开源/仓库

推荐理由：医疗AI的信任危机终于有了可验证的归因方案——MedFocus让医生能看清模型到底看了哪里才下诊断，做医学影像AI的团队值得试试这个因果框架。

推荐理由：时间序列预测是金融、能源、运维等领域的高频需求，Nexus 用智能体编排替代手动调参，做预测分析的团队可以直接参考其框架设计，省去重复造轮子的时间。

推荐理由：时间序列预测终于有了可扩展的基础模型，做金融、能源、运维等预测任务的团队可以直接用开源权重，值得关注。

推荐理由：高能物理研究者终于有了一个能用自然语言操作 Root 数据的智能体，省去手动写脚本的繁琐，做粒子物理分析的团队可以直接试试。

推荐理由：长上下文 RL 训练的数据构建和奖励设计一直是个难题，GoLongRL 提供了开源数据集和优化方法，做长上下文模型训练的团队可以直接复用，省去大量数据构造工作。

推荐理由：做图组合优化或RL求解NP-hard问题的研究者，这篇论文解决了泛化差和扩展性瓶颈，16倍加速和40%泛化提升值得一试，开源库还能直接复用。

推荐理由：做图异常检测的研究者终于有了一个能同时利用结构语义和文本特征的框架——TERGAD 用 LLM 把拓扑信息翻译成自然语言，比纯数值特征更易捕捉异常模式，建议做 GAD 的团队直接跑一下开源代码。

推荐理由：OpenComputer 解决了计算机使用智能体评估缺乏可靠验证的问题，做智能体开发和自动化研究的团队可以直接用它来测试和训练模型，比 LLM 裁判更靠谱。

推荐理由：NORMA解决了实验室检测中过度个性化导致的假阳性问题，做临床诊断或健康监测的医生、研究者可以直接用这个开源模型来提升异常检测的准确性。

推荐理由：做图像编辑、3D 重建或影视后期的人终于有了一个又快又可控的重光照工具——PIXLRelight 在 0.1 秒内实现物理级光照控制，比传统方法省去大量优化时间，建议直接试玩开源代码。

推荐理由：做数据系统或 AI 基础设施的开发者，可以从 SmithDB 的架构思路中直接学到如何用 DataFusion 和 Vortex 搭建高性能查询引擎，值得点开看看具体实现。

推荐理由：多模态模型开发者常遇到生成内容偏离图像的问题，VIF用极简模块解决了视觉一致性衰减的痛点，想提升MLLM可靠性的团队可以直接试。

推荐理由：多模态推理是 AI 落地的关键瓶颈，MARS 展示了如何整合视频、转录、热成像等异构数据做智能体决策，做多模态 AI 或视频理解的团队值得参考其开源代码。

推荐理由：语音MRI研究者终于有了一个利用语音信号本身来提升成像质量的新思路——SIREM把音频作为先验，解决了传统rtMRI在分辨率与速度间的权衡问题，做语音科学或临床评估的团队可以直接用开源代码试试。

推荐理由：高能物理研究者终于可以用自然语言做 Root 分析了——RooAgent 把复杂的 PyRoot 操作封装成 LLM 可调用的工具，做粒子物理数据分析的团队可以直接试，省去手写大量脚本的麻烦。

推荐理由：做化学信息学或AI辅助药物研发的团队，终于有了让大模型真正看懂反应图的方法——开源框架可直接用，效果提升明显。

推荐理由：PaddleOCR 拥抱 Transformers 生态，做文档解析和 OCR 的团队可以更灵活地选模型，不用被框架绑死，值得升级试试。

推荐理由：做AI论文阅读工具或学术自动化智能体的开发者，这个约定能解决子声明引用和范围误判的痛点，值得直接参考或贡献。

推荐理由：做临床AI或医疗NLP的团队终于有了一个可审计、可复现的完整管道，不用再猜数据来源和训练细节——直接拿来用或参考构建自己的CDSS，值得点开看具体实现。

推荐理由：对于研究 xai-org/x-algorithm 源码的开发者，这个 Wiki 提供了直接基于代码的解读，避免了二手信息的误导，建议直接查看并参与共建。

推荐理由：多存储后端切换的痛点被 Files SDK 解决了，做多云存储或智能体开发的团队可以直接用这个统一接口，省去适配不同 SDK 的麻烦。

推荐理由：万亿级思考模型开源，可调节推理强度让开发者按需平衡效果与成本，做 Agent 工作流或复杂推理的团队可以直接上手试。