NVIDIA Nemotron 3.5 Super VL是一个120B参数的多模态MoE模型，支持文本、图像、文档和视频输入，输出文本。该模型由Nemotron 3 Ultra蒸馏而来，提供12B激活参数/token，上下文长度达1M token。
推荐理由原文给出了Nemotron 3.5 Super VL的架构、性能基准和部署指南，读者可以了解其多模态能力、GPU配置要求以及在EKS/HyperPod上的部署实践。
Gemini 4 Carbon 是 Google DeepMind 最强大的模型，在 Artificial Analysis Intelligence Index v5.0 中排名第 59。
推荐理由Carbon 在代理任务、编码和网络安全基准测试中取得显著提升，并在 SEC-bench Pro 等关键安全基准中登顶，展示了强大的长周期工程能力与对齐安全性。
NVIDIA Nemotron 3.5 Transcribe 为开放权重模型，支持转写 40 种语言、翻译 31 种语言并标记 13 种语言的说话人，单 GPU 即可运行。
推荐理由Nemotron 3.5 Transcribe 与 Granary v2 同时发布，开放转写、翻译、说话人标记及音频问答功能，并提供可适配的数据管线与微调方案。
Exowatt 利用 Amazon SageMaker AI 无服务器模型自定义，在两个部署目标（边缘和云端）上分别微调了 Qwen3-1.7B 和 Qwen3-14B 模型，在报警分类和能源市场分析两项任务上分别实现 0.911 和 0.975 的 macro-F1 分数，显著超越同等规模的前沿模型。
推荐理由原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
谷歌研究院提出睡眠框架，旨在通过交替的唤醒与休眠阶段，让LLM在持续学习中保持知识并自我提升。该框架模拟人类大脑休眠过程，包含记忆巩固与做梦两个阶段。记忆巩固通过参数扩展和知识向上蒸馏将短期记忆转化为长期参数，做梦则通过随机专家激活和基于梯度的样本筛选进行自改进。
推荐理由原文介绍了睡眠框架，展示了LLM在持续学习中通过交替的唤醒与休眠阶段实现知识保持和推理提升，读者可了解该方法在长上下文保持、事实整合和数学推理方面的技术细节与实验结果。
Liquid AI 发布 LFM3 系列，包括 LFM3-1.7B、LFM3-VL-2B、LFM3-Audio-2B、LFM3-Omni-2B 等四款 2B 参数专用模型，均基于 LFM3-1.7B-Base backbone 构建。
推荐理由LFM3 发布一系列 2B 参数的专用模型，在单 GPU 上即可微调部署，并提供从文本到视频、音频的多模态能力，读者可通过对比了解参数效率与上下文窗口的提升。
DeepMind 于2026年10月发布 Genie 4，作为首个原生音频交互的世界模型。该模型原生支持音频生成，可同时产出音乐、环境音和交互式对话。Genie 4 基于 Gemini 家族模型，利用 Gemini Omni 确保现实外观与行为，其他 Gemini 模型提供复杂推理以保持连贯性。
推荐理由DeepMind 发布 Genie 4，作为首个原生音频交互的世界模型，展示了在实时模拟、物理推理和多模态生成上的重大进展，标志着交互式世界模型进入新阶段。
C-BRAIN 联盟与 NVIDIA 合作，利用 AI 加速痴呆症研究。该系统整合了此前未公开的“暗数据”，包括未公开的发现、阴性结果及受管控的专有数据。
推荐理由原文展示了 C-BRAIN 如何利用 AI 加速痴呆症研究，通过 OpenScientist 与 InsightEngine 两款开源工具实现从数周到分钟级的分析速度提升，并给出了多模态基础模型的路线图，读者可了解 AI 在医学研究中的具体落地路径与技术挑战。
Google Research团队与合作伙伴合作，将基础模型应用于结核病（TB）筛查，旨在解决偏远地区放射科短缺的问题。文章报道了AI模型在胸部X光片上检测结核病的性能，并通过与Nexus AI等公司的合作获得监管批准（CE MDR Class IIb）并在南非、塞拉利昂等国的40家医疗机构部署，已筛查超2.5万例胸片。
推荐理由原文展示了从算法研发到临床落地的全链路过程，通过开源模型和本地化部署解决了数据隐私与算力获取难题，读者可了解到AI如何在低资源环境中实现TB筛查的实际落地与规模化。
Bayer 作用作物科学利用 Amazon Bedrock AgentCore 构建了 Agentic Decision Engine（ADE），通过 supervisor 智能体路由问题到专家智能体，实现了对 Connected Decision Engine（CDE）的自然语言查询。
推荐理由原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
该研究发布了 ThinkingBox-Training，通过构建基于数据库终态状态的可执行奖励函数，对 Qwen3.8-27B 进行了 50 步的 GRPO 微调。
推荐理由基于可执行数据库状态的奖励函数对 Qwen3.8-27B 进行了 50 步 GRPO 微调，使其在 ThinkingBox-Bench 基准测试中通过全部 20 次尝试的任务数从 38 例提升至 107 例，pass@1 从 51.70% 提升至 60.78%，展示了通过离线策略相对难度筛选训练任务后，模型可重复成功率的显著提升。
Hugging Face 发布 OlmoEarth v1.3，这是一个全球卫星嵌入模型，可将一年卫星时间压缩为每 10 米像素 128 维向量。该模型在 27 项评估中以 128 维嵌入在 20 项任务中得分最高，64 维嵌入在 18 项任务中领先。
推荐理由OlmoEarth v1.3 发布全球卫星嵌入模型并开放预计算嵌入，提供交互式浏览器工具，读者可直接获取跨年份变化分析方法和具体案例。
AWS发布Deep Insight，一个将复杂数据分析自动化的多智能体系统。系统通过协调者、规划者、监督者和专业执行者（码农、验证者、报告者、追踪者）层层协作，从CSV数据生成带图表的DOCX报告。
推荐理由原文列出了5大生产挑战及Deep Insight的架构解法，读者可以学到分层协作、模型角色分配和安全沙箱等可迁移的技术要点。
NVIDIA 发布 Kumo Relational，这是一个预训练的关系基础模型，可直接在企业数据库上进行预测。它无需任务特定训练、特征工程或表展平，通过单次前向传递即可预测流失率、需求或欺诈等结果。
推荐理由原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
文章介绍了 VocabX 方法，通过专门化词汇将 SLM 推理成本降低 77%。在 Portuguese essay grader 实验中，模型的平均输出 token 数从 350 降至 101，基于 Qwen3-4B 的基座模型在不改变权重的情况下实现成本大幅下降。
推荐理由文章展示了如何通过专门化词汇显著降低 SLM 推理成本，并提供了具体的实验数据和方法论，读者可直接了解成本优化的关键技术点。
微软研究院的研究人员与合作者结合新的数学思想与人工指导的 AI，证明了耗时 31 年的 KLS 猜想。该研究确立了 log-concave 分布的几何原理，即简单的平面切割可在固定因子内捕捉其最窄瓶颈，且与维度无关。
推荐理由研究者利用人工指导的 AI 过程证明了 KLS 猜想，确立了高维几何的几何原理，并提供了机器可验证的正式证明，这对优化、算法和统计学等领域有深远影响。
Mistral 与 NVIDIA 合作推出工程 AI 解决方案，发布 Mistral Large 4（Le Chonk）模型并提供公开基准。新模型拥有 1 万亿总参数、490 亿活跃参数，支持多模态理解和代理工作流。双方计划将模型与 NVIDIA Omniverse 结合，用于 3D 场景生成和仿真资产创建，并计划在 2030 年前在欧洲部署 1 GW AI 基础设施。
推荐理由原文发布了 Mistral Large 4 并与 NVIDIA 合作推出工程 AI 能力，提供了开放基准和基础设施，读者可以了解新模型能力和产业化进程。
i14 在 AWS Trainium2 上训练并推理 Laplace 3B 线性注意力模型。训练阶段在单节点单实例上实现约 120,000 tokens/秒的吞吐量，损失平滑下降至 2.3729；推理阶段通过未修改的 vLLM 引擎在 1,280 并发序列下实现 11,544 output tokens/秒。
推荐理由原文展示了Laplace 3B在Trainium2上训练和推理的具体结果，读者可以了解到线性注意力模型在大规模训练和高并发推理下的性能表现及其固定状态带来的内存优势。
NVIDIA发布Cosmos3-H-Dreams，这是一个基于临床乳腺切除术录像训练的实时生成手术模拟器。该模型利用Cosmos 3和FlashDreams库，在单张RTX PRO 6000 GPU上实现交互式视频生成，支持通过手术器械动作控制场景，展示了组织变形和器械外观的时序一致性。
推荐理由Cosmos3-H-Dreams展示了在单张RTX PRO 6000 GPU上实时生成临床手术场景的能力，提供了从表格任务到临床手术的迁移路径，并开放了教师微调和蒸馏的完整配方，读者可据此评估其在手术机器人研究中的应用潜力。
原文介绍了在AWS上使用Denodo平台构建语义层，实现Amazon Aurora、Amazon Redshift和本地PostgreSQL数据的联邦查询。文章详细说明了如何通过Denodo Virtual DataPort创建基础视图、派生视图和度量视图，以及如何通过Model Context Protocol Server将语义层暴露给AgentCore托管的智能体。
推荐理由原文详细展示了如何在AWS上使用Denodo和Amazon Bedrock AgentCore构建语义层，实现跨多源数据的联邦查询和身份传递，读者可学到具体的MCP Server注册、查询下推和访问控制实现方法。