COMPASS 首次将这一架构引入癌症转录组分析领域，通过利用免疫相关基因集，并建立：基因（gene）→ 基因集（gene set）→ 概念（concept）的层级映射关系，用于表征每位患者的肿瘤免疫微环境。目前，临床研究已经探索了多种预测免疫治疗疗效的生物标志物，其中，肿瘤突变负荷（TMB）、程序性死亡配体...

NVIDIA Vera Rubin平台通过优化后训练工作流程，提高了智能每美元的效率。后训练阶段使模型在变化环境中持续学习，旨在最大化每次前向和后向传递的收益。该平台支持大规模并行处理，降低了每个令牌的成本，提升了模型的整体价值。

阿里巴巴达摩院与宾夕法尼亚大学合作提出了一种新的编码Agent基础模型中期训练方法FIM Mid-Training。该方法通过自监督学习，利用从GitHub抽取的2.6B token数据，增强模型对函数调用的理解。实验结果表明，模型在多个基准测试中显著提升了性能，并有效缓解了工具调用微调对编码能力的负面影响。

SpaceXAI 对 Grok Build 上传开发者仓库内容的回应态度强硬，强调用户可通过命令禁用数据共享，但未解释为何未经授权上传完整仓库。禁用后，云端数据会被删除，但缺乏审计保障，敏感信息可能泄露，导致开发者对 Grok Build 的信任度下降。

MIT开发的“SceneSmith”系统利用协作AI代理生成逼真的3D室内环境，帮助机器人模拟日常任务。该系统通过三个代理生成多样化的场景，使机器人在实际操作前进行有效训练，生成的环境与真实世界高度相似，能够有效评估机器人的任务执行能力。

T-Rex是一个多模态框架，旨在提升机器人对触觉信号的反应能力。它通过构建一个包含触觉和视觉信息的统一模型，利用100小时的触觉同步遥操作数据集，支持灵巧操作。该模型分为低频动作专家和高频触觉专家，能够快速适应复杂的操作任务。

蚂蚁灵波发布了LingBot-VA 2.0，这是全球首个具身原生的预训练VA模型。该模型通过预判能力提升机器人在复杂任务中的表现，如桌面整理和轻柔抓取。LingBot-VA 2.0采用新一代VAE、因果预训练和稀疏MoE架构，显著提高了推理速度和实时控制能力，标志着机器人技术进入新阶段。

阿里巴巴旗下高德推出Phys AI Data数据系统，包括Phys AI Foundry和Phys AI Map，旨在解决物理AI训练与应用中的数据问题。Phys AI Foundry提供高质量训练数据，支持机器人在真实场景中学习；Phys AI Map为机器人提供可理解的空间地图，帮助其在开放环境中导航。该系统已向具身智能行业开放，支持API接入，降低企业数据采集成本。

在AI时代，哲学专业的学生受到科技公司的青睐。AI发展面临“意义”问题，哲学家能够提供逻辑和伦理支持。许多哲学毕业生参与AI项目，帮助解决责任和公平等复杂问题。AI公司开始重视哲学思维，以有效避免潜在风险。未来，哲学人才将成为AI领域的重要顾问，推动技术与伦理的结合。

Weblica（网络复制）是一个构建可重复和可扩展网络环境的框架，旨在解决视觉网络代理训练数据的规模化问题。该框架通过HTTP级缓存捕捉稳定的视觉状态，并利用基于真实网站的环境合成来扩展强化学习训练。Weblica-8B模型在多个网络导航基准测试中表现优异，推理步骤更少，且在计算资源增加时表现良好。

Clockwork推出了TorchPass故障容错产品，能够在GPU故障时快速迁移训练任务，避免进度丢失。该技术承诺90%的故障不会导致回滚，提升AI模型训练的可靠性，适用于需要高效计算的AI初创企业和企业，帮助减少因故障造成的损失。

近年来，人工智能的发展逐渐从算法创新转向数据质量驱动。合成数据成为重要支撑，Meta的Autodata框架通过智能体模拟数据科学家，生成高质量训练数据，显著提升模型性能，展示了合成数据生成的新范式。

本文介绍了MagiCodec，一种高性能的单层流式音频编解码器。通过高斯噪声注入和三阶段训练，MagiCodec在保持高保真重建的同时，提升了token的语义可建模性。实验结果表明，其在重建质量和下游任务上均超越现有技术，且token分布符合齐普夫定律，适合音频语言模型。

Ornith-1.0是一个开源AI模型，首次实现自我优化训练策略，通过强化学习提升学习效率。尽管参数较小，Ornith-1.0在测试中表现优异，超越许多大型模型。其训练方法可迁移至其他领域，未来可能出现多样化的思考方式模型，改变开发者的工作方式。

自2023年《3D Gaussian Splatting for Real-Time Rendering of Radiance Fields》发布以来，3DGS技术在三维重建领域迅速崛起。与传统NeRF相比，3DGS在渲染速度和视觉质量上有显著提升，但对显存和计算资源的要求较高。加州大学伯克利分校等机构开发的开源项目gsplat优化了训练框架，显著降低了资源需求，支持多种数据来源，并提供实时Web查看功能，便于快速验证模型。