新闻、仓库与研究，按时间排列。
研究者提出 MP-MNCA，一种保留完整 3000 维高变基因表示、并将组织学相似度作为连续注意力先验的掩码邻居交叉注意力框架，用于空间转录组学的空间域识别。在 12 个人类背外侧前额叶皮层（DLPFC）切片上，MP-MNCA 以更少训练轮数达到连贯空间域结构，平均峰值 refined ARI 为 0.546（最强基线 STAIG 为 0.549），平均 refined NMI 达 0.657（STAIG 为 0.640），并在 12 切片中 7 个的 ARI、11 个的 NMI 上胜出。
研究者提出智能体图像生成框架 GenRevisit，将动作选择扩展为联合选择续接状态与编辑动作，使智能体可回访历史图像候选而非固定从最新图像继续优化。训练采用 SFT 加智能体强化学习，并提出 NACA 改进 GRPO 的粗粒度信用分配。在 GenEval2 上，GenRevisit 结合 Qwen-Image-2512 与 Z-Image-Turbo 分别取得 GM 分数 84.3 和 74.4，超过同生成器最强基线 12.7 和 10.9 分，并在 GenEval、GenEval++ 与 GenEval2 上达到 SOTA。
GUIDE 框架（Generalized Unified Intervention for Dynamic Exchanges）让 LLM 从 432 段多方对话中离线自学习通用主持策略，并以与人类标注对齐的 LLM judge 迭代优化。自学习的通用主持者在留出对话上对三个任务专家主持者取得 61.4% 胜率；实时在线实验中，其保持团队生产力并改善发言舒适度、减少人际摩擦，turns 减少 24.7%、词数减少 29.0%。
AutoNovo 用智能体程序搜索迭代提出、执行、评估并修订核酸设计器代码，以提升跨模型泛化能力。该方法在 3/3 个 DNA 设计任务的 in-silico 性能上取得评估方法中的最佳均值，并在 6/6 个迁移任务上对独立模型表现最佳。发现的设计器来自一个家族而非单一通用最优设计器，作者计划公开发布这些设计器。
开源仓库 vidurr01/Chemistry-Problem-Generation- 提供一条生成 JEE Advanced 风格化学题的流水线，每题答案由确定性化学引擎计算，模型只负责出题、解题与诊断。流程使用 Gemini 3.7 Flash 提输入、DeepSeek V4 Flash 做提取校验，再由 Llama 3.3 70B、GLM-5.3-Flash、GPT-6 Luna 逐级测试难度，Claude Haiku 5.5 验证答案。已收录 27 道经人工评分的题目，物理、无机、有机各含 10 或 7 题。
浙江大学与 Alibaba Group 等机构发布 Adversarial Gradient Forcing（AGF）代码仓库并放出 arXiv 论文（2610.14553），通过对抗性历史扰动训练缓解少步自回归视频生成的误差累积，仅用五秒 rollout 训练即可维持四分钟高质量生成。在六种方法对比中，AGF 在 240 秒 VBench Total 达 84.82、60 秒达 81.47，并取得 2.23 的最佳平均人类偏好排名；推理保持原四步采样器，代码以 Apache License 2.0 开源。
GitHub 开源项目 t2icomparison 提供一套文生图模型生成默认值的可视化对比方法，当提示词未指定光照、构图、配色等属性时，比较多个模型或生成设置的重复输出。系统通过 CLIP 特征和双极 aspect 分数分别衡量输出聚集的位置与紧密程度，每个读数可回溯到图像，aspect 经人工核查，附 experiments/、docs/RUNBOOK.md 等目录支持完整复现。
GitHub 开源项目 modeltested 发布了一个面向开放权重 LLM 的真实工作基准，结果在 modeltested.com 自动更新，当前榜单覆盖 65 个本地模型。评测分编码（30 题，沙箱内跑隐藏单元测试）、文档抽取（24 题）和决策（56 题，含 Brier score 校准）三套，大部分题目以 age 加密存放、密钥为 CI secret，公开与隐藏分数并排展示以暴露背题；模型经 OpenRouter 以全精度或 8-bit 运行，部分 Q4 模型在 Mac mini（M4, 16 GB）上用 Ollama 补测以量化损失，并给出显存适配估算而非速度数字。
推荐理由：这个开源基准用隐藏题集加密和 canary 字符串对照公开分，可用来识别模型背题，且单模型复测成本仅几美分到几美元。
AllSpark（小红书）发布 Vela 官方仓库及论文，将匿名化真实用户行为历史转化为预测行为、总结兴趣、归因解释等训练任务。基于约 7.5 万条 Vela-Instruct 样本微调 Qwen3.6-35B-A3B 得到 Vela-35B-A3B，在十个评测基准上均有提升；先 Vela 后 RL 的模型在 VelaBench 达 66.2、ProfileSummary 达 37.6，高于直接 RL 的 58.5 和 29.9。仓库提供 74 个精选任务模板及 Composer/Scorer 中英文提示词，论文见 arXiv 2610.14709。
推荐理由：原文给出了数据规模扩展和 RL 前后的对比数字，可据此评估用行为监督做微调的实际收益。
一个探索小型学习模型能否互相教学并由市场公平付费的开源实验仓库，基于 Bernhard Mueller 的 Cadence 框架，在单台 PC 的小任务（bandits、key-door）上完成 38 项实验：4 项 crossed、16 项 supportive、9 项 null 等。已测得教学在 key-door 上优于独自学习，技能经评分可传承 5 代，标注传递则失败；外加 drift check 将教师网络从 .79 提升至 .99。代码采用 GPL-3.0，文档采用 CC BY 4.0。
GitHub 仓库 dl1683/Latent-Space-Reasoning 是 Latent Space Reasoning、Matrix Native Math、LLM Genome / Neural Dissection Lab 与 New Computation Model 四个研究项目合并后的唯一研究主页，研究持久化潜空间记忆、高维数学与新型模型构建训练方法，目标是让已学知识可复用、可修订且计算成本更低。仓库按潜空间记忆与长上下文计算、新模型构建训练与推理两条主线组织，目前尚未建立通用持久潜空间推理架构或端到端效率优势，最新的压缩状态构建未通过注册准入标准，仓库代码采用 MIT 许可证。
GitHub 用户 yuhangjiang363-a11y 开源了“退役动力电池模组拆解序列规划与自动化轨迹生成”仓库，包含 chatgpt_airsim 目录和 README。仓库尚无简介、topics 及 Release，目前 0 stars、0 watching、0 forks。
该仓库在 MetaMathQA 上以 PiSSA 风格 SVD 初始化微调 Llama-3.2-1B，并在 GSM8K 和 MATH 各 1,000 测试样本上评测。Rank 256 时 GSM8K 准确率 27.1%、MATH 5.3%，训练耗时 92.42 分钟；rank 16 下 p25/p50/bottom 三种奇异值范围分别取得 12.6%/11.7%/11.4% 的 GSM8K 准确率，均低于默认 top 的 15.3%。
该 GitHub 仓库提供一款 Streamlit 应用，在相同的受控记录上对比基于规则的 ETL 与 Groq 托管的 openai/gpt-oss-20b 模型辅助数据规范化，用于 ICITIIT 2027 受控 ETL 基准研究。实验使用 Kaggle 竞赛 "E-Commerce Returns: Who Will Send It Back?" 的 train.csv，以固定种子抽样并保留原始值作 ground truth，对比字段级准确率、整记录准确率、运行时长、吞吐、token 用量、API 错误和估算服务成本，可导出审计 JSON 与逐记录 CSV，应用可部署在 Streamlit Community Cloud。
APKS（Adaptive Parametric Knowledge Suppression）官方实现发布于 GitHub，通过可解释的稀疏自编码器检测器估计每条响应的不忠实风险，自适应抑制 UA-FFN 以提升检索增强生成的忠实度。方法包括风险检测器、自适应抑制与知识增强微调，基于 Meta-Llama-3-8B-Instruct 与 EleutherAI 的 sae-llama-3-8b-32x，采用 LoRA 微调。论文称 APKS 在 CoConflictQA 全部 6 个子集上均提升了 context recall。
GitHub 上的 shengwei-peng/awesome-ai-papers-zh-tw 项目每日自动收集最新 AI 研究论文，翻译成繁体中文并提供深度分析。每篇论文包含 TL;DR 摘要、Abstract 中译、深度分析、15 题 Q&A、实用指南和中英术语对照表，论文以 arXiv ID 命名存放在 papers/ 文件夹。译文与分析内容以 CC BY 4.0 授权发布，可检索中文或英文关键词。
yuuma-ito 的量子回路代码生成研究仓库完成 5 模型合计 5,000 件验证数据的整合统计，涵盖 qwen2.5-coder:7b 与 gemma3:4b 的 seed 0–9 补完 1,000 件。干预效果分析显示 F 与 D 的救出数均为 191 件（共通 149 件），但对象例不同。实验结束后 `scripts.draft_after_experiment` 自动启动 Codex 生成中间发表与学会原稿草稿，结果以 Ollama 本地运行的 baseline、self_refine 等五种条件对比评估。
该仓库每日汇总视频生成领域的 arXiv 新论文，近期收录论文涵盖视频扩散模型加速（如 ForgingBooster、VDOT++）、物理一致性视频生成（如 HiPhy、PhysicsLENS）、世界模型与机器人导航（如 UniWAM、HorizonNav）、音视频同步生成（如 Kandinsky 6.0 Video、Soundwich）等方向，并列出各论文标题、作者与 arXiv 编号。
Science 报道，Google DeepMind 的 AlphaProof Nexus 独立解决了 353 个开放 Erdős 问题中的 9 个，其中 2 个已悬置 56 年，成果经同行评审。
AWS 团队发布论文《Priming: Hybrid state space models from pre-trained Transformers》，提出 priming 方法，复用预训练 Transformer 权重构建混合状态空间架构，将预训练成本降低逾 99%，全流程仅消耗不足源模型 0.5% 的 token 预算。
rsm-sdeenadayalan 开源了 Loupe，可将原始对话日志转化为产品经理所需的洞察，并在 WildChat-4.8M（320 万条真实人机与 ChatGPT 的对话）上构建演示。仓库同时以 GitHub Pages 发布产品（流水线 + 仪表盘）和包含 11 项发现的趋势报告，每个数字都由 scripts/check_report.py 从公开数据重新推导。工程流程包括分层抽样 2 万条对话、用 Anthropic Message Batches 标注意图、char n-gram 分类器（held-out 准确率低于 0.85 即停止）。
这是 SWE3011 人工智能导论 2026 秋季课程的团队作业仓库，用于复现 LLM-A* 论文。截至 10 月 13 日已完成资料阅读、原版代码获取、代码审查、部分离线行为验证及复现计划，尚未使用 LLM API 复现 Table 1。复现范围为 2 个模型 × 3 种提示词 × 2 种方法加 2 个基准算法共 14 个条件，每个条件用同一份公开的 1,000 个案例评估，首选模型为 GPT-4o mini。
GitHub 仓库 enhancing-llms 实现了论文「Enhancing Large Language Models with Advanced Fine-Tuning Techniques」中的高级微调方法，用于将预训练模型适配到特定领域任务。该方法在 GLUE 上取得 92.5%（较基线 +8.3%）、在 SuperGLUE 上取得 89.3%（较基线 +12.5%），并提供优化训练管线以加快收敛。项目采用 MIT License 开源。
rmanody 在 GitHub 开源了 ICML 2025 论文 "Adaptive Learning Strategies for Large Language Models in Dynamic Environments" 的实现，使 LLM 可在动态环境中实时调整参数与行为，且无需全量重训练。该方法包含自适应参数更新、动态记忆管理、环境检测与防灾难性遗忘机制，在主题切换、新领域、混合上下文和时间变化四类环境中较基线分别提升 17.4%、18.1%、16.8% 和 19.1%，项目采用 Apache 2.0 许可证。
该仓库研究大语言模型在美国 SNAP 福利案件中是否让法律不允许的"值得救助"线索（求职努力、失业可控性）影响裁决。预注册后续实验显示：向 Qwen3-14B/32B 提供中间计算量可完全消除线索效应（准确率 0.95-1.00），Qwen3-8B 无此效果（资格判定 0.68-0.74），Ministral-3-8B 部分改善（0.56/0.40→0.85/0.59）。GPT-5 复测 1554 条生成子样本全部达 1.00，0 线索翻转。
该仓库发布了一项 LLM 地缘政治偏见研究的代码、数据与原始模型输出，测试 7 个模型对孟加拉/南亚外交新闻（BFPN）527 条双语条目进行 8 类标注时的错误是否具有方向性。模型包括本地 vLLM 运行的 gemma-4-31b-it、Qwen3.8-27B、claude-haiku-5-5 等，并提供 NLI 与监督基线及 ADS、ASI、CDR 等偏见指标。
GitHub 上的 agentic-research 仓库是一个面向自主研究智能体的知识库，以交叉链接的知识图谱形式整理 MLE-bench、PaperBench、AIRA 等 ML 研究智能体相关的论文、概念与架构模式。内容采用 Markdown 加 YAML frontmatter 组织，分为 concepts、literature、mocs 等目录，并提供实时渲染的可浏览站点与知识图谱健康检查工具。
GitHub 用户 rmanody 开源了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现仓库，探索超越传统方法的微调策略和领域适配技术。其在 GLUE 上取得 92.5%（较基线 +8.3%）、SuperGLUE 上取得 89.3%（+12.5%）的 SOTA 结果，并提供优化训练管线加速收敛。项目采用 MIT 许可证，附训练与评测脚本。
GitHub 项目 HeadToTailUICardByDeviceSideLLM 验证端侧小模型驱动语义 API 调用，当前覆盖 10 个领域、417 个伪 API，默认题组为 1000 条中文单服务用例。Qwen2.5 0.5B/1.5B/3B/7B 各完成 1000 条共 4000 次调用，7B 最终语义正确率最高（77.1%），1.5B 高于 3B 且耗时更低；尚未接入 HarmonyOS 真机，业务执行为 mock，处于可行性验证阶段。
nedcut 在 GitHub 开源 GM-Bench，一个确定性冰球式联盟总经理基准，智能体通过 JSON API 在多赛季中做名单、交易、选秀和阵容决策。
KAIST 研究者 Jewoo Shin 与 Jinah Park 开发 OmniBody，用体素对齐的椭球粒子加局部 XPBD 约束和 GPU 并行化，实现可切割、剥离与破碎的可变形物体实时模拟，无需全局求解器或重网格化。该框架在 RTX 3080 Ti 上模拟 64,000 粒子约需 3.1 毫秒，复杂切割测试低于 10 毫秒，成果入选 SIGGRAPH 2026 动画与模拟海报环节。
GitHub 仓库 LLM_F-sica 是一项设计并构建专精物理与应用数学 foundation models 家族的研究计划，含语料、验证基础设施、benchmarks 与 serving 栈。截至状态更新，项目语料达 38.96B tokens，S1–S3 三个 sprint 完成，ΦEmb 已上线，ΦRank 因成本不划算被移除，ΦEnc 尚未训练。20 份设计文档完成，20 条 pipeline 齐备，Fase 1 总成本低于 US$60。
s911-cpu 在 GitHub 发布 rag-chunking-retrieval-evaluation 实验仓库，研究 RAG 中 chunk size、overlap 与 Top-K 检索对答案质量和可靠性的影响，仓库包含 README.md 与 source_code.py。
BatteryKG 开源项目将制造商数据手册、循环测试数据集与独立测试来源构建成带完整溯源的 Neo4j 知识图谱，并用 XGBoost + 图邻域特征做覆盖门控的循环寿命预测。基于 Llama-3.3-70B 的三次共识抽取将声明抽取 F1 从 0.70 提升到 0.78 且零无来源值入库；在 60% 保留率下弃答机制使保留 RMSE 从 135 降至 79 cycles，在 HUST 上对全部 77 个电芯零样本拒答，避免约 83% 的误差。
John Smith 等人的论文《Optimizing Large Language Models for Contextual Reasoning in Multi-Task Environments》正在 COAI 2025 审稿中，其代码仓库尚待发布。论文提出优化策略以增强 LLM 跨多任务的上下文推理，实验结果显示在动态环境中具有更优适应性。仓库未来将包含实现代码、benchmark 结果、预训练模型 checkpoint 及文档教程。
GitHub 仓库 tooooolathon/llm-adaptive-learning 发布 ICML 2025 论文「Adaptive Learning Strategies for Large Language Models in Dynamic Environments」的实现，支持 LLM 实时自适应、持续学习且避免灾难性遗忘，无需全量重训练。在四类动态环境测试中，新领域性能从 68.1% 提升至 86.2%（+18.1%），时序变化场景提升 +19.1%，项目采用 Apache 2.0 许可证开源。
GitHub 仓库 llm-agent-collusion-monitoring 提供"评估 LLM 智能体在双向拍卖中的合谋"的代码与数据，内置连续双向拍卖（CDA）市场模拟，默认使用 gpt-4.1 作为买卖双方智能体，默认运行 30 轮、temperature 0.7。支持开启卖方/买方通信、监督（oversight）与 boss_pressure 等实验参数，并提供 experiments/ 目录下的预设实验脚本。
GitHub 上的 SlopBench 是一个衡量大模型写代码冗余程度的开源基准，用 inflation（生成行数 ÷ 参考解行数）量化代码浪费，并额外发布 minimal 提示词可减少的行数（ponytail Δ）。基准含 5 个 Python 任务，所有运行在 Docker 沙箱中完成，模型须达到 pass@1 ≥ 0.6 才计入行数，参考解公开且可通过 PR 争议，结果每周由 GitHub Actions 快照更新。
GitHub 上的 VirtualWorld-LLM-Evals 是一个评测 LLM 的基准，将本科高年级与研究生水平的物理、数学、临床心理学、人类学等学科课程嵌入虚构叙事与流行文化场景中，以规避训练数据污染与表面模式匹配。基准覆盖 15 个学科，每个模块包含试卷（*_Exam.md）与评分细则（*_Answers.md），部分模块如 My Mysterious Fox (2026) 还附阅读语料以测试长上下文综合能力，各科总分 100（部分模块按不同原始分折算）。
GitHub 仓库 canamejoy/Spin-State-GenerationAndInference 发布，提供基于扩展 Heisenberg 哈密顿量的磁性纳米点 2D 磁畴图像生成与反演的端到端深度学习框架，含 DDPM 条件生成与 Xception 回归两条互补路径。内部测试集上 Xception 对参数 K̃_DM 的 R² 达 0.9498，数据集（169,671 与 218,256 样本）已在 Kaggle 公开，外部数据集的分布偏移问题仍在研究中。