全部动态

中科院上海天文台提出基于生成式AI的跨望远镜图像预测方法并公开E-BGS数据集

中国科学院上海天文台团队提出基于生成式人工智能的跨望远镜图像预测方法，利用DESI地面巡天与Euclid空间望远镜真实配对的星系图像，构建从地面受视宁度限图像到空间高分辨率图像的生成式映射。

NVIDIA 与 IIT Madras 发布 2.8 万亿 token 印度语言预训练语料及开放生成流程

NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，并公开用于生成该语料的 GPU 加速数据生成流程。

入选理由NVIDIA 与 IIT Madras 公开 2.8 万亿 token 的印度语言预训练语料及生成流程，研究者可据此评估多语言模型的训练数据来源。

LitGene：整合文本与基因本体的可解释基因表示学习模型

研究团队在 Nature Communications 发表 LitGene，一个通过对比学习把非结构化文本与 Gene Ontology 注释整合起来、改进基因表示的可解释 transformer 模型。

NoveltyScope：面向科学论文证据支撑新颖性评估的多智能体科研助手

纽卡斯尔大学团队提出原型系统 NoveltyScope，可将论文 PDF 或 URL 与本地语料中的先前工作对比，输出结构化报告和 1-5 级新颖性评分。系统由 Prosecutor、Defender、Judge、Critic 四个角色评分，引文需与缓存原文核对。

MIT 团队用机器学习模型 IRIS 解码细胞通讯信号

MIT 与 Whitehead Institute 的研究团队开发了机器学习模型 IRIS，通过识别不同信号通路留下的独特基因活动指纹，推断细胞在发育过程中接收过哪些信号。

DiscoveryRSI 框架提出递归学习生成科研假设，并发布 DFM-Bench 评测基准

研究团队提出 DiscoveryRSI 框架，通过多智能体演化搜索构建假设树，把选中的研究方案编译为可执行的 Harbor 任务，并借助假设信用优化、harness 回放和再发现三种机制递归学习。

Meta 将推出 Muse Spark 开放权重版

突发 🔥：Meta 即将发布 Muse Spark Open，这是 Muse Spark 1.2 的开放权重版本！ 据预告，它将是美国最好的开放模型，用户将能在新款 Mac Studio 设备上本地运行。

Google 发布 Gemini 4 Argon，用一个模型覆盖机器人仿真、控制与训练数据评估

Google 发布面向机器人任务的 Gemini 4 Argon，宣称可控制机器人、生成虚拟训练环境并评估训练视频质量，目标是覆盖从单台机器人控制到复现已发表研究的完整流程。

NVIDIA 发布 Nemotron 3.5 Super VL 模型

NVIDIA 🔥：全新 Nemotron 3.5 Super VL 模型已发布！ > NVIDIA Nemotron 3.5 Super VL 是一款开放模型，总参数量 120B，激活参数 12B。 > 该模型支持推理、工具调用，具备文本、图像、文档和视频理解能力，面向长时间运行的 AI 智能体。https://x.com/NVIDIAAI/status/2110749836450713896/video/1

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。

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。

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。

同一新闻，精选展示《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》

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。

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。

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。