Latest

Training on real clinical archives lets a specialized model beat general frontier systems on both capability and resistance to leading clinical prompts — a notable result for medical AI evaluation methodology. Radiology teams, hospital AI buyers and health AI developers should examine its benchmark design, especially the longitudinal comparison task, when assessing clinical imaging products.

#Neuro-VL #vision-language models #medical imaging #radiology

Event

arXiv: OpenAI@Chenhui Zhao et al. (22)Source

RisingGemini 4 Hydrogen Colette Kress Hydrogen Outlook More →

Nov 11

Models Builders13:55

Chinese contentTimeSeek 提出多任务多域预训练，统一时间序列预测、异常检测与分类

这个 TimeSeek 把预测、异常检测、分类三个任务塞进了一次预训练里，架构上按领域自适应提取特征，不再只靠堆 Transformer 层。做时间序列的工程师可以对比一下 TimesFM、Chronos 这类单任务模型，看 few-shot 和 zero-shot 成绩是否真能省掉多套模型的维护成本。

#TimeSeek #时间序列 #TimeSer 基础模型 #异常检测

arXiv cs.LG@Peng Chen et al. (9)Source

Models Builders13:53

Chinese contentUGG：统一生成式模型同时搞定 4D 场景的 RGB 视频与几何

一个模型同时出视频、深度和相机位姿，靠分模态噪声设计把生成和预测合成一件事。做 3D、视频生成或具身的开发者值得看看，稀疏观测下的几何预测成绩比拆开来的基线都强。

#UGG #视频生成 #深度估计 #多模态

arXiv cs.LG@Amani Kiruga et al. (7)Source

Models BuildersMulti-source10:51

Chinese contentExpertCrowd-SWE发布：100个专家工程任务测试编程智能体

想让编程智能体在陌生大仓库里干真活的人该看看这个基准。它不是改几行的小修小补，而是工程师写的真实变更请求，评分器能识别偷懒和作弊补丁。榜单上 Claude Opus 5.5 和 GPT-6 Astra 基本打平，选型做对比时很实用。

#ExpertCrowd-SWE #Claude #GPT #DeepSeek

Event

arXiv: DeepSeek@Josip Vrdoljak et al. (7)Source

Nov 10

Models Builders10:58

Chinese contentPatternBloom 让 Agentic RAG 学会可复用的推理图模式

搞 RAG 智能体的值得看看：它不再只检索文本，而是把 RL 训练出的推理骨架存成图谱记忆给 agent 复用。7B 模型跑赢了 27 个基线 15 个点，代码也开源了，想做深度推理检索的团队可以直接抄作业。

#PatternBloom #Agentic RAG #强化学习 #RAG

arXiv cs.AI@Yi Ge, Heng HuangSource

Models BuildersMulti-source10:58

Chinese contentHibana：面向统一内存设备的本地智能体推理引擎

想在本地跑大模型智能体的开发者可以看这篇。它专门针对 DGX Spark 这类统一内存设备优化，跑 125B 的 Qwen、Nemotron 比 vLLM、llama.cpp 快 3 到 4 倍，还能保存智能体状态随时恢复，代码也开源了。

#Hibana #vLLM #llama.cpp #DGX Spark

Event

arXiv cs.AI@Yahya Emara et al. (8)Source

Nov 9

Models Builders10:42

Chinese contentPhysioWave-T：面向生理信号的 token 高效小波基础模型

一份开源的生理信号基础模型，EEG 在 9 项指标里 8 项超过 LaBraM 和 EEGPT，延迟还降了最多 7 倍，做脑电或肌电的可以直接看代码。

#PhysioWave-T #EEG #ECG #基础模型

arXiv cs.AI@Yanlong Chen et al. (5)Source

Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.

Email Telegram channel

Nov 6

Models Builders11:58

Chinese contentInnerLogic-Surg 开源手术视觉基础模型，20 项任务全部领先

外科手术版的 DINOv3，用近 2900 小时手术视频训练出的开源视觉编码器，20 个手术任务全胜，做医疗影像的可以拿来当 backbone。

#InnerLogic-Surg #DINOv3 #手术视觉 #开源模型

arXiv cs.AI@Kun Yuan et al. (8)Source

Models BuildersSelected11:29

PlayGen2 Real-Time World Model Uses Explicit 3D State

The architectural split between 3D state prediction and rendering avoids the drift that plagues video-frame-recurrent world models, and the laptop-scale latency shows the approach runs on consumer hardware rather than data-centre GPUs. Developers building playable-world or interactive-simulation demos can download the code and weights and extend the framework to other games or rule-based gameplay. It compares with video-only world models like Genie-style systems by trading appearance realism for spatial persistence and control.

#PlayGen2 #world models #Doom #3D state

arXiv cs.LG@Jihai Zhang et al. (6)Source

Models BuildersMulti-source11:01

Chinese content微信团队发布 WeLM-Image：统一图像生成模型

微信团队开源的图像模型，理解编辑生成一条龙，单卡 H20 五秒出图，三项开源榜第一，做图像应用可以关注。

#WeLM-Image #文生图 #图像编辑 #MoE

Event

arXiv cs.AI@Canmiao Fu et al. (16)Source

Nov 3

Models10:45

Chinese contentX-World 1.6 发布：用世界模型构建可控虚拟城市

X-World 1.6 把世界模型做成了自动驾驶仿真器，能从一张图生成多摄像头视频，还能精细控制红绿灯和车道线，做闭环测试的可以看看。

#X-World #世界模型 #自动驾驶 #视频生成

arXiv cs.AI@XPeng et al. (36)Source

Nov 2

Models Builders10:10

Chinese contentRTL-Interact 发布：单一模型可结合 EDA 工具反馈修正 RTL 代码

芯片设计方向的新工作，32B 模型在 CVDP 上超过了它的老师 DeepSeek-V3.2，还能自己调 EDA 工具改代码，做 RTL 的可以看看。

#RTL-Interact #DeepSeek-V3.2 #CVDP #VerilogEval

arXiv cs.AI@Wenxuan Shi et al. (16)Source

Oct 28

Models Builders10:26

Chinese contentTimestral：四个参数规格的时间序列基础模型开源

一个时间序列预测的开源基础模型系列，209M 和 123M 在 GIFT-Eval 等三个基准上拿下前两名，权重直接能下。

#Timestral #时间序列预测 #开源模型 #GIFT-Eval

arXiv cs.AI@Adrien Petralia et al. (356)Source

Models Builders09:24

Chinese contentGUI-JEPA：无解码器架构让移动端 GUI 智能体提速 4 倍

上海交大做了个不走 VLM 逐字解码的 GUI 智能体，比 Qwen2.5-VL-7B 快 4 倍、参数只要 6%，做移动端自动化的可以看看。

#GUI-JEPA #Qwen2.5-VL #JEPA #GUI智能体

arXiv cs.AI@Bingchao Wang et al. (8)Source

Oct 27

Models BuildersMulti-source12:32

Chinese contentdSpark：用调度蒸馏加速扩散语言模型生成

VILA-Lab 的 dSpark 让 LLaDA-8B 和 Dream-7B 这类扩散语言模型在 GSM8K 上最多快 10 倍，方法论文和代码都放出来了。

#dSpark #LLaDA #Dream-7B #扩散语言模型

Event

arXiv cs.LG@Aidar Myrzakhan, Zhiqiang ShenSource

Models BuildersSelected09:20

ProtAgent-8B Matches Frontier Models on Protein Tool Tasks

Interaction-level credit assignment, not raw model scale, is what closes the gap with frontier systems here — a 671B model loses by roughly 20 points under the same protocol. Researchers building tool-using agents in specialized domains can apply the same step-level reward scheme without frontier API budgets. The authors' caveat that annotation coverage does not prove biological correctness is worth keeping in mind when comparing reported scores.

#ProtAgent #DeepSeek #agents #fine-tuning

arXiv: DeepSeek@Yuxiang Wang et al. (6)Source

Oct 26

Models Builders12:09

Chinese contentYalda-Embedding：595.8M 参数的波斯语检索模型开源

一个开源的波斯语检索模型，0.6B 大小打平 4B 的 Qwen3 原版，做小语种 RAG 的可以看看它的蒸馏配方。

#Yalda-Embedding #Qwen3-Embedding #FaMTEB #开源模型

arXiv cs.AI@Yalda Taheri et al. (3)Source

Oct 23

Models Builders09:57

Chinese contentnnInteractive Agent：用通用 AI Agent 自动完成 3D 医学影像标注

德国团队把 3D 医学影像标注交给 Claude Code 这类 Agent 干，说一句“分割咀嚼肌”就能出结果，代码开源了，搞医学影像的可以上手试试。

#nnInteractive #Claude Code #MCP/工具 #医学影像

arXiv cs.LG@Fabian Isensee et al. (6)Source

Oct 22

Models Builders09:38

Chinese contentPerplexity 发布 pplx-embed-v2-late 嵌入模型，0.6B 与 9B 两个规格

Perplexity 开源了 0.6B 和 9B 两款多模态嵌入模型，0.6B 就能打大模型，还支持 9B 建库、0.6B 查询的省资源玩法，做检索的可以试试。

#pplx-embed-v2-late #Perplexity #嵌入模型 #检索

arXiv cs.LG@Markus Krimmel et al. (11)Source

Oct 20

Models Builders12:50

Chinese contentStanford 提出 Halcyon：无需语言预训练的文生图模型

Stanford 训了一族不靠语言预训练的文生图模型 Halcyon，算力省几百倍还能打赢 LlamaGen，思路挺反直觉，代码也放出来了。

#Halcyon #LlamaGen #文生图 #自回归模型

arXiv cs.LG@Keshigeyan Chandrasegaran et al. (8)Source

Oct 19

Models Builders12:17

Chinese contentDrugHarness 发布：可进化的药物发现智能体框架

这个智能体框架专门给药物研发用，会自己从实验轨迹里学新技能，拿 Qwen 跑出来的准确率能提近 19 个百分点，还能和真实湿实验对上。

#DrugHarness #MolBench #Qwen #智能体

arXiv cs.AI@Yuxing Chen et al. (23)Source

Models Builders10:01

Chinese contentOptimist Deep Research：开源迭代式文献研究智能体

开源的文献综述智能体，能把一个问题拆成子问题树，自动去 arXiv、PubMed 等六个数据源检索并滚雪球扩展，3 分半读了 28 篇文献，每条引用都能溯源。

#Optimist Deep Research #RAG #智能体 #开源模型

arXiv cs.AI@Gihan PanapitiyaSource

Oct 15

Models Builders12:45

Chinese contentPlayer-1发布：用合成经验做游戏智能体后训练框架

一篇教游戏智能体超越演示数据的新方法，用16个合成环境做强化学习，MineDojo-300成功率从12.63%拉到38.33%，做agent训练的可以看看。

#Player-1 #强化学习 #智能体 #PPO

arXiv cs.AI@Mingyu Ouyang et al. (12)Source

Models BuildersMulti-source12:41

Chinese contentAgaram 2.5B：首个从零训练、支持工具调用的泰米尔语优先模型

一家小团队花 1.33 万美元从零训了个泰米尔语小模型，8 张 H100 六天搞定，还开源了权重和训练细节，低资源语言玩家可以抄作业。

#Agaram #泰米尔语 #开源模型 #微调

Event

arXiv cs.LG@Ramchand Kumaresan et al. (3)Source

Oct 14

Models US vs China23:00

Chinese contentAssetForge：资产增强任务合成助力商业自动化智能体

AssetForge用可重用资产库替代重复基础设施工作，在AutomationBench上准确率提升4.4倍，比传统方法高35.7%。

#AssetForge #Qwen3.6-35B-A3B #GLM-5.3 #AutomationBench

Event

arXiv: DeepSeek@Xiangrui Liu et al. (3)Source

Models BuildersMulti-source22:48

Chinese contentReTerm：自我修复终端智能体训练方法

ReTerm能从自身错误中学习，终端任务恢复能力提升显著

#ReTerm #Qwen3.5-9B #Terminal-Bench #GRPO

Event

arXiv cs.LG@Wei Xie et al. (6)Source

Oct 12

Models Builders71°18:16

Chinese contentPrompteina：用自然语言生成蛋白质结构的全原子模型

把文生图那套搬到了蛋白质设计上，用文字描述想要的蛋白结构就能生成，还做出了针对 GM2A 的实验验证结合剂。

#Prompteina #蛋白质设计 #文本生成结构 #生物计算

arXiv cs.LG@Joseph Lee et al. (10)Source

Models BuildersMulti-sourceSelected10:30

Adaptive DHiSparse Speculative Decoding

This approach solves a critical bottleneck in long-context AI serving by enabling more efficient memory usage while maintaining high throughput. The technology allows models to handle significantly larger contexts without hitting memory limits, which directly impacts real-world applications requiring extensive context windows. Developers working with large language models should consider this optimization technique to improve performance in production environments.

#Adaptive DHiSparse #GLM-5.3 #DeepSeek-V4.1-Flash #speculative decoding

Event

arXiv: DeepSeek@Naji Alazhar, Wassel AlazharSource

Oct 9

Models BuildersSelected10:21

StoreBench Live-Commerce Agent Evaluation

StoreBench introduces a dynamic, production-grade environment that reveals significant gaps between current LLM capabilities and human performance in e-commerce operations. The benchmark's realistic challenges - including supplier failures and market shocks - provide a more rigorous test than static evaluations. Researchers and developers can access five training tasks and sample trajectories to improve agent performance in complex, time-sensitive commercial scenarios.

#StoreBench #autonomous agents #e-commerce #reinforcement learning

Event

arXiv: DeepSeek@Daksh Raghuvanshi et al. (3)Source

Models Builders10:20

Chinese contentSpaceFlow：局部可控的3D生成方法

SpaceFlow让你能精确控制3D模型的局部形状和外观，每个部分可以单独设置控制级别，解决了现有方法全局控制的局限。

#SpaceFlow #3D生成 #局部控制 #几何原语

arXiv cs.AI@Neil De La Fuente et al. (8)Source

Models Builders10:20

Chinese contentOnTrack：实时监控LLM代理轨迹

OnTrack实时监控LLM代理，比传统方法更快发现问题，能提前18%节省计算资源。

#OnTrack #LLM Agent #流式监控 #SWE-bench