NVIDIA Nemotron 3.5 Super VL 上线 Baseten
NVIDIA Nemotron 3.5 Super VL 在 Baseten 上线，这款 120B 参数混合专家模型每 token 激活 12B 参数，在 Nemotron 3 Super 架构上加入视觉编码器，可读取文档、应用截图和视频并结合推理与工具调用。
全部动态
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。
10月15日
星期四，9 条Apertus 1.5 发布：8B 与 70B 模型新增图像音频理解与 262k 上下文
Project Apertus 发布 Apertus 1.5，在 8B 和 70B 两代模型上新增图像与音频理解、可选思考模式，上下文窗口扩至 262,144 tokens，为 1.0 的 4 倍，权重于 7 月 24 日以 Apache 2.0 许可发布在 Hugging Face。
Meta发布Muse Wonder系列模型
Muse Wonder 和 Muse Wonder Full 在个人与专业智能体任务上达到 SOTA 性能。 在我们的研究者博客上了解更多关于这些模型的信息：https://go.meta.me/musewonder
Terminal-RSI：通过递归自改写与策略精炼实现递归自我改进的终端智能体
Terminal-RSI 通过交替进行已验证轨迹的递归自改写（RSR）与继承评论家的递归策略精炼（RPR），从 Qwen3.8-27B 基座模型经五阶段训练得到 Terminal-RSI-27B，在 Terminal-Bench 4.0 上达 19.84%、Terminal-Bench 2.1 上达 86.52%。
JevAgentHarness：让决策模型与 LLM 共享智能体控制权
研究团队提出 JevAgentHarness，把智能体每步的工具选择等选择题交给决策模型 Jev 处理，仅在置信阈值以下才调用大语言模型，以降低长任务的时间与费用。
Ai2 发布 HiRO-ACEv2 气候模拟系统，3 公里分辨率成本约为原来的三百分之一
Ai2 发布 HiRO-ACEv2 系统，可在 3 公里分辨率下模拟全球极端天气，成本约为原来的三百分之一，同时其统计特征与 X-SHiELD 的偏差在 3% 以内，即使对百万分之一量级的稀有事件也是如此。模型已在 Hugging Face 开放（https://huggingface.co/allenai/HiRO-ACEv2）。
Google 在 Research@ 2026 发布多项科研 AI 能力，Deep Review 公开上线
Google 在 Research@ 2026 活动上公布多项面向科研的 AI 能力，其中 Deep Review 在 STOC、ICML、NeurIPS、ICLR 的 15000 余份投稿中完成部署后正式公开上线。
入选理由Deep Review 已在 STOC、ICML、NeurIPS、ICLR 的 15000 余份投稿中试用后公开，审稿人和会议组织者可据此判断它能否进入评审流程。
Ai2 发布 HiRO-ACEv2，以约三百分之一成本生成全球 3 公里气候数据
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，其降尺度模型 HiROv2 可同时预测多种高分辨率变量，不再只限于降雨，并提升了对极端事件的预测能力。
入选理由Ai2 公布气候模拟系统更新，研究者可据此判断能否用低成本方式生成极端天气的高分辨率数据。
NVIDIA 发布 Nemotron 3.5 Super VL 多模态模型，开放权重并配套后训练数据
NVIDIA 发布 Nemotron 3.5 Super VL，这是一个开放、可定制的多模态模型，采用 120B 参数 MoE 架构、每个 token 激活 12B 参数，融合推理、指令遵循、工具调用与文本、图像、文档、视频理解。
10月14日
星期三，5 条Ai2 发布 HiRO-ACEv2，以约三百分之一成本生成全球 3 公里气候数据
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，其降尺度模型 HiROv2 可同时预测多种高分辨率变量，在给定粗化的 X-SHiELD 数据时，对极端降雨、风速和气压的高分辨率统计量误差在 3% 以内，并能估算热带气旋总能量。
Gemini 4 Argon 模型性能跃升
Gemini 4 Argon 是模型性能的一次阶跃式提升。 近几周，它对我们 @GoogleDeepMind 团队以及外部合作者的科学项目产生了变革性影响，并帮助在多个科学学科领域取得了一系列显著进展。🧵👇
Google DeepMind 发布 Gemini 4 Argon 机器人物理推理模型
Google DeepMind 发布 Gemini 4 Argon，定位为通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。
入选理由材料给出 Argon 在机器人全流程的提示词示例与开放渠道，研究者可据此判断它能否接入自己的仿真与真机工作流。
Google DeepMind 发布 Gemini 4 Argon，面向科研与工程任务并开放 1 万名科学家免费申请
Google DeepMind 发布前沿模型 Gemini 4 Argon，今日起通过 Gemini API 在 AI Studio 和 Gemini 平台面向开发者与企业开放。
入选理由Google 官方给出 Argon 在量子化学、聚变、酶设计与罕见病分析中的具体案例，研究者可据此判断它在自身计算流程中的可用边界。
Google 发布 Gemini 4 Argon，面向科研与工程任务并开放 1 万名科学家免费申请
Google 发布前沿模型 Gemini 4 Argon，今日起通过 AI Studio 和 Gemini 平台的 API 面向开发者与企业开放，Google AI Ultra 订阅者可在 Google Antigravity 使用。
入选理由Google 官方给出 Argon 在量子化学、聚变、罕见病与酶设计上的自测案例，研究者可据此判断它在自身领域的可用边界。
10月13日
星期二，6 条Meta MSL 发布 Muse Wonder 与 Muse Wonder Full：对标 Claude 5.5 的前沿模型
Meta Superintelligence Labs（MSL）发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，第三方评测显示其接近前沿水平。
Ai2 开放发布 Molmo 2 如何帮助 MIT 研究者重思鱼类追踪
Ai2 开放发布视觉语言模型 Molmo 2，公开模型、代码与训练数据，MIT 毕业生 Kai Van Brunt 据此构建了适配声呐鲑鱼视频的 Molmo2Fish。微调后的 Molmo2Fish 在未接受纠正时表现与专用鱼类追踪系统大致相当，且能按自然语言指令自动修正部分追踪错误，但改善自身最强预测仍较困难。该模型仍是研究项目，尚未部署。
HIP：无需求导的 Hessian 原子间势
Nature Computational Science 在线发表 Andreas Burger 等人的工作，提出机器学习原子间势的扩展方法 HIP，可直接预测分子 Hessian。作者称在过渡态搜索、几何优化和振动分析中，其精度和速度优于通过自动微分得到的 Hessian。论文发表于 2026 年 10 月 13 日，DOI 为 10.1038/s43588-026-01066-x。
Cao 等提出统一七种医学影像模态的修复基础模型 AMIFound
Nature Machine Intelligence 在线发表 Cao 等人的研究，提出基础模型 AMIFound，将七种医学影像模态的修复任务统一到一个模型中，可在多种退化条件下完成增强，并保留对诊断有临床意义的信息。论文为预印本之外的期刊在线发表版本，DOI 为 10.1038/s42256-026-01310-z。
OmniCompass：面向全模态视频定位与理解的综合基准
OmniCompass 是一个面向全模态视频定位与理解的综合基准，分设 OmniCompass-VL 与 OmniCompass-AV 两条评测赛道，各含时间定位、空间定位和问答三类任务。
Amazon Web Services 提出 priming 方法：无需从头重训即可改造 Transformer 架构
Amazon Web Services 团队提出 priming 方法，利用预训练 Transformer 权重作为起点，将混合架构的预训练成本降低 99% 以上，相关论文题为《Priming: Hybrid state space models from pre-trained Transformers》。
入选理由Amazon Web Services 提出 priming 方法，把混合架构的预训练成本降低 99% 以上，并开源 8B 与 32B 模型，研究者可据此低成本比较不同状态空间层。
10月12日
星期一，2 条QwenGyre：面向超长程智能体训练的弹性强化学习框架
阿里巴巴 Qwen 团队推出 QwenGyre，将弹性强化学习用于超长程（XLong）智能体训练，核心设计为 Elastic Scheduler 与 Trajectory Processor。
上海AI实验室推出决策模型书生·明决，4B版七项评测平均90.02分
上海人工智能实验室推出决策模型书生·明决（Decision），含0.8B、2B、4B三档参数版本，将原生视觉感知与指令遵循结合，可在读取画面的同时输出结构化决策。
10月9日
星期五，4 条中科院团队提出 JANUS：用协同演化世界模型提升长周期自主科研效率
中科院计算所团队提出 JANUS 框架，用协同演化的世界模型把自主科研从生成-执行-反馈循环改为预测-验证-演化循环，在执行前对候选方案打分并剪枝。
Ai2 在 COLM 2026：从 Olmo Hybrid 到科研智能体 Asta 的开放研究
Ai2 在 COLM 2026 展示了 Olmo Hybrid 研究，该架构将注意力与线性循环层结合，在 MMLU 上以少 49% 训练 token 达到 Olmo 3 7B 的同等准确率，并已用于正在预训练的新一代 Olmo 混合专家模型。
腾讯混元联合复旦、清华发布 ExplorationBench，评测 AI 自主探索与规则发现能力
腾讯混元、复旦大学与清华大学的研究者发布 ExplorationBench，用于衡量 AI 系统自主探索规则的能力，并构建了规则可执行、答案可精确校验的 Alien Worlds 环境。该基准包含 AlienCode（31 处隐藏规则改动、70 个任务）和 AlienLogic（24 条修补后的推理规则、70 个定理），每个答案由解释器或证明检查器评分，不使用 LLM 评判。在 10 个前沿 AI 系统上的测试显示，获得反馈比单纯思考更有效，AlienCode 中最佳系统经四轮探测从不超过 15.7% 提升到 89.0%，而同样轮次无反馈仅 0.5–11.0%；同一系统在同一预算下得分可在 5.7% 到 79.0% 之间波动。论文见 arXiv:2609.30199，代码即将开放。
引用Tencent Hy@TencentHunyuanNew Research: We are releasing ExplorationBench, a benchmark for measuring how AI systems explore. Scientific discovery begins where known problems end: a system has to frame hypotheses, design experiments, and learn from the results. Evaluating this is hard. Genuinely new answers cannot be checked quickly, and in familiar domains a model can simply recall what it has seen. Addressing this challenge, researchers from Tencent Hy, Fudan University, and Tsinghua University built verifiable Alien Worlds. Their rules are executable, so every answer is checked exactly, and they conflict with familiar knowledge, so recall alone cannot solve the tasks. 🔹 Two sandboxes: AlienCode (31 hidden rule changes, 70 tasks) and AlienLogic (24 patched inference rules, 70 theorems) 🔹 A flawed manual, four rounds of self-designed probes, and closed-book tests after every round 🔹 Every answer graded by an interpreter or a proof checker, with no LLM judge What we found across 10 frontier AI systems: 1️⃣ Getting feedback is more effective than thinking alone. No AlienCode run starts above 15.7%; after four rounds the best reaches 89.0%, while the same turns without feedback stay at 0.5–11.0%. 2️⃣ Designing the experiments matters. Replaying a system's own best probes gives it exactly the same evidence, yet in AlienCode 9 of 10 systems do worse than when they chose the probes themselves. 3️⃣ Knowing a rule is not using it. Even when every required rule is stated correctly, tasks are solved only 73.4% of the time. 4️⃣ One score hides a lot. The same system under the same budget ended anywhere from 5.7% to 79.0%, and rankings barely transfer between the two worlds. CL-bench asked whether models can learn from context. ExplorationBench asks whether they can discover the rules themselves. 📄 Paper: https://arxiv.org/abs/2609.30199 🌐 Website & leaderboard: https://explorationbench.com 📝 Blog: https://explorationbench.com/blog/ 💻 Code (coming soon): https://github.com/Tencent-Hunyuan/ExplorationBench
入选理由腾讯混元联合复旦、清华发布可验证基准，用规则可执行的外星世界考察 AI 能否自主发现规则，而非依赖记忆。
OneSearch-VL：面向图像与视频的统一多模态深度研究智能体
arXiv 预印本提出 OneSearch-VL，一个以视觉锚定证据图 VGEG 为核心、统一处理单图、多图与视频深度研究的智能体，将视觉定位、外部检索与事实组合的依赖关系编码为任务级参照，用于数据构建、过程监督与操作级评测。
10月8日
星期四，1 条SAIL：面向文献研究与科学编程的35B开源科研智能体模型
研究团队发布 SAIL，一个总参数 35B、激活参数 3B 的开源模型，面向文献研究、科学编程和多步研究流程。该模型通过科学感知的改进循环开发：由前沿 AI 模型驱动的智能体分析其任务失败，并针对文献任务中的检索与证据选择、编程中的科学假设与推理、长流程研究中的规划与修订等能力缺口构造训练任务，再经监督微调、专项训练、多教师同策略蒸馏和智能体强化学习训练。
10月7日
星期三，1 条Ai2 的 Bolmo 字节级语言模型研究发表于 Nature，并开源新检查点
Ai2 宣布其 Bolmo 字节级语言模型研究已发表于 Nature，并在 Hugging Face 发布新检查点，把 byteifying 方法从 Olmo 扩展到其他模型家族。
入选理由Ai2 公开了把子词模型转换为字节级模型的 byteifying 流程与检查点，研究者可据此评估字节级路线能否替代固定词表方案。
10月6日
星期二，2 条Google 用地球 AI 人口动态基础模型 PDFM 支持全球公共卫生建模
Google 以 Earth AI 中的 Population Dynamics Foundation Model（PDFM）为概念验证，把搜索趋势、人口流动、建成环境密度和环境决定因素压缩为按月更新的位置嵌入，无需任务微调即可作为即插即用输入接入现有流行病学模型。
入选理由Google 公开 PDFM 位置嵌入在五类公共卫生任务中的合作评估结果，研究者可据此判断地理空间基础模型能否接入现有流行病学建模流程。
Gan Jiang：面向粉末 X 射线衍射的自学习科学代理
香港科技大学（广州）、伦敦大学学院等团队提出自学习衍射分析代理 Gan Jiang，它把分析经验写成可执行技能，通过诊断失败、修改技能指令与代码并在复用前验证，在不重训语言模型、不改物理模型的前提下改进分析流程。