跳到正文
11月11日周三
11月10日周二
  1. IT之家79

    MiniMax 开源 H3-Image 生图模型,10 秒生成 4K 图像

    MiniMax 正式发布并开放权重,推出衍生自 H3 的图像生成模型 H3-Image,具备文生图、参考图和图像编辑能力。该模型在 10 秒内生成一张 4096 x 4096 像素(16MP/4K)图像,官方称其指令遵循能力最强且支持 16 张参考图,发布首周针对 16MP 及以上规格请求提供官方价格的五折优惠。

    同一新闻,精选展示《MiniMax 开源 SOTA 图像生成模型 H3-Image,支持原生 4K 与复杂逻辑推理》

  2. TechCrunch · AI32

    Kora Systems 推出 Linux 桌面操作系统,集成 AI 智能体

    Kora Systems 发布基于 Linux 的桌面操作系统 Kora,预计 2027 年上线,支持 Intel、AMD 及 Snapdragon 芯片。 该系统将 AI 模型和自主智能体直接集成到计算体验中,支持跨应用操作、文件访问及任务间上下文保留,开发团队利用 AI 编码工具将效率提升至少五倍。 目标用户为重度 AI 使用者,Kora 旨在提供本地与云结合的 AI 任务处理能力。

  3. Hacker News AI37

    开源 AI 智能体协调器 Cosh 发布,支持多智能体协同与 Rust TUI

    通用终端编码智能体 Cosh 开源,支持通过 /agents 命令并行运行 Claude、Gemini 等外部智能体,每个智能体保留独立会话。 其 TUI 基于 Rust 构建,利用 accessibility tree 操作图形界面以减少 token 消耗,并通过独立 crate 提供可复用开发工具。 项目采用 Apache-2.0 许可,目前支持 Linux 和 Windows 环境。

  4. 量子位50

    蚂蚁灵波开源LingBot-Touch触觉基础模型,实现机器人跨硬件“一脑多手”

    蚂蚁灵波开源LingBot-Touch触觉基础模型,基于近5000小时真实数据预训练,统一磁触觉、视触觉及压阻式信号为通用触觉Token。 模型提供约530万参数轻量版与Small版,支持26项真机测试;接入后任务成功率提高14至26个百分点,验证了触觉能力的跨硬件复用性。 该模型已在Hugging Face、GitHub及魔搭社区开放,旨在补齐机器人精细操作的触觉感知短板。

  5. Google DeepMind61

    Google DeepMind 开放 AI 气象模型 SatWeave 和 PARDIG 数据集

    Google DeepMind 开放了支持 WeatherNext 3 模型的两个基础数据集:SatWeave 和 PARDIG。SatWeave 整合五颗地球静止卫星图像,提供 17 个通道的全球小时级马赛克视图;PARDIG 是基于 AI 的全球降水数据集,时间分辨率达 15 分钟,空间分辨率约 10 公里。

    推荐理由:DeepMind 开源 WeatherNext 3 核心训练数据集,并给出 PARDIG 对 IMERG-Final 的降水检测提升幅度,为气候建模提供了可直接复用的数据基础。

  6. arXiv · ML26

    Mosaic:面向可微物理求解器的基准测试套件

    Mosaic 是一个开源可微 PDE 求解器基准框架,通过容器化组件(Tesseract)统一了 14 个求解器的梯度 API。 评估覆盖流体力学、结构力学和传热领域,揭示了计算成本与内存方面存在数量级差异,所有有效求解器均收敛至相似最优解。 该基准明确了内存限制、数值稳定性和设置兼容性是主要实际障碍,代码已开源。

  7. arXiv · ML24

    Diffusion Path Samplers via Sequential Monte Carlo 论文被 NeurIPS 2026 接收

    针对归一化常数未知的目标分布,研究开发了基于扩散路径的采样器,并被 NeurIPS 2026 接收。 方法采用高效的 sequential Monte Carlo 采样器解决 score estimation,通过沿路径演化辅助变量提供原则性的 score 和 density estimates,并引入控制变量表(control variate schedules)以控制方差。

  8. arXiv · AI24

    FINO:利用元数据无标签适配视觉基础模型至科学领域

    提出无标签方法 FINO,通过自监督目标结合元数据引导,将通用视觉基础模型适配至子细胞荧光显微镜、地球观测、野生动物监测及医学影像等专门科学领域。 FINO 处理离散与连续元数据,表征保留信息因子并抑制虚假因子。在特定任务上,FINO 性能优于匹配的自监督及全监督适配基线。 代码已公开,且在无任务标签下,FINO 在三个领域得分高于特定专业系统,在第四个领域达到同等表现。

  9. arXiv · ML48

    TraceML:揭示长期机器学习开发中自动研究智能体的缺失环节

    TraceML 引入了一个包含 4,465 条人类 Kaggle 轨迹和 637 条智能体轨迹的配对数据集,旨在量化自动研究智能体与人类专家在竞赛中的差距来源。 分析显示,人类专家会在数据、验证和模型调整间灵活切换,而 Codex 和 MLEvolve 等智能体则陷入狭窄的循环,缺乏灵活变通。 该研究发布了 TraceML 语料库、标签模型及开源工具包,将指令优化局限于缩小可归因于指令的部分差距。

  10. arXiv · AI21

    Good Token Hunting: 视觉几何 Transformer 的 Token 选择指南

    Good Token Hunting 提出通过限制全局注意力中键值(key/value)交互的 Token 数量,为视觉几何 Transformer 加速超过 85%。 该方案采用两级筛选框架,在帧间使用基于多样性的策略保留关键帧,在帧内通过熵引导的层感知稀疏化进一步剔除冗余。 实验表明该方法在 500 张图像场景下保持甚至提升了基线性能,为未来视觉几何应用提供了高效的 Token 选择策略。

  11. arXiv · ML27

    SinAE:一种用于跨域原子系统的单架构流匹配自编码器

    SinAE 提出单架构流匹配自编码器,统一分子、晶体与蛋白质生成,使用普通 Transformer 且无需等价性或图算子。 通过将重建负担转移至迭代流匹配解码器,实现跨域近无损重建,重建误差较先前潜变量基线降低多个数量级。 分子-晶体联合训练严格提升双域性能,提供了通过共享原子潜变量实现跨域迁移的直接证据。

  12. arXiv · ML30

    Seahorse:时空事件建模统一评测框架

    Seahorse 发布统一评测框架,标准化时空点过程(STPP)模型训练与评估,解决现有对比中预处理及似然约定不一致导致的脆弱性问题。 框架提供编码-演化-解码接口,在 13 个真实数据集和 19 个预设中测试,结果显示无单一模型在所有指标上占优。 该论文已被 NeurIPS 2026 评估与数据集轨道接收,代码已开源,为比较和诊断 STPP 模型提供了可复用基础设施。

  13. arXiv · ML29

    Clari 通过 unit cell flow matching 加速有机晶体结构预测

    Clari 大幅降低有机晶体结构预测(CSP)成本,将 OXtal 的分钟级耗时缩短至秒级,并取代了昂贵的 triangle layers。 该模型基于 flow matching,仅需原子类型和键作为输入,支持推理时扩展;在 OXtal 测试集上,solve rate 超越 OXtal 并保持 15-30 倍速度提升。 这使得大规模虚拟筛选实用化,代码已公开。 ```

  14. arXiv · AI21

    GeneZip:用于长上下文 DNA 建模的区域感知压缩

    GeneZip 提出了一种区域感知的 DNA 压缩框架,通过动态路由和 GENCODE 标签指导训练,使模型学习在功能密集区域分配更多 token。 GeneZip-70M 在 DNALongBench 上平均排名最佳,且压缩转座元件衍生序列比非重复序列更强烈。该框架在 450-kb 输入下相比 JanusDNA-7.7M 提升了 36.1 倍的推理吞吐量。

  15. arXiv · AI34

    BioBlobs 实现蛋白质功能亚结构的无监督发现

    BioBlobs 是一种编码器无关且端到端可微分的框架,能将蛋白质压缩为少量粘性子结构(blobs)并仅据此预测功能。在多种序列和结构感知的蛋白质语言模型上表现具备竞争力,且仅操作极少比例的残基。该方法在仅使用蛋白质功能标签训练的情况下,成功恢复 InterPro 中的专家标注功能位点及实验标注的催化位点。这一发现为在大量未注释蛋白质中进行大规模功能位点发现开辟了新路径。

  16. arXiv · ML28

    基于自诱导玻尔兹曼权重的高斯过程回归主动学习

    研究提出 AB-SID-iVAR 算法,用于解决未知函数在自身诱导的未知玻尔兹曼分布下的主动学习问题。该算法基于高斯过程,通过闭式近似贝叶斯目标分布避免计算配分函数,适用于离散和连续输入域。 同时分析了变分替代方案 TS-SID-iVAR,并证明在温和条件下终端预测误差有高概率消失。该方法在合成基准测试及真实世界的势能面建模和药物发现任务中,表现优于现有方法,代码已开源。

  17. arXiv · ML29

    QT-Net:原子化学空间 AI 模型评估新框架

    论文提出基于 SOAP 描述符的原子环境留出评估协议,用于衡量大语言模型在预测电子密度和偶极矩等原子属性时的分布外性能。 该协议通过 5x5 交叉验证和 Tukey's HSD 检验,对比了 E(3)-等变与非等变旋转增强模型在 H、C、N、O 原子上的表现。 基于此框架,研究者引入了非等变旋转增强图神经网络 QT-Net,并开源了包括 JAX 实现在内的全部代码和数据。

  18. arXiv · AI21

    探索卷积神经网络在同时应用图像增强下的专业化与敏感性

    提出将治疗-对照范式应用于可解释AI研究,通过方差分解和Sobol指数分析增强对模型内部推理的影响。 评估了AlexNet、VGG11、ResNet18等CNN,结合ViT-b-16和Swin-t验证,采用5至7种同时应用变换的增强集。 该方法有助于区分模型特异性与增强自交互,并支持激活引导掩码及单类敏感性分析。

  19. arXiv · ML30

    COMET:基于码本的在线自适应多尺度嵌入用于时间序列异常检测

    COMET 提出一种统一框架,通过多尺度 Patch 编码器、矢量量化核心集和在线码本自适应三个组件,实现健壮的无监督时间序列异常检测。 在五个基准数据集上,COMET 在 45 项评测指标中有 39 项取得最佳表现,优于 7 个基线模型。 该工作已被 NeurIPS 2026 接收为海报论文。

  20. arXiv · ML28

    CAPE 框架提出用于纵向数据的对比非短视目标成本权衡特征获取策略

    研究人员提出 CAPE 策略,通过定义基于预言机的 NOCT 目标并学习对比获取效用流形,在纵向主动特征获取中平衡预测损失与获取成本。 该方法在合成及真实医疗数据集实验中优于非参数、贪心及基于强化学习的替代方案,以更低成本实现更高准确率。 代码已公开,论文被 NeurIPS 2026 接收。