基础模型相关 AI 资讯

8月18日

10:04

官方账号arXiv cs.AI@Yonghe Sun, Zhenjia Liu, Hua Liao, Wenjia Xu, Nai Yang, Weihua Dong, Zhiwei Wei

研究发现，色调选择对基础模型的空间推理影响有限且不稳定，而打乱序列配色顺序会显著降低模型性能，尤其在比较和排序任务中。研究构建了包含5,760张地图和28,800个问题的基准，评估21个开源及专有多模态模型。降低明度对比度同样持续损害推理能力，而过度增加对比度仅带来边际收益。LoRA微调提升了整体准确率，但保留了这些相对敏感性。实验还表明，错误源于颜色与图例解码、空间推理以及主题属性与空间结构的整合。

论文等值线图空间推理基础模型

推荐理由：论文用5,760张地图测了21个模型，发现配色顺序和对比度比色调更影响AI读图。做地图可视化或调模型时值得看一眼。

原文

8月17日

10:16

官方账号arXiv cs.LG@Syed Abdul Haseeb Qadri, Bjarne C. Hiller, Felix Blanke, Vanja Sophie Cangalovic, Kutalmış Coşkun, Amin Mirzaei, Tom Siegl, Sebastian Bader, Thomas Kirste, Martin Becker

CytoBERT是一个开源的细胞计数数据基础模型，支持可变标记面板。它在15个人类数据集、超过5000万个细胞上自监督预训练。通过标记标准化，模型学会跨数据集的细胞间标记关系。在样本级分类任务上微调后，证明了跨异质细胞计数数据集的迁移学习可行。代码已公开在GitHub。

AI模型 CytoBERT 细胞计数基础模型

推荐理由：流式细胞数据太杂不好统一？CytoBERT在5000万细胞上预训练，换数据集微调即用，避免从头训练。

原文

8月15日

04:49

官方账号Pika Labs@pika_labs

70°

Pika Labs 今日发布 Pika Audio 模型，包含 4 个前沿基础模型，覆盖生成式声音全频谱。官方表示其定价比市场所有音频模型都低，最高便宜 20 倍。目前仅通过 X 平台公布，附带演示视频，技术细节尚未披露。

AI模型 Pika Pika Audio 音频生成

推荐理由：Pika 突然出了音频模型，4 个基础模型，还比市面便宜 20 倍，做视频的可以顺便看看。

原文

8月11日

10:54

官方账号arXiv cs.LG@Peter Lorenz, Anjith George, Marcel Sébastien

该研究系统评估了32个基础模型在人脸呈现攻击检测（PAD）中的表现，涵盖不同架构和训练流程。零样本提示在所有模型家族和规模下性能接近随机水平。使用少于1%可训练权重的LoRA低秩适配，多数情况下可实现低于2%的集内ACER，但跨数据集ACER显著更高。研究指出LoRA主要优化集内决策边界，预训练表示和适配数据集对跨数据集泛化的影响大于轻量适配策略。

论文 LoRA 人脸防伪基础模型

推荐理由：这篇论文用32个模型实测告诉你，LoRA不是万能药，人脸防伪跨数据集还是得看预训练底子和数据。

原文

8月5日

12:19

官方账号arXiv cs.AI@Alexander Meulemans, Maciej Wołczyk, Marissa A. Weis, Rajai Nasser, Roberta Rocca, Seijin Kobayashi, Guillaume Lajoie, Angelika Steger, Blake Richards, Marcus Hutter, James Manyika, Rif A. Saurous, João Sacramento, Blaise Agüera y Arcas

arXiv 论文 2608.03958 研究基础模型智能体在社会困境中的博弈行为，发现其最优规划会稳定收敛到合作，与经典博弈论预测的相互背叛相悖。作者提出“嵌入式贝叶斯智能体”理论模型，将智能体视为宇宙的一部分，对自身决策算法保持认知不确定性。通过推断他人行为相似性，智能体将自身合作决策视为相似伙伴也会合作的证据。论文提出“嵌入式均衡”替代纳什均衡，为现代 AI 智能体的社会行为建立基础博弈论。

论文博弈论基础模型智能体

推荐理由：这篇论文解释了为什么 AI 智能体比经典博弈论预测的更合作，提出了一套新理论框架，搞 AI 安全和多智能体系统的人值得看看。

原文

8月4日

12:24

官方一手arXiv: OpenAI@Masahiro Oda

这篇综述聚焦扩散模型与大型语言模型在医学影像处理中的应用。文中以DALL-E 3、Stable Diffusion为例介绍图像生成模型，以ChatGPT、Gemini为例介绍文本生成模型。文章概述了这些模型在诊断报告生成、医学摘要等医疗支持任务中的用途。还探讨了基础模型的构建方法及其在医学领域的应用，并提出了利用国家级数据与算力开发医学AI的路径。

论文医学影像扩散模型大语言模型

推荐理由：这篇arxiv论文把扩散模型和大语言模型在医学影像里的应用讲得挺清楚，还介绍了基础模型怎么建，适合想了解医疗AI技术路线的人。

原文

7月29日

00:07

官方账号Decoder@Matthias Bastian

72°

亚马逊将缩减其大部分自研Nova AI模型的开发投入，包括Nova Premier、Omni、Reel和Canvas。这些模型仅保持对现有客户的基本运行，不再进行积极迭代。与此同时，亚马逊组建了新的Frontier Model Research团队，并计划在2025年秋季re:Invent大会上发布一款全新的基础模型。这一战略调整反映了亚马逊在AI领域的重心转移。

行业 Amazon Nova Frontier

事件专题

推荐理由：亚马逊砍掉了好几个Nova模型，集中精力搞新Frontier团队了，秋季re:Invent上会有新模型亮相。投资方向变了。

原文

7月28日

00:14

官方账号Microsoft Research@MSFTResearch

精选

微软研究院主导的AI Foundations for Power Grids workshop将在NeurIPS 2026举行，面向电网领域征集稿件。截止日为8月29日，主题涵盖基准测试、模型训练、可靠性、基础模型及实际部署。该研讨会旨在探索AI在电网调度与稳定运行中的落地方法。

行业 MSR NeurIPS 2026 电网

推荐理由：微软研究院搞了个电网AI研讨会，正在收稿，研究这个方向的快看截止日8月29，别错过。

原文

7月27日

10:57

官方账号arXiv cs.LG@Marc Girona-Mata, Jakob Gawlikowski, Sumit Goski, Gautier Bardi de Fourtou, Valentin T. Bickel, Ben Moseley, Abigail Calzada-Diaz, Sylvester Kaczmarek, Raúl Ramos-Pollán

LunarFM是一个多模态基础模型，整合了来自3次月球任务的6种仪器数据，将18个输入通道映射到共享嵌入空间。该模型支持相似性搜索、少样本资源映射、矿物丰度回归和地质单元分类等下游任务。研究提供了从南纬70°到北纬70°的机器学习就绪数据集，以及预训练的多模态掩码自编码器。模型输出768维的月球表面属性表示，代码和数据均已开源。

AI模型 LunarFM 多模态基础模型

推荐理由：LunarFM把三个月球任务的六种仪器数据整合成一个模型，能直接做资源识别和地质分类，开源数据集和代码。

原文

10:56

官方账号arXiv cs.LG@Sergey Musienko

Nimbus Personalizer提出了一种与骨干无关的API，可在EEGNet、Shallow、Deep、Conformer、ATCNet五种经典骨干以及REVE基础编码器上统一运行，无需为每种架构设计新的个性化堆栈。在四个MI数据集的18个实验单元中，该API通过廉价默认头部恢复了大部分微调精度，适应时间降低多个数量级。校准仅当数据干净时有效，在12/18个单元中成立。所有结果基于受试者自助法，无确认性检验，适用范围由配套工作提供决策逻辑。

论文 Nimbus Personalizer 脑机接口 EEG

推荐理由：这篇论文给BCI个性化提供了一个通用API，不用每个模型另起炉灶，在5种骨干和4个数据集上都跑通了，效率还比微调高。

原文

7月23日

19:32

官方账号Decoder@Matthias Bastian

Alphabet将2026年投资预测上调至2050亿美元。Google Cloud第二季度收入增长82%。CEO Sundar Pichai表示Gemini的下一次飞跃需要构建更大的基础模型，并已启动Gemini 4的训练。

AI模型 Google Gemini Gemini 4

事件专题

推荐理由：Google要砸2050亿美元推Gemini 4，Pichai说模型规模是关键，看看他们怎么规划下一步。

原文

11:33

官方账号arXiv cs.AI@Soroosh Tayebi Arasteh, Sebastian Ziegelmayer, Mahshad Lotfinia, Lisa Adams, Sven Nebelung, Jakob Nikolas Kather, Daniel Truhn

该论文研究了医学影像基础模型表征收敛的原因。通过对比18个图像编码器和7个文本编码器（参数从7M到27B，涵盖五种成像模态，使用650,982张胸片），发现自监督目标的收敛度（40.4%）远高于标签监督（21.1%）和图像-文本（3.3%）。收敛度随模型规模增长不显著（Spearman 0.302，p=0.223）。线性分类器跨编码器转移后仍保留约85%的原始性能。结论是自监督目标而非临床监督驱动了表征收敛。

论文医学影像自监督学习表征学习

推荐理由：这篇论文用大量数据和对照实验拆解了医学基础模型表征收敛的真正原因，发现关键不是临床标签而是自监督目标，对训练和评估模型很有启发。

原文

00:43

Y Combinator@ycombinator

当前AI在代码、语言和图像领域因海量数据达到超人水平，但对物理世界的理解仍受限于稀疏传感器和基于直觉的模型。YC提出，更便宜的传感器和更好的基础模型可以解锁能源、农业、物流、建筑和气候等领域的新数据集。一旦精确建模物理世界，就能开始控制它。

行业 YC 传感器基础模型

推荐理由：YC说物理世界数据太少，用便宜传感器和好基础模型能解锁能源、农业这些领域的新数据，挺有启发的。

原文

7月20日

09:14

官方账号arXiv cs.AI@Olayiwola Arowolo, Maosheng Yang, Jochen Cremer

该论文提出使用表格基础模型（TFM）进行电力系统预故障动态安全评估，无需针对每个故障单独训练分类器。在IEEE 68-bus系统上，单个TFM仅用每个故障120个标记样本（约为传统所需样本的1%）即可达到约90%的平均Macro F1得分，且无需重训练或超参数调优。对于未见过的故障，仅用10个新故障样本配合电气距离坐标（EDC）编码，就能匹配最佳迁移学习模型性能。

论文 tabular foundation model dynamic security assessment IEEE 68-bus

推荐理由：看看这个新思路：用表格基础模型做电力系统安全评估，每个故障只需要120个样本就能达到九成准确率，比传统方法省了两个数量级的标注数据。

原文

7月17日

09:52

官方账号arXiv cs.AI@Weishuai Zeng, Kangning Yin, Xiaojie Niu, Shunlin Lu, Weixiang Zhong, Jiahe Chen, Feiyu Jia, Xiao Chen, Zirui Wang, Furui Xu, Ming Zhou, Kailin Li, Weinan Zhang, He Wang, Li Yi, Dahua Lin, Jiangmiao Pang, Jingbo Wang

72°

该论文提出行为基础模型（BFM）的缩放配方，核心包括运动跟踪学习范式、策略同步量与参考动作多样性的协同、以及可扩展的Humanoid Transformer架构。在仿真和真实世界部署中，Humanoid Transformer将局部模式下的平均关键点位置误差（MPKPE）降低10%以上，全局模式下降低82%。相比现有仿人控制器，该方法显著提升了控制保真度和任务泛化能力。论文验证了BFM作为通用仿人控制基础的有效性。

论文 BFM Humanoid Transformer 人形机器人

推荐理由：这篇论文把仿人机器人控制的缩放问题拆解清楚了：Humanoid Transformer配合特定训练范式，让MPKPE直接降了82%，比现有控制器强一大截。

原文

01:40

elvis@omarsar0

该综述论文（arXiv:2607.13104）系统梳理了自我改进智能体从研究原型到实际部署的进展。它将现代智能体定义为“基础模型+操作脚手架”的组合，并形式化自我改进为一种自我诱导的更新操作符，能对模型或脚手架进行修改。论文涵盖了多种自我改进范式，包括基于反馈循环、经验回放和自动提示优化的方法。

论文智能体自我改进论文

推荐理由：想了解智能体怎么自己变强？这篇综述把自我改进拆解成模型和脚手架两个维度，框架清晰，适合入门和参考。

原文

7月16日

11:33

官方账号arXiv cs.LG@Mustafa Chasmai, Vincent Dumoulin, Jenny Hamer

MetaPerch是一种新的生物声学基础模型，通过利用Xeno-Canto等公民科学平台上的元数据（如地点和时间）作为辅助监督信号。该模型在17个生物声学数据集上评估了9种不同元数据源的效果，显著提升了物种识别性能。MetaPerch在多个挑战性领域达到了最先进的物种检测结果，尤其解决了实际被动声学监测中的物种分布和声学域偏移问题。

AI模型 MetaPerch 生物声学基础模型

推荐理由：MetaPerch通过引入元数据作为辅助信号，让生物声学模型学会了更多环境关联信息，在多个数据集上比现有模型更强。

原文

7月13日

17:23

官方账号Decoder@Tomislav Bezmalinović

73°

Google Research推出了SensorFM，这是一个在超过1万亿分钟穿戴设备数据上训练的基础模型，数据来自500万Fitbit和Pixel Watch用户。该模型在35项健康和行为任务中击败了34项现有基准。SensorFM可能为Google的AI健康教练提供动力，但公司尚未宣布任何整合计划。

AI模型 SensorFM Fitbit Pixel Watch

推荐理由：Google用500万用户上万亿分钟数据训练SensorFM，在34/35项健康任务上超越现有模型，可能成为未来健康教练的核心。

原文

08:40

官方一手marktechpost@Asif Razzaq

精选

密歇根大学提出NeuroVFM，在524万临床MRI和CT体积上训练。其Vol-JEPA算法将I-JEPA和V-JEPA扩展到三维医学影像。该模型无需放射学报告标签即可学习脑部解剖和病理。

AI模型 NeuroVFM Vol-JEPA 神经影像

推荐理由：密歇根大学NeuroVFM，用Vol-JEPA在524万MRI/CT上无监督训练，学脑解剖和病理，无需放射报告。

原文

7月12日

16:34

官方一手pandaily@contact@pandaily.com (Pandaily)

PHANES AI 由 28 岁的哈工大教授杨朔创立，近日发布了触觉基础模型 TouchWorld。该模型通过预测和反应式触觉信号，使机器人能够完成精确的物理任务，如抓取易碎物体或装配精密零件。TouchWorld 在多个灵巧操作基准上取得了显著提升，相比传统视觉方法错误率降低 60% 以上。

AI模型 PHANES AI TouchWorld 机器人触觉

推荐理由：PHANES AI 的 TouchWorld 让机器人真正有了触觉，能在你不知道怎么用力的时候自己调整，完成精细活儿。

原文

7月10日

16:56

官方一手marktechpost@Michal Sutter

73°

Google Research 联合 DeepMind 等团队推出 SensorFM，一个基于 ViT-1D 掩码自编码器架构的可穿戴健康基础模型。模型在超过 1 万亿分钟来自 500 万参与者的未标注传感器信号上预训练。实验对比 4 种模型规模和 4 种数据量，发现当模型容量超过数据量时性能仍可提升。使用冻结嵌入加 PCA-50 线性探针，在 35 个健康任务中的 34 个上超过了传统特征工程基线。团队还通过 agentic 教室搜索了 30,516 个预测头，并进行了临床评估以验证个人健康智能体。

AI模型 SensorFM Google Research 可穿戴健康

推荐理由：谷歌用海量传感器数据训了个健康大模型 SensorFM，在 35 项任务里赢了 34 个，比传统方法靠谱多了，做可穿戴健康的朋友可以看看。

原文

7月9日

03:25

techcrunch@Rebecca Bellan

General Intuition计划使用数百万小时的视频游戏数据来训练机器人基础模型，减少对真实世界数据的需求。该公司认为这种方法能像ChatGPT改变语言AI一样改变物理AI。其目标是通过模拟环境中的海量数据，让机器人学习通用技能，然后在少量真实数据下快速适应新任务。目前该方向仍处于早期阶段，但已吸引投资者关注。

AI模型 General Intuition 视频游戏数据机器人

推荐理由：这家初创公司想用游戏数据训练机器人，让它们学得更快更省钱，思路挺有意思，可能改变整个行业。

原文

7月8日

10:07

官方账号arXiv cs.LG@Jake Bowden, Laurence Legon, Satnam Surae

Canopy是一个异构图基础模型，整合了10个数据源构建成包含690万个节点（13种类型）和34种边的知识图谱。它使用ESM-2、MoLFormer和PubMedBERT等域专用基础模型编码节点特征，并通过异构图Transformer（HGT）进行预训练。在发酵滴度预测任务中，冻结的Canopy嵌入达到了R²=0.41，远超表格基线（最佳R²=0.24）和同质GNN变体。

论文 Canopy 代谢工程图神经网络

推荐理由：Canopy把基因、蛋白质、代谢物等生物数据全揉进一个图模型，预测发酵产量比传统方法准了将近一倍，搞合成生物学的可以看看。

原文

09:01

官方一手arXiv: DeepSeek@J de Curtò, Victoria Guillén, I. de Zarzà

本研究提出LLMForge，一个多模型文本到CAD框架，集成JSON模式验证、解析特征评分、网格合成和多轮迭代优化。在包含97个工程设计问题的基准上评估了DeepSeek-V3.2、Qwen3-235B-A22B等7个基础模型。IterTracer批评机制使用Phong着色光线追踪和分析视觉指标（轮廓IoU、孔可见性、边缘间隙等），四个最优模型平均得分在0.885-0.890之间，网格成功率98.97%。IterVision采用Qwen2.5-VL-72B作为VLM语义批评，实现100%水密网格生成，但在旋转对称几何体（如圆柱）上视觉与语义评分存在分歧。

论文 LLMForge IterTracer Qwen2.5-VL-72B

推荐理由：这篇论文用97个机械设计问题系统测试了7个模型，LLMForge的两种批评机制各有优劣，VLM批评做到100%水密网格但旋转体仍有缺陷。

原文

7月2日

14:00

AI Will@FinanceYF5

73°

Google Research 发布了 TabFM，一个专门针对表格数据的基础模型。该模型支持零样本预测，无需训练、调参或特征工程。TabFM 直接输出预测结果，大幅降低使用门槛。目前该推文获得 388 次查看。

AI模型 TabFM Google Research 基础模型

事件专题

推荐理由：如果你厌倦了 XGBoost 调参，TabFM 不用训练直接预测，省时省力，适合表格数据任务。

原文

6月28日

19:09

19:09IT之家（博客/媒体）

71°

马斯克称 Grok 4.5 基于 1.5 万亿参数的 V9 基础大模型，并引入 Cursor 数据训练。该模型已在 SpaceX 和特斯拉内部测试，早期评测显示其性能接近甚至有望超越 Opus 模型。马斯克还透露 SpaceX 今年每月推出一批完全从零训练的新模型。Grok 4.5 的强化学习及调度框架仍在持续迭代。

AI模型 Grok 4.5 SpaceX 特斯拉

事件专题

推荐理由：Grok 4.5 用了 1.5 万亿参数和 Cursor 数据，内部测试已接近 Opus，想了解马斯克最新大模型进展可以看这篇。

原文

6月27日

12:18

量子位@梦瑶

OpenAI发布了GPT-5.6系列三款模型。该系列在多项AI基准测试中超越此前最强的Fable5，成为新的最强基础模型。具体性能数据尚未完全公开，但官方声称综合能力显著领先。三款模型覆盖不同规模，满足不同场景需求。

AI模型 GPT-5.6 OpenAI Fable5

事件专题

推荐理由：OpenAI突然发了三款GPT-5.6，直接干翻了Fable5的最强基模地位，想看看新王有多猛？

原文

6月26日

03:04

Ate-a-Pi@svpino

作者认为，打造最强基础模型的公司未必也能做出最好的上层产品。他以AWS、Azure和GCP为例，指出最成功的云服务产品来自那些只专注核心产品的公司。在AI领域，真正的竞争优势来自不锁定单一模型并注重细节的企业。客户最终会选择那些'即开即用'的应用。

行业基础模型 AI产品行业观点

推荐理由：基础模型强不等于产品强，别只盯着模型，多想想怎么让用户用得爽。

原文

6月23日

12:01

官方一手arXiv: DeepSeek@Pengxiang Cai, Tianchen Fang, Xiaohan Li, Qingyuan Zeng, Guocong Li, Jintai Chen

精选

传统RLVR方法仅重新分配采样概率，虽能提升pass@1但可能降低pass@k，无法扩展基础模型的推理能力边界。本文提出边界感知课程RL：先用pass@k采样定位当前推理边界，再对边界附近样本进行教师引导，最后用RL巩固新推理模式。在Qwen、Llama、DeepSeek等模型上，该方法在pass@256上平均比基础模型提升9.8个百分点，比Vanilla RLVR提升10.3个百分点。实验表明该策略可帮助LLM持续突破经验推理边界。

论文课程强化学习 LLM推理 RLVR

推荐理由：这篇论文提出一种课程强化学习，能帮LLM突破自己的推理能力边界，在多个模型上效果显著，值得关注。

原文

6月20日

17:12

官方一手marktechpost@Sana Hassan

精选

本文使用TimeCopilot在航空乘客数据集和含异常注入的合成季节性序列上构建端到端预测工作流。评估了统计模型、基础模型和可选的GPU模型，采用滚动交叉验证和多种误差指标。生成了带预测区间的概率预测，可视化未来趋势并标记异常观测。还探索了TimeCopilot的可选LLM智能体，该智能体能选择模型并解释其预测。

技巧 TimeCopilot 基础模型异常检测

推荐理由：这篇教程手把手教你用TimeCopilot做时间序列预测，能自动检测异常，还能用LLM帮你选模型并解释结果。

原文

6月16日

22:10

官方账号阿里云 Alibaba Cloud@alibaba_cloud

76°

阿里云发布Qwen-Robot Suite，包含三个基础模型：Qwen-RobotNav统一5种导航任务（指令跟随、点目标、物目标、目标跟踪、自动驾驶）；Qwen-RobotManip在38,100+小时开源语料上预训练，实现异构机器人统一状态-动作空间；Qwen-RobotWorld支持20+具身化身，通过自然语言接口预测物理世界未来。三个模型可独立使用或组合，构成通用具身智能系统的底层工具包。

AI模型 Qwen Robot 具身智能

推荐理由：阿里云一口气发了三个机器人基础模型：导航、操作、世界模型，每个都能单独用，还能组合。Qwen-RobotManip在3.8万小时数据上预训练，挺实在的。

原文

6月12日

12:05

官方账号Allen AI (Ai2)@allen_ai

精选

Allen AI 宣布其机器人基础模型 MolmoAct 2 在不到一个月内被下载超过 40 万次。现在他们开源了完整的代码和训练数据，允许开发者进行微调或在此基础上构建。这标志着机器人领域的一个重要开放资源，降低了进入门槛。

AI模型机器人开源/仓库基础模型

推荐理由：机器人开发者终于有了一个完全开源的基础模型可用，MolmoAct 2 的完整代码和数据让你可以直接微调或构建自己的机器人应用，值得立即尝试。

原文

00:35

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA 发布了 Cosmos 3，这是一个专为机器人和物理 AI 设计的基础模型平台。该平台旨在加速机器人感知、规划和交互能力的开发，通过提供预训练模型和工具链，降低物理 AI 应用的门槛。Cosmos 3 支持多模态输入，能够生成高保真的物理世界模拟，帮助开发者更快地训练和部署机器人系统。这一发布标志着 NVIDIA 在物理 AI 领域的重要布局，有望推动机器人技术从实验室走向实际应用。

AI产品机器人物理AI NVIDIA

事件专题

推荐理由：NVIDIA Cosmos 3 为机器人开发者提供了现成的物理 AI 基础模型，省去了从零训练的时间和成本，做机器人感知或仿真的团队可以直接上手试试。

原文

6月11日

10:59

官方账号arXiv cs.AI@Kai Standvoss, Miriam Hägele, Rosemarie Krupar, Julika Ribbat-Idel, Jennifer Altschüler, Gerrit Erdmann, Hans Pinckaers, Evelyn Ramberger, Madleen Drinkwitz, Ádám Nárai, Alexander Möllers, Katja Lingelbach, Sebastian Kons, Lukas Hönig, Recepcan Adigüzel, Joana Baião, Alberto Megina Gonzalo, Marius Teodorescu, Marie-Lisa Eich, Paolo Chetta, Shakil Merchant, Verena Aumiller, Simon Schallenberg, Andrew Norgan, Klaus-Robert Müller, Lukas Ruff, Maximilian Alber, Frederick Klauschen

精选

Atlas H&E-TME 是一个基于 Atlas 病理基础模型的 AI 系统，能够从 H&E 染色的全切片图像中预测组织质量、区域和细胞类型，每张切片输出超过 4500 个细胞级定量指标。研究团队提出了双重验证框架：一方面利用免疫组化（IHC）信息构建多病理学家共识，作为分子层面的金标准；另一方面在超过 20 万条高置信度病理学家标注上测试，覆盖 8 种癌症类型、1500+ 病例。结果显示，Atlas H&E-TME 在 H&E 图像上的表现与病理学家相当甚至更优，且泛化能力强。这一系统将最普遍的 H&E 切片转化为可扩展的定量工具，为下一代组织生物标志物研究奠定基础。

论文病理AI H&E染色组织分析

推荐理由：病理分析终于有了可规模化的 AI 方案——Atlas H&E-TME 在 H&E 图像上达到专家级精度，做肿瘤微环境研究和临床转化的团队可以直接用上这套定量工具。

原文

6月9日

15:25

AI Will@FinanceYF5

76°

Apple 宣布其新一代基础模型通过与 Google Gemini 深度合作打造。新 Siri 命名为“Siri AI”，拥有独立应用，并具备个人上下文理解、应用操作、屏幕感知、图像理解和广泛世界知识五大核心能力。系统级编排器将 Apple Intelligence 无缝连接至所有 Apple 平台。隐私方面，采用设备端处理加私有云计算，数据不会被 Apple 或任何第三方存储或访问。

AI产品 Apple Google Gemini Siri AI

事件专题

推荐理由：Apple 与 Google 在 AI 基础模型上的深度合作，标志着两大生态的融合，对 iOS 开发者和 Apple 用户来说，Siri AI 的五大能力将彻底改变日常交互方式，值得第一时间体验。

原文

15:21

AI Will@FinanceYF5

83°

苹果宣布与Google Gemini深度合作，共同打造新一代基础模型，并推出全新的Siri AI独立应用。该应用支持个人上下文理解、应用操作、视觉智能等能力，通过系统编排器连接Apple Intelligence，具备上下文理解、应用操作、屏幕感知、图像理解和世界知识五大功能。隐私方面，采用设备端处理加私有云方案，数据不存储且无人可访问。这一合作标志着苹果在AI领域的重大战略升级，将显著提升Siri的智能化水平和用户体验。

AI产品苹果 Google Gemini Siri

推荐理由：苹果与Google Gemini的深度合作将重塑Siri的AI能力，做iOS开发或关注智能助手生态的人值得关注，新Siri独立应用可能改变日常交互方式。

原文

10:38

官方账号arXiv cs.AI@Jonathan F. Carter, Lionel Tarassenko

精选

该研究提出 Hypnos，一个多模态睡眠基础模型，使用来自 2 万多次夜间多导睡眠监测的 8 种传感模态（如 EEG、ECG、呼吸信号）训练。与现有使用掩码重建或对比学习的方法不同，Hypnos 采用下一词预测作为自监督目标，通过残差向量量化将每种模态离散化为 token 流，并用自回归 RQ-Transformer 并行预测所有模态的下一个 token。在睡眠阶段分类任务中，Hypnos 仅用 1% 的标注数据就达到了强监督基线的性能，还能泛化到日间生理信号，在检测房颤上超越专门的 ECG 基础模型。结果表明，下一词预测是多模态生理信号表征学习的有效且可扩展的自监督目标。

论文基础模型睡眠生理学多模态

推荐理由：睡眠医学和生理信号分析的研究者终于有了一个无需大量标注数据就能学到通用表征的基础模型——Hypnos 用下一词预测解决了多模态生理数据的学习难题，做睡眠分期或房颤检测的团队可以直接用它生成嵌入，大幅降低标注成本。

原文

6月6日

03:03

Ideogram@ideogram_ai

AI模型开源/仓库图像生成 Ideogram

推荐理由：开源图像生成终于有了能打的大模型——9.3B 参数逼近闭源水平，做 AI 图像应用或研究的团队可以直接拿来用，值得关注后续扩展潜力。

原文

6月2日

12:03

官方账号arXiv cs.LG@Mind Lab, :, Song Cao, Vic Cao, Kaijie Chen, Bunny Fan, Hera Feng, Huan Feng, Arthur Fu, Jun Gao, Hongquan Gu, Aaron Guan, Mutian Hong, Hailee Hou, Peixuan Hua, Charles Huang, Miles Jiang, Nora Jiang, Yuyi Jiang, Autumn Jin, Fancy Kong, Kyrie Lei, Alexy Li, Dawn Li, Ray Li, Theo Li, Wenhao Li, Jiayi Lin, Domini Liu, Heshan Liu, Kairus Liu, Logan Liu, Maeve Luo, Runism Lv, Pony Ma, Verity Niu, Anson Qiu, Vincent Wang, Maxwell Yao, Regis Ye, Wenlin Ye, Yanying Ye, Josh Ying, Danney Zeng, Salmon Zhan, Anya Zhang, Ruijia Zhang, Shiyang Zhang, Sueky Zhang, Ya Zhang, Wei Zhao, Ada Zhou, Sizer Zhou, Xinyue Zhu, Murphy Zhuang

本文重新审视参数高效微调（PEFT）的角色，提出将其视为在强大基础模型上附加的持久本地状态，而非仅作为全参数微调的廉价替代。研究围绕三个扩展维度展开：向上扩展（更强的共享先验使小适配器更有用）、向下扩展（研究适配器的最小可靠尺寸）以及向外扩展（大量持久适配实例共存）。MinT 基础设施示例展示了如何管理适配器的身份、版本、来源、评估和服务驻留。结果表明，PEFT 可以成为持久个性化模型的紧凑载体，而不仅仅是预算有限的微调替代方案。

论文参数高效微调个性化模型扩展性

推荐理由：这篇论文重新定义了 PEFT 的潜力——从省钱技巧变成个性化模型的基石，做大规模模型部署和个性化服务的团队值得关注，尤其是那些需要为每个用户维护独立模型状态的场景。

原文

09:44

官方一手Pandaily@contact@pandaily.com (Pandaily)

精选

Deep Principle 发布了 MPA（Materials Property Axiom），一个用于材料科学的 AI 基础模型。该模型借鉴了大语言模型的训练技术，在 40 项真实工业任务上取得了最先进的结果。MPA 能够预测材料属性，加速新材料发现和设计过程，有望在电池、半导体、合金等领域产生重大影响。这标志着 AI 在材料科学领域的应用迈出了重要一步。