学蛋白质设计研究所 Baker Lab 合作的开放蛋白质设计模型，可生成蛋白质序列与三维结构，在超过 10 项蛋白质设计任务上表现领先，在 200 个氨基酸蛋白质的基准中生成设计的速度约为 RFdiffusion3 的 13 倍。
入选理由蛋白质设计模型 BioNeMo RFD4-Proteina 与量子校准模型 Ising 的开放范围，关系到生命科学与量子计算研究者能否直接接入现有流程。
NVIDIA 与 UW Medicine 蛋白设计研究所（Institute for Protein Design）在 GTC Berlin 发布开放模型 RFD4-Proteina，把可编程蛋白设计与搜索能力结合，可按分子输入、约束和打分目标生成并优化设计。
入选理由蛋白质设计模型与放疗规划两条线同时落地，研究者可据此判断开放模型能接入哪些现有科研与临床工作流。
Recursive 发布首个模型 Flint，这是一个总参数 400 亿、每 Token 激活 25 亿参数的 MoE，面向本地 Agent 编程，权重以 Apache 2.0 在 Hugging Face 开源。
Introducing Flint, @Recursive_SI’s first model: a fast local coding model built with our automated research system, the Eureka Machine. • Best-in-class fast local coding • Up to 2x faster than comparable models: 125+ tokens/sec on a MacBook Pro, 150+ on RTX Spark • Built from scratch in under 4 months Private, unmetered intelligence on your own machine. Open weights available now on @huggingface, run it locally on your favorite framework or try it for free on @opencode or @pidotdev.
Base Labs 发布 release mammoth-1 和 elephant-1，超越 Jev，继续向前推动 decision model 最重要的： 开放权重和 technical report！
Today we release mammoth-1 and elephant-1! We post-trained mammoth-1, the #1 ranked best decision model in the world, and elephant-1, which is the best model under 15B (and beats Jev). We're open-sourcing all model weights and provide a technical report detailing all our training and data methods.
Recursive发布了Flint，这是其首个开放权重编码模型，采用Apache 2.0许可证，速度比同类替代方案快2倍。 > Flint是一个40B参数的混合专家模型，用于本地编码。 > Recursive报告称在64GB RTX Spark上达到每秒超过220个token。 > Recursive的Eureka Machine——一个用于运行AI研究实验的系统——编写了自定义GPU代码，在不改变权重的情况下使Flint在RTX Spark上提速55%。
Introducing Flint, @Recursive_SI’s first model: a fast local coding model built with our automated research system, the Eureka Machine. • Best-in-class fast local coding • Up to 2x faster than comparable models: 125+ tokens/sec on a MacBook Pro, 150+ on RTX Spark • Built from scratch in under 4 months Private, unmetered intelligence on your own machine. Open weights available now on @huggingface, run it locally on your favorite framework or try it for free on @opencode or @pidotdev.
上海AI实验室联合中国科学院金属研究所、苏州国家实验室、上海电气推出自进化合金设计专家模型书生·衍金（AlloyEvo），由AlloyDes生成候选方案、AlloyLLM预测性能与机理、AlloyExp沉淀经验卡三模块协同迭代。
入选理由材料交代了AlloyEvo的设计、评估与经验沉淀模块及钛合金实测结果，材料研究者可据此判断AI驱动合金研发的可用范围。
NVIDIA 发布 Cosmos3-H-Dreams，一个基于 Cosmos3-H-Embodied-Nano 训练、可从视频与机器人运动学学习的手术生成模拟器，能在单张 RTX PRO 6000 GPU 上实时运行。
研究团队提出 OpenVLHarness，一个由能力层和持久多模态记忆组成的多模态推理框架，能力层把异构工具输出渲染成模型可读的观察结果，记忆层保留图像、结构化数据和网页引用，并可通过代码接口在已存数据上执行计算。
Holi-World 是一套整合经验采集、世界表示、自动化数据构建、模型学习与独立评测的生态，其 HoliWorld-Foundry 结合静态与动态感知自动构建世界记录，HoliWorld-Data 将约 100 个自采集场景整理为约 80K QA 对，用于训练 HoliWorld-VL-4B。
ISI Foundation 团队发布开源轻量 RAG 包 EpiLens，用固定检索模板和输出 schema 对语料中每篇论文做同样的结构化分析，并把每条输出链接回原文段落。
MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis Intelligence Index 上得分 42，比前代 M3 高 13 分，单任务成本却不到其一半。
蚂蚁 inclusionAI 发布医疗专用模型 Ling-3.0-flash-Sante，基于 Ling-3.0-flash 构建，总参数 124B、每 token 激活 5.1B，权重已在 Hugging Face 和 ModelScope 开放。
包括2024年诺贝尔化学奖得主戴维·贝克在内的团队开发出生成式AI系统RFdiffusion3（RFD3），可直接从原子层面设计蛋白质和核酸，生成蛋白质结构的速度约为前代系统的10倍。
MIT 研究人员构建了一个面向晶体材料的多模态视觉语言模型，把 3D 原子结构与自然语言描述结合，描述涵盖化学组成、结构、性质、工艺考量与潜在应用，论文发表于 Nature Communications。
华盛顿大学、牛津大学、英伟达等机构组成的国际联合研究团队在《科学》发表 RFdiffusion3 的详细设计方案，该系统可按单个原子建模设计蛋白质与核酸，团队已于 2025 年 12 月 3 日开源。
入选理由论文给出原子级蛋白质设计在酶活性位点上的实测结果，研究者可据此判断该设计流程能否用于自己的酶工程。
研究团队提出 SpatialScout 基准，用于评测视觉语言模型（VLM）智能体在主动物体级三维建图上的表现，包含 80 个室内场景和 3,140 个目标物体。
作者提出 HybridResearcher，一个 4B 智能体，用于在结构化数据与无结构数据之间衔接证据。其做法是从已验证的单源任务出发，围绕桥接实体合成缺失的另一侧数据，只保留两侧单独都不足以回答的样本，再用监督微调加强化学习训练。
Deep Fusion Memory（DFM）是一种块级参数化记忆架构，通过因果记忆预测器从上下文生成记忆，并以门控交叉注意力融入隐藏状态，推理时无需显式检索。其构建训练数据所需的检索查询减少32倍、检索条目减少2048倍。在六个问答任务上，DFM 在 Mistral-7B-v0.3 和 Qwen3-8B-Base 上分别比最强基线提升12.71%和11.19%。
帕洛阿尔托初创公司 Elorian 发布首个模型 Glimpse，以研究预览形式开放 API 和聊天界面，推理中可裁剪图像区域、抽取视频帧或运行代码测量所见内容，公司称其为“视觉草稿空间”。
MJev-Spatial 是一个 System 1 多模态决策模型，把空间理解任务统一为分类框架，直接复用主干预训练 query/key 投影打分，不新增参数，推理时单次前向、不生成答案 token。
研究团队提出面向长周期机器学习工程优化的后训练方法，并据此训练出 35B 混合专家智能体模型 MLExpert。团队设计了 Kaggle-MLE Factory 构造可执行任务与交互环境，用分层智能体 SFT 迁移工具使用和编程能力，并用 Windowed Interaction RL（WIRL）把相邻实验结果之间的多轮决策作为一个执行窗口赋予共享结果奖励。
中国科学院上海天文台团队提出基于生成式人工智能的跨望远镜图像预测方法，利用DESI地面巡天与Euclid空间望远镜真实配对的星系图像，构建从地面受视宁度限图像到空间高分辨率图像的生成式映射。
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，并公开用于生成该语料的 GPU 加速数据生成流程。
入选理由NVIDIA 与 IIT Madras 公开 2.8 万亿 token 的印度语言预训练语料及生成流程，研究者可据此评估多语言模型的训练数据来源。
研究团队在 Nature Communications 发表 LitGene，一个通过对比学习把非结构化文本与 Gene Ontology 注释整合起来、改进基因表示的可解释 transformer 模型。
纽卡斯尔大学团队提出原型系统 NoveltyScope，可将论文 PDF 或 URL 与本地语料中的先前工作对比，输出结构化报告和 1-5 级新颖性评分。系统由 Prosecutor、Defender、Judge、Critic 四个角色评分，引文需与缓存原文核对。
MIT 与 Whitehead Institute 的研究团队开发了机器学习模型 IRIS，通过识别不同信号通路留下的独特基因活动指纹，推断细胞在发育过程中接收过哪些信号。
研究团队提出 DiscoveryRSI 框架，通过多智能体演化搜索构建假设树，把选中的研究方案编译为可执行的 Harbor 任务，并借助假设信用优化、harness 回放和再发现三种机制递归学习。
突发 🔥：Meta 即将发布 Muse Spark Open，这是 Muse Spark 1.2 的开放权重版本！ 据预告，它将是美国最好的开放模型，用户将能在新款 Mac Studio 设备上本地运行。
muse spark open. why 2026 won't be like 1984
Google 发布面向机器人任务的 Gemini 4 Argon，宣称可控制机器人、生成虚拟训练环境并评估训练视频质量，目标是覆盖从单台机器人控制到复现已发表研究的完整流程。
NVIDIA 🔥：全新 Nemotron 3.5 Super VL 模型已发布！ > NVIDIA Nemotron 3.5 Super VL 是一款开放模型，总参数量 120B，激活参数 12B。 > 该模型支持推理、工具调用，具备文本、图像、文档和视频理解能力，面向长时间运行的 AI 智能体。https://x.com/NVIDIAAI/status/2110749836450713896/video/1
