NVIDIA与IIT Madras发布Indic预训练研究与2.8T token数据集
NVIDIA与IIT Madras及AI4Bharat将发布Nemotron-pretraining-Indic-v1，覆盖22种印度语言、约2.8万亿token，并同步开放GPU加速的数据生成流程。
推荐理由：报告同时给出2.8T token语料、生成流程与continued pretraining评测，便于理解印度语言数据扩展的方法和效果边界。
#开源/仓库
Hugging Face Blog精选AI 评分7272
NVIDIA Blog精选AI 评分7878 NVIDIA 发布 Nemotron 3.5 Super VL 与两款 Bolt 开放模型
NVIDIA 发布 120B 参数的开放多模态智能体模型 Nemotron 3.5 Super VL，以及面向端侧设备的 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB。
推荐理由：这三款开放模型覆盖企业服务器到端侧设备，并披露训练、部署和行业定制信息，便于比较不同智能体场景的算力需求。
Mistral AI精选AI 评分6969 Mistral AI 发布 Timestral 时间序列基础模型
Mistral AI 发布 Timestral 时间序列基础模型家族，提供 5M、28M、123M 和 209M 四种参数量规格，支持概率预测、多变量目标以及历史和已知未来的协变量。最大模型在 GIFT-Eval、TIME 和 fev-bench 三项公开预测基准中位列预训练零样本模型首位，并可通过 Mistral Forge 微调或部署到本地、VPC 和隔离网络环境。
推荐理由：同时给出模型规模、基准表现、推理速度与部署方式，便于读者判断不同规格在预测任务中的取舍。
Hugging Face Blog精选AI 评分7878 Liquid AI 发布 LFM2.5-24B-A2B 端侧推理模型
Liquid AI 发布 LFM2.5-24B-A2B，这是一款总参数量为 24B、每个 token 仅激活 2B 参数的推理模型，面向端侧智能体的工具调用和多步任务。
推荐理由：原文同时给出模型架构、训练规模、端侧推理速度与多类评测结果，适合比较本地智能体的效果和部署成本。
Microsoft ResearchAI 评分5252 Microsoft Research 发布 StudentSim 改进 AI 导师研究系统
Microsoft Research 提出 StudentSim，用公开且去标识化的学习记录训练个性化学生模拟器，并在 StudentSimEval 中评估其行为还原与指导响应能力。
Microsoft Research精选AI 评分8181 Microsoft Research Asia 开源 Agent Lightning v1.0 轻量级 Agentic RL 框架
Microsoft Research Asia 发布并开源 Agent Lightning v1.0，以约 3,500 行代码构建轻量级 Agentic RL 控制平面。
推荐理由：原文同时说明框架架构、训练流程和编码智能体实验结果，便于评估其如何接入现有 Agent harness。
GitHub Blog · AI & MLAI 评分5656 GitHub 发布 ReviewBench 开放基准，评测 AI 代码审查智能体
GitHub 发布面向 AI 代码审查智能体的开放基准 ReviewBench，公开数据集、评测 rubric、LLM judge 提示词和自助运行器。该基准包含来自 187 个开源仓库的 219 个 pull requests，覆盖 19 种语言，其语言和仓库规模分布参考了 GitHub 上 103.9M 个真实 pull requests。
GitHub Blog · AI & ML精选AI 评分7777 GitHub Security Lab Taskflow Agent 实践 AI 驱动的 C/C++ 模糊测试
GitHub Security Lab Taskflow Agent 可针对 GitHub 仓库自动执行 C/C++ 模糊测试，包括分析构建系统、生成 harness、运行 AFL++、改进覆盖率、分析崩溃并编写漏洞报告。
推荐理由：文章完整拆解了自主模糊测试流水线的运行方式、架构与安全边界，可供 C/C++ 项目评估和复用。
Berkeley AI ResearchAI 评分5555 SPEX 与 ProxySPEX：规模化识别 LLM 关键交互
SPEX 与 ProxySPEX 可通过少量消融实验，规模化识别影响 LLM 特征、数据和内部组件行为的关键交互。研究将交互发现从数十个组件扩展到数千个组件，其中 ProxySPEX 借助层级结构，以约少 10 倍的消融次数达到 SPEX 的性能；两项算法的代码已集成至 SHAP-IQ。
Berkeley AI ResearchAI 评分4747 Berkeley AI Research：信息驱动的成像系统设计
Berkeley AI Research 提出一种基于信息内容直接评估和优化成像系统的框架，并在 NeurIPS 2025 论文中验证了其跨域有效性。该指标在彩色摄影、射电天文、无透镜成像和显微镜四类任务中预测下游性能；优化后的设计可匹配 state-of-the-art 端到端方法，同时减少内存和计算量，且无需任务专用解码器设计。