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。
#基础模型
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
机器人研究者终于有了一个高保真、超高效的仿真评估平台——Genesis World 1.0 将评估时间从 200 小时压缩到半小时,做机器人基础模型和策略训练的团队可以直接用起来,大幅加速迭代。
做生物影像分析的研究者终于有了一个能少标注、多任务的 3D 基础模型——少样本就能搞定分割、分类和去模糊,建议做 LSM 数据处理的团队直接试试开源的预训练权重。
Meta 的架构调整揭示了 AI 巨头的资源流向——模型训练和商业化是核心,做 AI 基础设施或模型开发的团队值得关注这一趋势,思考如何对齐。
穿戴设备厂商和健康 AI 研究者终于有了一个通用基础模型,不用再为每个健康任务单独设计特征工程。做可穿戴健康分析的团队可以直接参考 SensorFM 的预训练思路,大幅降低模型开发成本。
Qwen Conference 是了解通义千问最新技术路线和预训练突破的窗口,做基础模型研究或应用的开发者值得关注,建议提前报名锁定席位。