新闻、仓库与研究，按时间排列。
一个基于 PyTorch 的深度学习项目，使用去噪扩散概率模型（DDPM）从随机高斯噪声生成 32×32 的 CIFAR-10 彩色图像，并与 VAE、DCGAN、自编码器基线对比。带 attention 的 Linear DDPM 取得最低 FID 39.0745，Cosine DDPM + attention 取得最高 Inception Score 6.8209；消融实验中 attention 使 FID 降低约 25.3%。生成均为无条件生成，结果来自单次运行。
GitHub 新仓库 Spectre113/astronomy-diffusion 使用 NASA APOD 数据对 Stable Diffusion 进行 LoRA 微调，用于天文图像的生成与修复（inpainting）。项目包含 Task1、Task2 及 astronomy_diffusion 源码目录，目前尚未获得 stars、watchers 或 forks，也无发布版本。
开发者推出 CrowdGPT 项目，目标是在不建数据中心、不投入数百万美元的情况下，协作训练一个 10 亿参数的模型。参与者可用自己的 PC 独立训练并将贡献汇入全局模型，项目开源且 100% 公开训练数据和权重。当前模型规模仅作概念验证，作者正在征集反馈以降低参与门槛。
NVIDIA 发布 Kumo Forecast（前身为 NV-Tesseract Forecasting），一个多变量时间序列预测模型，基于 MOMENT-1-large 约 340M 参数编码器加可训练预测头。其 DARR 模式通过 k-nearest-neighbor 检索历史模式并与直接预测融合，并提供滞后与特征归因等可解释性输出。模型以 Apache 2.0 许可开源，支持 256 至 2048 的输入序列长度。
论文《Let It Be Simple: One-Step Action Generation for Vision-Language-Action Models》发布代码与权重，方法只需把训练时间步分布偏向噪声端点 t' = α·t / (1 + (α−1)·t)，无需蒸馏、新目标函数或新架构即可训练一步 VLA 策略。论文认为该效应是结构性的：丰富观测 tightly 约束紧凑动作目标，使不可约速度损失在噪声端点坍缩，而非像图像生成那样形成 U 形。
推荐理由：论文给出把训练时间步分布偏向噪声端点即可训练一步 VLA 策略的方法，并附开源代码、配置和 LIBERO 成功率数据，可复现验证。
GitHub 开源仓库 neuronet-arena 是一个进化模拟器，40 个智能体在 2D 场地中由各自的小型神经网络驱动觅食避害，网络、遗传算法和随机数生成器全部用 Python 手写，不用 NumPy、PyTorch 或 random。浏览器 JavaScript 演示与 Python 引擎位级一致，通过共享 PRNG、softsign 替代 tanh、Cayley 变换旋转和固定求和顺序规避 IEEE 754 未规定的 tanh、sin、exp 差异。8 个种子各跑 150 代的选择开/关对照实验显示，末代每智能体食物量为 13.39 对 0.98，存活数 33.0 对 13.4；首个版本曾因每代重建种群导致 0/20 进化基因存活，现用回归测试修复。MIT 许可。
推荐理由：这个进化模拟器用纯手写引擎和双语言位级一致设计，展示了如何让浏览器演示逐位复现 Python 训练结果，方法可迁移。
Dmitry-dev-pet 在 GitHub 开源 apatch-blender-demo，一个契约驱动的 Blender 自动化最小参考演示，由独立冻结验证器检查生成的 .blend 文件。演示契约 BLENDER-RUBIK-001 要求构建由 27 个 cubie 组成的 3x3x3 魔方、54 个贴纸、执行 +90 度 U 层旋转并用 Eevee 输出 768x768 渲染；另有 480x480 序列演示和 BLENDER-SCENE-EDIT-001 受限场景编辑示例，GitHub Actions 使用固定的 Blender 5.2.2 LTS 运行同一流水线并发布工件。
ASLP-lab 发布 SemBridge，通过共享语义 tokenizer 同时锚定声学潜变量与自回归语言模型状态，统一支持 TTS、按音符条件的歌声合成及语音与歌唱混合生成。2026 年 10 月已公开推理代码与模型检查点，代码采用 Apache-2.0 许可，输出为 44.1 kHz 单声道 WAV，默认 --max-patches 500 限制生成约 40 秒。
daVinci-LLM 是一个可在 Windows 上运行的开源大语言模型研究项目，打包了预训练模型文件、训练数据、研究笔记与结果、配置文件，展示小模型经精细训练也能取得较好效果。项目要求 Windows 10/11、至少 8 GB 内存和 20 GB 磁盘空间（推荐 16 GB 内存和 NVIDIA/AMD GPU），采用 Apache 2.0 许可证。
GitHub 上的 JGalego/awesome-vericoding 仓库收录 vericoding——即由 LLM 生成带形式化证明代码——的各类资源，术语由 Bursuc et al. (2025) 提出。仓库将经典 vericoding（人写代码与证明、验证器检查）与 AI vericoding（模型与 agent 依据验证器反馈生成代码和证明）对比，并按基础理论、验证语言、证明助手、benchmark、agent 工具等分类整理。
GitHub 新仓库 MiniCodeGPT 是一个用 PyTorch 和 Transformer 架构构建的轻量级自定义 GPT 风格 Python 代码生成模型。它使用自定义 tokenizer 和 Python 代码数据集，可根据用户提示词生成代码，并配备 FastAPI 后端和 React 前端提供交互式网页体验。
GitHub 新仓库 RiddleForge-GPT 提供从零训练的完整项目，教一个小型语言模型生成数学谜题并附逐步解答，定位为可部署的课堂或辅导工具。项目包含训练管线、推理感知生成层、多语言界面与可部署 Web 体验，强调谜题数字可验证、难度可调，并支持深浅色模式、可复现的 seed 控制与输出溯源日志。
AINode 开源了 System One 决策模型 Jebadiah，基于 Qwen3.5 和 Qwen3.8 做 LoRA 微调，从单个 label token 的 logits 直接输出校准概率而非生成文本，权重发布在 Hugging Face 的 frontier-infra 集合下。完整仓库包含训练器、数据构建器、评测器与每个 run 的结果记录，全部基于公开许可数据训练；27B 版在五个零样本集上宏观准确率 78.95，JevBench 公开项 0.866 与 Jev 1.13.0 持平，并提供 GGUF、MLX 量化与本地部署方案，代码采用 Apache License 2.0。
推荐理由：原文完整公开了训练配方、消融记录与逐项评测数据，读者可以据此复现这个决策模型并判断各版本取舍。
GitHub 仓库 FixerSoup/llm-pro 的内容是从零开始构建一个小型 GPT 类大语言模型，涵盖模型从零训练的完整搭建过程，属于大语言模型构建教程项目。
Physical Intelligence 团队在 GitHub 开源 openpi 仓库，提供三款机器人视觉-语言-动作模型：π₀、采用 FAST action tokenizer 的自回归版本 π₀-FAST，以及通过 knowledge insulation 提升开放世界泛化能力的 π₀.₅。所有模型附带基于数千小时机器人数据预训练的 base checkpoints 和示例代码，支持用户直接使用或对自有数据集微调。
CatatMD 是一个面向马来西亚全科医生的开源临床记录工具，将问诊转录转化为结构化 SOAP 笔记，并补充诊断、配药、病假天数等 TPA 审计所需字段。其安全特性是架构性的：确定性规则引擎在模型之前运行红旗检测，模型无法抑制或降级；引用仅限给定语料库中的 guideline ID，缺失字段标记为 NOT_ASSESSED 而非自动填充。医生通过显式审批门完成最终确认，工具不代替医生签署。
wetsanalyse-ai 是一个按 Wetsanalyse 方法与 JAS（Juridisch Analyseschema）13 个类别对荷兰法律法规进行结构化、可溯源标注的平台，遵循“AI 生成、人工审核”原则。
作者用 PyTorch 从零实现了预训练、SFT 和 DPO 全流程，训练出 Sutra-1.3B-Chat 并开放权重（huggingface.co/Abhisingh-18/Sutra-1.3B-Chat），不使用 HuggingFace Trainer 或预训练权重，目标硬件为 4x RTX 6000 Ada（48GB）。
OscarTMa 发布基于 Paul Iusztin 与 Maxime Labonne 所著《LLM Engineer's Handbook》的配套实践仓库，实现了 LLM Twin，即一个学习个人写作风格、语气和技术视角的 AI 智能体。
littleseven 在 GitHub 开源了 PoLang（破浪相册），一个 AI Agent 驱动的 Android 智能相册应用，MIT 协议、免费无广告，已上架 Google Play。
推荐理由：开源的 Agent 驱动相册应用，README 给出了与 Queryable、PicQuery 的逐项能力对比和完整模块架构，可作端侧 AI 应用工程参考。
jrajath94 在 GitHub 发布 llm-knowledge-base，一个面向研究工程师的大语言模型知识库，覆盖数学基础、深度学习、LLM 内部机制、预训练、分布式训练、后训练与 RL、推理服务、Agent 与 RAG、MLOps、GPU kernel 等内容。
推荐理由：原文列出了知识库的完整卷目和角色路径，读者可据此判断是否适合按岗位规划 LLM 学习路线。
Rust ScriptBots 是对 Andrej Karpathy 经典智能体进化模拟器 ScriptBots 的确定性 Rust 重制，提供 GPU 加速的 GPUI 界面、可插拔的 Brain 实现（MLP、DWRAON、Assembly 及可选 NeuroFlow）和基于 FrankenSQLite 的分析存储。
MRROBOT401 开源的 DyT-NoNorm-LLMs-REWILD 项目将 DistilGPT2 中的 LayerNorm 替换为 Dynamic Tanh（DyT），并结合 LoRA 微调。在 RE-WILD、Alpaca 和 ShareGPT 三个基准上的评测显示，该方法带来更快的收敛速度、更好的性能指标和更低的微调资源消耗。项目采用 MIT 许可证发布在 GitHub。
GitHub 上的 awesome-open-source-ai-discoveries 项目汇总了数十个免费开源 AI 工具，覆盖 3D 重建、图像生成与上色、视频补帧、音乐作曲与人声分离、语音克隆与转写、文档摘要等场景。每个项目附实用示例，并注明系统要求、处理时间、质量预期与已知问题，帮助用户按自身设备条件快速选型。
animath 是一个开源项目，按需为新加坡小学、中学到初院课程生成数学与科学概念动画：学生选择级别、科目、主题或直接输入问题，LLM 生成描述场景与旁白的 JSON 动画 spec，浏览器内 SVG 播放器直接渲染，无需视频文件。
GitHub 仓库 SZL68 包含 train.py 训练脚本、model.joblib 模型文件、customers.csv 数据集及 strategy.py 策略代码。项目还提供 app.py 应用入口、test_api.py 测试脚本和 Dockerfile，用于部署运行。
AutoTrust AI 在 Hugging Face 开放 GEV-26B-Decide 权重，基于 Gemma-4-26B-A4B-it（26B 参数、每 token 约 4B 激活）。
推荐理由：作者公布了自适应思考的触发阈值、混合方式和各基准前后对比，读者可以据此评估该决策头在推理与分类任务上的取舍。
GitHub 仓库 awesome-speech-ai 精选语音 AI 资源，覆盖 TTS、ASR、Voice Cloning、Audio Enhancement、Speech LLM、数据集与论文等分类。
ML_Iterator_Dare2Dream 是一款免费的开源访谈辅助应用，用 AI 算法协助访谈并提供实时摘要，内置 Q&A 机器人可探索研究数据。支持 Windows 10+、macOS Mojave+ 和 Linux，要求 4 GB 内存与 100 MB 空间；数据默认本地存储。
RoshanNandasana 开源了法律文档分析应用 Legal-Document-Analyzer-LegalAI，支持上传 PDF/DOCX 合同，提取文档类型、当事方、关键条款（按 Attention/Review/Standard 分级），并用 NER 和 TF-IDF 抽取实体与关键词。