Datamine推出的Studio Geo地质建模平台旨在优化矿山地质学家和资源建模团队的工作流程，提高数据精准度。该平台支持数据存储、采集和资源估算，覆盖采矿生命周期各环节，确保用户使用最新信息，预计于2025年中发布。

自发语音情感数据通常包含感知评分，因评分者意见差异而引入标签不确定性。我们提出使用情感评分的概率密度函数作为目标，替代常用的共识评分，从而在基准评估集上取得更好表现。此外，我们探讨了基于显著性驱动的基础模型选择，以训练多任务语音情感模型，并在情感识别上展示了最先进的性能。

4D建模结合时间与空间，提高项目规划与执行效率。Uni4D框架简化动态建模，支持实时可视化与团队协作，适用于机器人和计算机视觉等领域，助力项目成功。

本研究提出了一种曝光感知的检索评分方法，有效解决推荐系统中的热门内容偏见问题。在线实验结果显示，该方法使独特检索项目增加25%，热门内容主导度减少40%。

本文提出了一种基于图神经网络的建模方法，用于预测颗粒基制造中水泥喷涂过程的表面。该方法优化了机器人臂轨迹和打印参数，显著提升了预测精度，为自主喷涂提供了新方案。

本研究解决了在高安全性核设施中，由于感知限制而无法进行实时数据采集的问题。通过使用基于代理的模型生成合成运动轨迹，并利用深度神经网络进行下一个位置和停留时间的预测，成功区分了正常操作与应急响应期间非玩家角色（NPC）的运动。研究结果显示，该方法有效结合了合成数据和深度学习技术，有助于提高安全设施的监控和应急管理能力。

本研究针对过程监督中的高昂训练成本问题，提出了一种新的框架——熵驱动统一过程奖励模型（EDU-PRM）。该模型通过熵引导的动态步骤划分机制，实现了在生成标记时动态识别高不确定性区域，从而在无需人工精细标注的情况下，提供精准的步骤级反馈，显著提升了过程奖励模型的训练效率。

OpenxAI是一个快速发展的去中心化AI协议，基于开源模型和社区治理，旨在快速设计和部署多模态AI应用，推动生成建模的研究与开发。

Lyra是一种新型生物序列建模架构，结合状态空间模型和投影门控卷积，显著提升推理速度和计算效率。它在100多个生物任务中表现优异，参数减少至现有模型的1/120,000，训练时间仅需数小时。

本研究通过引入多模态语料库KOM-Euph，整合文本、图像和音频数据，提高了委婉语识别的效率，强调了多模态数据集的重要性，具有实际应用潜力。