数据公共模型上下文协议（MCP）服务器正式推出，允许开发者通过自然语言查询公共数据集，简化AI开发和数据科学工作。全球组织ONE正在利用该工具推动政策变革。

谷歌推出了数据公共模型上下文协议服务器（MCP Server），为标准化公共数据集提供访问接口，旨在支持AI开发者使用可验证的统计数据，降低AI幻觉风险。MCP服务器简化数据访问，融入现有开发流程，促进公共卫生和气候等领域的数据驱动应用。

快手团队开源了LivePortrait，用户只需上传静态照片即可生成动态肖像，表现丰富。该项目在GitHub上获得了9K stars。此外，文章介绍了多个公共数据集，包括视频分割、数学竞赛问题和车牌识别，旨在促进AI系统的开发与应用。

该研究提出了一种通用的单目深度估计模型，能够在多种任务中实现高精度结果。通过多目标学习和不同数据集的结合，显著提高了训练效果，并探讨了恶劣条件下的深度估计不可靠性，提出了有效解决方案。实验结果显示，该方法在多个公共数据集上优于现有技术。

HyperAI超神经推出了「Meet AI4S」系列直播栏目，首期邀请浙江大学博士生丁佳乐分享神经网络在房价空间异质性方面的新解释。HyperAI官网更新了10个公共数据集和3个教程精选，包括医学VQA评测数据集、角色设定和对话数据集、常识推理数据集等。教程涵盖YOLOv10目标检测、图像转换和文本转图像等内容。此外，还有社区文章精选和热门百科词条。

hyper.ai官网更新了优质公共数据集和教程精选，包括ChartQA、RS5M、CapsFusion-120M、ShareGPT4V、RLAIF-V-Dataset、FoodLogoDet-1500、ZSFooD、Food-1K、ISIA Ingredient-201和ISIA Food-500。教程精选包括ComfyUI DynamiCrafter教程和GLM-4-9B-Chat Demo。此外，还有社区文章精选和热门百科词条。

hyper.ai在其官方网站上推出了一个名为“顶级会议”的新栏目，提供CCF A级计算机会议的最新信息，包括会议介绍、提交截止日期和提交链接。该网站还提供了一系列高质量的公共数据集、教程和社区文章。此外，hyper.ai还提供即将举行的会议信息，并定期更新内容。

OpenAI发布了Sora文生视频模型，视频时长可达60秒。HyperAI提供了开源AI生成视频方案。公共数据集包括MCFEND、Fin-Eva、VidProM、FindingEmo、GPD、AlgoPuzzleVQA、UltraSafety、NAIP-S2和CLIcK。公共教程包括生成随机数字和使用PyTorch开发神经网络。社区文章包括Sora开源平台、中南大学的药物研究、DeepMind的TacticAI和AI相关词条。B站直播预告包括哈佛和MIT的课程。HyperAI是国内领先的人工智能及高性能计算社区。

AI领域对金融模型的研究成果基于公共知识，但在实际金融实践中解释力不足。Deepmoney是一个专注于金融投资的大型语言模型项目，提供在线运行教程。公共数据集包括AI偏好数据集、大模型长上下文对齐数据集、大模型网络安全评测数据集等。公共教程包括Deepmoney-34b-full、Deepmoney-miqu-70b等。社区文章包括英伟达黄仁勋发布GB200、生成式AI框架加速MOFs创新等。热门百科词条有数据引力、大规模多任务语言理解。

本文提出了一个两阶段学习框架，解决类增量学习中的灾难性遗忘问题。该方法包括固定编码器和逐步更新原型分类器，不依赖于保留的旧类别样本。实验证明，在公共数据集上，该方法在保留每类5个示例和10个阶段递增设置下，相比最先进的范例基于方法，在CIFAR-100上提高了18.24%，在ImageNet100上提高了9.37%。

本文提出了一种迭代方法，通过联合确定用人工分标注哪些样本和用训练有素的分类器进行标注哪些样本来最小化总体成本。作者在多个公共数据集上验证了该方法，结果显示总成本比完全使用人工标注数据集的成本低6倍，且始终比最便宜的竞争策略便宜。

本文介绍了一种名为RayDF的新框架，用于解决连续三维形状表示的问题。该方法在三个公共数据集上得到了广泛评估，证明了其在合成和真实的三维场景中对三维表面点重建的显著性能。与基于坐标的方法相比，该方法速度提高了1000倍，在渲染800x800深度图像时表现出优越性。

该文介绍了广义意图发现（GID）任务，旨在将传统意图分类器扩展到开放世界意图集。作者提出了两种框架，并构建了三个公共数据集，为未来研究提供了指导。

本文介绍了GraphPrompt框架，可在图上进行预训练和提示，使用可学习的提示帮助下游任务定位预训练模型的相关知识。作者在五个公共数据集上进行了实验。

本文研究社交媒体上的观点和情感分析，提出了六种最先进的方法，并重新实现其中一种以进行综合实验评估和比较。研究了不同文本和视觉特征嵌入以及多模式CLIP嵌入等。研究结果基于公共数据集的推文和图像进行比较，引入了可复制和公平的评估方案。最后，对方法的局限性和未来工作进行了误差分析。

本文介绍了一种名为md4all的解决方案，可解决单目深度估计在恶劣照明和天气条件下的不可靠性问题。该方案可在逆境和理想条件下以及不同类型的学习监督下可靠工作。实验证明该技术在nuScenes和Oxford RobotCar两个公共数据集上都显著优于先前的工作。

本文介绍了GraphPrompt框架，可在图上进行预训练和提示，统一预训练和下游任务，使用可学习的提示帮助下游任务定位预训练模型的相关知识。作者在五个公共数据集上进行了实验。