上海人工智能实验室与复旦、上海交通大学团队提出了Thoth模型，旨在生成可执行的生物实验protocol。该模型通过结构化推理，确保实验步骤的合理性和准确性。团队构建的SciRecipe数据集涵盖27个生物学领域，提升了实验方案生成的可靠性。Thoth在多个评估中表现优异，标志着AI在生命科学研究中的新应用方向。

Vision-DeepResearch是首个长时序多模态深度研究模型，拥有8B参数，超越了GPT-5等闭源模型。它支持多轮推理和多实体搜索，采用创新训练策略，展现了开源模型在智能信息检索和自动化研究助手中的潜力。

Perception-LM-8B是Meta FAIR团队开发的多模态模型，具备深度理解图像和视频的能力。它结合了轻量级语言解码器和高效视觉编码器，支持视觉问答和视频推理等任务，使用开放数据训练，确保透明性。该模型在图像和视频理解方面表现优异，适合研究和应用。

Foundation-Sec-8B是思科开发的网络安全AI模型，具备威胁映射和漏洞优先级排序功能。该模型基于Llama-3.1-8B，经过丰富的网络安全数据训练，适合本地或云端部署，帮助组织构建隐私保护的安全解决方案。

Eagle 2.5 是 NVIDIA 推出的视觉语言模型，专为处理长上下文的多模态数据而设计。它通过信息优先采样和渐进式后训练策略，显著提升了视频和图像理解任务的性能，尤其在高分辨率输入下表现突出。该模型强调上下文完整性和数据集多样性，是多模态理解的重要工具。

大型语言模型（LLM）在处理长序列时存在上下文窗口限制。研究提出了一种高效训练方案，将上下文长度扩展至1M、2M和4M个token，同时保持标准任务性能。UltraLong-8B模型在长上下文基准测试中表现优异，展现出强大的检索能力。未来研究将关注安全对齐机制和高级调优策略。

英伟达推出的Cosmos-Reason1模型专注于物理常识推理，解决视觉问答中的最佳答案缺失问题。该模型通过多阶段训练显著提升物理推理能力，能够拒绝不明确的选项，适用于自动驾驶等实际场景。

RAG（检索增强生成）结合大型语言模型与外部知识源，提升对话AI的准确性和相关性。本文介绍了如何使用LangChain、Milvus、Fireworks AI Llama 3.1和Cohere构建RAG聊天机器人，包括安装、设置和优化步骤，实现基于自定义知识库的问答功能。

IBM推出Granite 3.2系列大型语言模型，专为企业设计，优化推理效率和指令跟踪，提升模型准确性和响应速度，满足快速响应的企业需求。

DeepHermes 3 是 Nous Research 最新的人工智能模型，具备推理与自然语言处理能力，能够在直观响应与深度推理之间灵活切换，提升对话的连贯性和复杂逻辑处理能力，适用于财务报告和客户服务等多种场景。

LLaDA是一种新型语言生成模型，采用掩码扩散机制，突破了传统自回归模型的局限，展现出在可扩展性、上下文学习和指令遵循等方面的优越性。

量化是机器学习中的一种技术，通过降低模型权重和激活的精度，来提高推理速度和减少内存使用。它将高精度数字转换为低精度格式（如8位整数或4位表示），适用于资源受限的设备。尽管量化可以加快模型加载和推理，但过度量化可能会影响准确性，尤其是在复杂任务中。

AIxiv专栏促进学术交流，报道超过2000篇内容。李学龙教授团队提出COPO方法，增强大型语言模型的探索能力，克服对齐框架的局限性，提高模型性能与安全性。该研究成果已被ICLR 2025录用，验证了在线学习的有效性。