WUJI Hand 2 机器灵巧手展示转笔技能,全套代码以 Apache 2.0 开源
WUJI 的 20 关节机器手 WUJI Hand 2 在物理仿真中训练转笔策略并迁移到实机,在 IROS 2026 现场展示,同时配有一款可实时控制该手的传感手套。
WUJI 的 20 关节机器手 WUJI Hand 2 在物理仿真中训练转笔策略并迁移到实机,在 IROS 2026 现场展示,同时配有一款可实时控制该手的传感手套。
The Open Accelerator 发布 Mass AI Atlas,一张覆盖马萨诸塞州 160+ 家经人工核验机构的 AI 生态地图,提供地图、Galaxy 网络图、创始人旅程和目录四种浏览方式。项目为无构建步骤的静态站点,合并即发布,由 GitHub Action 自动部署,并以 CC BY 4.0 协议开放数据集,提供 JSON 和 CSV 两种机器可读接口。
IDC 预测 2026 年全球智能手机出货量将下滑 16.7% 至略高于 10 亿台,为行业史上最大年度收缩,较上一季度预测的 13.9% 降幅大幅下修。市场价值仍将增长 6.3% 至 6130 亿美元,平均售价升至 581 美元、同比上涨 27.6%,主因 2025 年底开始的内存短缺推高 NAND 与 DRAM 成本同比涨超 300%。
VeighNa 发布 4.0 版本,正式引入面向 AI 量化策略的模块,提供多因子机器学习策略的开发、研究与实盘交易一体化方案。该模块包含面向 ML 训练优化的因子特征工程、内置 Alpha 158 因子集,以及支持 Lasso、LightGBM、MLP 的标准化模型训练模板。同时推出 vnpy Workspace,为数据集可视化与 AI 智能体提供企业级 UI。
AiDotNet 是一个纯 .NET 深度学习框架,提供 160+ 神经网络架构、155+ 经典 ML 算法、115+ 计算机视觉模型和 250+ 音频处理模型,并原生集成 HuggingFace、支持 CUDA/OpenCL/Vulkan GPU 加速与 DDP/FSDP/ZeRO 分布式训练。
Stanford 等机构的论文发现,harness(提示词、工具、检查)改动能修复循环或停滞等过程失败,而交付糟糕计划的内容失败需要权重训练。研究把失败运行分为过程失败(如循环、步数预算耗尽)和内容失败(交付了糟糕计划),在旅行规划基准上由 LLM 驱动的循环改写 harness,最佳运行再对模型做微调。
Epoch AI 发布报告《The Plunging Price of Thought》,基于数学、硬科学和博弈类五个基准近三年的数据估算,达到同一性能水平的成本约每季度下降 47%,即每年 13 倍。
StreamPulse 是一个开源实时业务数据管道,支持 JSON、CSV、Gmail、HMAC 验证 webhook、Google Sheets 和 n8n 六种数据源,采用关键词、嵌入向量、Claude Haiku 零样本分类的三级混合分类级联并带内容哈希缓存。在 1000 请求并发压测中实现 0.00% 错误率,提供 WebSocket 与 SSE 实时仪表盘,并以 AGPL-3.0 开源。
得州 ERCOT 电网级电池装机从本十年初的约 200 兆瓦增至今年 6 月底的 16.5 吉瓦、近 29 吉瓦时,但市场迅速饱和,2025 年电池平均收入较 2023 年下降约 84%,辅助服务饱和、套利价差被抹平。
GitHub 项目 awesome-econ-ai-stuff 发布,提供专为经济学家设计的 AI 技能,可分析经济数据并辅助决策。工具包含回归分析与预测、图表可视化,支持导入 CSV 和 Excel 文件,并可导出图片或 PDF。软件支持 Windows 10、macOS 10.15、Ubuntu 20.04 及以上系统,需 4 GB 内存和 500 MB 磁盘空间。
GitHub 仓库 data-projects-portfolio 汇集了数据分析、机器学习、深度学习、NLP、计算机视觉、ETL、流处理、BI 与云部署等多领域数据科学项目,并提供分步文档与模板。用户可从 Releases 页面下载最新版本,按说明在本地运行,部分项目需 Python 3.6+ 或 R 4.0+。
FixPortal 发布开源项目 fixportal-observatory,用 .NET 10 与 React 19 构建、PostgreSQL 存储,把账单支出、公开目录估算、订阅名义价值和缺失数据分开呈现。
研究提出 Cavewoman 双通道评测协议,在 5 个数据集、5 种压缩级别下测试 8 个模型,同时衡量任务准确率、实际单条成本与参考文本一致性。输出压缩在多数 API 模型上把实际成本降至 1.4-2.4x(最佳 3x),四个开放权重模型在公开档定价下同样降本;输入压缩则相反,五基准均值成本升至约 1.15x,最差数据集 1.8x、更强压缩下 2.7x,且准确率下滑。
pyre-code 是一个通过 68 道编程题练习机器学习的平台,题目覆盖 ReLU、Sigmoid 等基础数学与激活层,到注意力机制、RLHF 和扩散模型等进阶主题,代码反馈直接在浏览器中给出。
Flopper 是一个 AI 基础设施硬件浏览器,把 GPU 规格、性能与云租赁价格集中到一处对比,数据库收录 221 款 GPU、82 套多卡 AI 系统和 786 个 GPU 数据中心。所有厂商数据被统一归一化到同一 TFLOPS 基线,覆盖 FP64 到 FP4 各精度,每个数据点均链接回官方 datasheet、白皮书或经验证的 benchmark。
一篇发表于 Nature 的论文提出 byteification 方法,用不到典型预训练预算的 1%(共 49.1B tokens)把已有子词级 LLM 改造为字节级模型,得到 Bolmo 7B、Bolmo 1B、Bwen 8B 和 Blama 8B。
GitHub 项目 GenAI-Architect-70-Hands-On-Projects 提供 70 多个生成式 AI 实战项目,覆盖 RAG、微调、LLM 训练、LangChain 等主题,并附详细指南与 Jupyter notebook。
GitHub 项目 goutam16x/FINAL-AI-ML-results 发布 v2.8 版本,提供情感分析与主题建模工具,配套 10k 数据集,并用 Matplotlib 生成可视化图表。工具基于 Pandas 和 NumPy 处理 CSV 与 Excel 数据,要求 Python 3.6 以上、至少 4GB 内存和 100MB 存储空间,支持 Windows、macOS 与 Linux。
ModelMonitor 是一个静态仪表盘,用于追踪大语言模型历史并监测当前模型生态的变化,将论文发表日期、模型发布、Hugging Face 仓库创建时间与首次观测到端点等事实分开存储。
独立研究者 Alex Vidovich 与 Zivana Zerjal 在一份工作论文中,将小型商用文本判断模型 Jev 与通用聊天机器人 Claude 在盲测标题行上对比,并提出文本信号进入实盘交易系统前须通过的六项测试:对照真实标签读对事实、胜过自身标题计数基线、不记忆著名历史事件、两次回答一致、始终看到决策时点日期、每条前瞻判断规则对照随机标记校验。
研究者提出 Residual Matrix Transformer(RMT),用外积记忆矩阵替换 Transformer 的残差流,使残差流规模可与计算量和模型规模独立扩展。RMT 以少 58% FLOPS、25% 参数和 41% 训练 token 达到与 Transformer 相同的损失,并在下游评测中表现更优。该工作已被 ICML 2025 接收,代码已开源。
Clera 将 500 GB 生产 Postgres 数据迁移到 ClickHouse Managed Postgres,此前旧供应商环境下单次人才查询耗时约 3 秒、数据库曾连续 6 天 CPU 满载。
ContextBridge AI 是一款为 LLM 交互优化语义上下文的工具,通过分析依赖图、函数调用层级和架构模式生成上下文感知嵌入,声称可减少最多 60% 的 token 浪费。它支持 Claude、GPT-4 等模型,提供 PyPI 安装、Docker 部署(contextbridge/optimizer:2026)及 CLI 调用,示例配置中 token_budget 为 32000。
Thanathip55 发布 AI-LiveStream-Series-Slides-Hub,把微软 AI LiveStream 系列的幻灯片、字幕与演示转化为可检索、可复用的社区知识库。项目包含会话索引、概念图谱、多语言翻译、无障碍界面与离线快照等模块,并规划 2026 年推出移动阅读器与语义搜索。
Tines 3B 为每个步骤的 gVisor 沙箱提供版本化文件系统,步骤运行与文件变更像数据库事务一样要么全部提交、要么全部丢弃,崩溃或退出 1 的沙箱不会发布任何改动。系统由沙箱外的文件服务器 Nest 和存储引擎 Spongeblob 组成,卷按快照版本管理,可 fork 出草稿分支而不复制数据,典型 128 KB 写入可在 2–4 ms 内持久化,且不依赖 S3 也能运行。
brandonhimpfen/notebooks-gallery 发布 v0.1,这是一个文档优先的 Notebook 合集,覆盖 ML 基础、LLM、RAG、评估、提示工程与 AI 系统六大主题。
brandonhimpfen/optimization-kernels 发布 v0.1,提供 int8 量化与反量化辅助函数、float32 矩阵乘法内核、int8 推理式矩阵乘法路径及基准测试工具,采用无依赖的 C++17 与 CMake 构建。该项目定位为学习与扩展优化内核的基础,而非完整推理引擎,v0.1 不含 SIMD 与 GPU 加速,仅支持 per-tensor 量化。
BerniUCb/github-ai-radar 通过 GitHub Search API 抓取 llm、rag、ai-agents、mcp 等 AI 话题下的新仓库,用 Polars 对比 SQLite 历史快照计算每小时新增 star 数(动量),将突破增长阈值的仓库标记为 EMERGING 并导出 ai_radar_report.csv 与 data.json。
Kallo 是一款用自然语言描述即可记录饮食的 AI 工具,通过"先分解、再匹配"的两步 AI 流程,将一句话拆解为食材、重量与宏量营养素,并对照 FAO 与 USDA 食物数据。
作者发布 transformers5-qwen3.5-recipe 仓库,用 GGUF 作为低显存 LoRA 训练的基础模型格式,在无 CPU offload 的情况下于 40 GiB 显存训练 Qwen3.8-Flash-Next(125B-A6B + 51B engram)。
AmiraliFirouzi/zal 是一个开源、社区驱动的波斯语语言模型与数据集目录平台,帮助研究者、开发者和爱好者集中查找波斯语 AI 资源。平台支持按模型、数据集和热度搜索过滤,用户可收藏条目,任何人提交模型或数据集后会自动生成 GitHub Issue,经审核后加入 src/data/items.json 并展示在网站上。
Matrix 是一个名为"代际人工生命(GAL)"的实验框架,研究持久存在的人工种群——个体经历发育、学习、工作、交流、向继任者传递知识并参与多代文化演化,而非无限训练单一模型。其核心研究问题是:代际连续性能否产生独立 AI 智能体难以高效形成的累积能力。项目目前为研究原型,代码采用 Apache License 2.0,论文与文档采用 CC BY 4.0。
研究团队提出金融 K 线建模的预训练框架 Kronos,用专用 tokenizer 将连续市场信息离散为 token 序列,并在 45 家全球交易所超 120 亿条 K 线记录上以自回归目标预训练。
brandonhimpfen/ai-provenance-corpus 发布 v0.1,一个以事件为中心、机器可读的 AI 溯源语料库,记录 AI 辅助产物从检索、生成、引用、编辑、验证、评审到发布的流程元数据而非产物内容。
开源项目 ai-daily 每个工作日自动抓取两次 models.dev 全量快照并与昨日相减,生成新模型、调价、上下文变更、下架、官方公告五类事件,站点以《我的世界》风格像素主题呈现。项目用人工维护的 33 家原厂注册表过滤掉近 8000 条渠道噪声,保留 620+ 条原厂模型条目,并整合 Epoch AI 评测与 B 站社区情报,零依赖、仅需 Node.js ≥ 18。
PopVax 宣布其广谱保护型新冠疫苗候选 PVX-001 于 2026 年 8 月 31 日在澳大利亚墨尔本启动首次人体一期临床试验,首批两名受试者完成接种,计划共入组 36 名健康成年志愿者,截至 10 月 6 日已入组并接种 14 人,未报告严重不良事件。
Latent Space 采访 Standard Bots CEO Evan Beard 与 AI 负责人 Leif Jentoft,介绍其工业机械臂的 AI 技术栈:共享基础模型由客户通过演示和微调适配,最大模型参数量在 low billions 级别,感知骨干网络基于超 10 亿张图像训练。
MIT 团队把基于 Claude Code 的编码智能体 Eko 放到一个无具体任务、奖励或活动的虚拟岛屿上,运行 13 个智能体各 30 小时,观察到它爬山、堆方块、画曼陀罗、发明运动并做物理实验。
Standard Bots 用共享基础模型加客户演示微调的方式构建工业机器人 AI,最大模型参数量在数十亿级别,模型在云端训练、本地推理。其机器 tending 方案采用零样本感知系统定位识别零件,主干模型基于超 10 亿张图像训练,运动与单元逻辑仍由传统编程处理。公司称已获 NASA、Amazon、Lockheed Martin 等客户,近期以 10 亿美元估值完成 2 亿美元 C 轮融资。
一项针对人机交互的随机对照试验(N=1,222)发现,AI 辅助虽能提升短期表现,但会降低人的坚持性并损害无 AI 时的独立表现。在数学推理、阅读理解等任务中,被试在没有 AI 时表现明显更差、更容易放弃,且这些影响在约 10 分钟的短暂交互后就会出现。作者认为,AI 让人习惯即时答案,从而失去了独自攻克难题的体验,并建议模型开发在完成即时任务之外兼顾长期能力培养。