标签
RayOrch引入了一种编程模型和分布式执行引擎，用于基础模型数据准备中的谱系控制数据流，与现有系统如RayData和Daft相比，在GPU上实现了显著加速。
Odyssey-3 是一个通用世界模型，它使物理代理能够以最少的任务特定数据控制多样化的系统，如机器人、车辆和无人机，展示了广泛的迁移学习能力。
NVIDIA 在 Hugging Face 上发布了 FoundationPose，这是一个用于6-DoF物体位姿估计与跟踪的统一基础模型，无需微调即可用于新物体。
Odyssey-3是一个新的基础世界模型，能够通过最少经验在机器之间重用世界知识来控制机器人、汽车、无人机和虚拟世界。
LimiX-2 是一个用于结构化数据的预训练基础模型，它使用上下文机制网络在主要表格基准测试中排名第一，支持多种任务而无需针对特定任务的参数更新。
IBM 和 NASA 开源了一个月球基础模型，该模型集成了多传感器数据，以绘制月球地图，助力于撞击坑绘制、火山历史调查和冰检测等任务。
Atria Dawn Preview 是来自上海的研究代理，利用外部证据验证自身工作，确保长期任务的结果具有可验证性和可复现性。
Atria Dawn Preview 是一个基础代理型语言模型，专为科学研究设计，取得了有竞争力的基准测试结果，并展示了向人类-AI项目级协作的转变。
论文介绍了StepAudio3Realtime，一个面向实时语音交互的音频语言基础模型，利用连续的听-说-想-行动循环结合Think-While-Speaking技术，以实现深度推理和低延迟，在MMSU和Full-Duplex Bench等基准测试中达到顶尖性能。
ZGCM-1是一个从头训练的7B开放基础模型，具有极高效率，结合内部推理和外部工具使用，用于数学和代理搜索任务，其性能与更大规模的模型如Qwen3-235B-A22B和GLM-5.1相当。
Skild AI的S1模型使机器人无需重新训练即可从视频演示中学习，在10个月内实现了1亿美元的ARR，并在多个行业中部署。
Skild AI 推出了 S1 机器人基础模型，该模型利用 NVIDIA Physical AI 使机器人能够从单个视频演示中学习新任务，提高了在动态工业环境中的适应性。
AuK 是一个开源基础模型，用于统一语音生成与编辑，支持零样本TTS和通过自然语言指令进行内容编辑等任务。
IBM 发布了 Granite Time Series PatchTST-FM-r2 模型，这是一个 385M 参数的基础模型，用于零样时间序列预测，在 GIFT-Eval 基准测试中表现顶尖，并采用商业友好的 Apache 2.0 许可。
阿里巴巴Qwen在Hugging Face上发布了一款开源的4B参数视觉语言模型，专为自动驾驶设计，集成了3D检测、占用预测和BEV功能，同时保留了强大的视觉语言能力。
来自比哈尔邦的20岁青年Abhinav Anand发布了Arcle V1，这是一个拥有58.4亿参数的开放权重多模态AI模型，独立训练，无需团队或投资者。
Cadence 提出了一种使用基础模型和自适应算术编码器的有界误差有损压缩方法，用于时间序列，相比经典预测器实现了显著性能提升。
介绍了Xiaomi-TabLDM，一个表格基础模型，它利用合成数据和上下文学习实现卓越的预测精度，无需特定任务微调，并在多个基准测试中获得顶级排名。
OutageDiT是一种用于停电预测的生成式基础模型，它采用Diffusion Transformer架构生成七天停电轨迹，提高预测准确度并实现向新区域的零样本迁移。