跳到正文
实时
模型#数据/训练
  1. Google DeepMind66

    DeepMind 发布 AlphaGenome 2，按细胞类型预测 DNA 变异影响

    Google DeepMind 发布 AlphaGenome 2，这是一个条件化 DNA 序列模型，可针对特定细胞类型或状态预测 DNA 变异对基因表达的影响。

    同一件事 · 3 家

    推荐理由: 官方披露了条件化架构改造与单细胞层面的评测对比，可了解该模型如何把变异效应定位到具体细胞类型。

  1. Claude · YouTube68

    Claude Mythos 5.2 预测出完整 AAV 衣壳结构

    Claude Mythos 5.2 预测出完整的 AAV 衣壳结构，该衣壳由 60 条相同的蛋白链组成。它编写代码让开源折叠模型处理相邻五链的重叠分组，再利用衣壳对称性把 60 条链拼接起来。在 AAV2 上，其预测与实验结构的偏差约为一个原子的宽度。

    推荐理由: 原文给出了模型在真实科研任务中的具体做法与精度，读者可据此判断它在结构预测类工作里的可用边界。

  1. IT之家 · AI74

    百度文心开源发布 ERNIE 5.5 Flash Base 基座模型，总参数 280B

    百度文心发布 ERNIE-5.5-Flash-Base 并开放 ERNIE 5.5 Flash 预训练终点权重，这是一个总参数 280B、每 token 激活 14B 的稀疏 MoE 语言模型，在 33.5T tokens 上从零预训练，微调与推理支持 1M tokens 上下文。

    同一件事 · 3 家

    推荐理由: 原文给出 280B 稀疏 MoE 基座的参数、训练数据量与开源权重，读者可据此判断其作为微调起点的适配空间。

  2. Hugging Face Blog65

    Dharma-AI 发布 Dharma Field Extractor：2B 参数模型把任意文档抽取为 JSON 字段

    Dharma-AI 发布 Dharma Field Extractor，一个 2B 参数模型，输入文档图像和可选 schema，输出带类型的结构化 JSON，支持开放抽取与按 schema 定向抽取，未出现的字段返回 null。

    推荐理由: 原文给出自建基准上的质量与成本对比，读者可据此判断小模型专精路线在字段抽取任务上的可行性。

  1. 36氪 · AI72

    美团发布 LongCat-2.5 大模型，总参数 1.6 万亿

    美团发布新一代大模型 LongCat-2.5，这是一款面向长程智能体任务的原生多模态模型，总参数 1.6 万亿。该模型全程在国产算力上训练，美团称这是目前国产算力上完成的最大训练任务。评测结果显示，LongCat-2.5 在多项主流基准评测中的成绩介于 Claude-Opus-4.8 与 Claude-Opus-5 之间，并在部分评测中超过 Claude-Opus-5。

    推荐理由: 美团新一代大模型全程在国产算力上训练，读者可据此了解国产算力承载超大规模训练任务的进展。

  1. 量子位75

    国产开源 OXR 以 1.3B 参数登顶三项文档解析榜单

    SoMark 团队开源 1.3B 文档解析模型 OXR，在 OmniDocBench（97.18）、olmOCR-Bench（87.84）和 DocParsingBench（87.76）三项榜单排名第一。

    2 篇报道

    推荐理由: 1.3B 模型靠 RSI 后训练在三个文档解析榜单登顶，并给出可插拔架构与免费 API 的工程取舍。

  1. 量子位78

    岩芯矩阵联合港科大、CMU 开源 EdgeRock-4B，KV Cache 减少 99.1%

    岩山科技旗下岩芯矩阵联合港科大、CMU 等高校发布并开源 EdgeRock-4B，在 256K 上下文下 KV Cache 固定为 72MiB，相比源模型 Qwen3.5-4B 减少 99.1%。

    推荐理由: 原文给出固定内存下的吞吐与基准对比，可据此判断长上下文推理的显存成本走向。

  1. Hugging Face Blog78

    NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可预测

    NVIDIA 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做预测，无需任务特定训练、特征工程或表展平。模型在 15 个数据库的 41 个任务上超过监督式关系深度学习和专家特征工程梯度提升树，在 SAP SALT 基准上 MRR 比 AutoGluon 集成高 8%。

    推荐理由: 原文给出预训练关系模型在 41 个任务上的对比结果与开源入口，读者可据此判断它能否替代现有 XGBoost 流水线。

已浏览全部内容