TerraTransfer++: Demonstration-Free End-to-End PlannerTerraTransfer++ 自博弈端到端规划器，NAVSIM navhard/navtest 达 59.4/95.5
TerraTransfer++ 自博弈端到端规划器，NAVSIM navhard/navtest 达 59.4/95.5
展示一种无需人工演示的端到端自动驾驶训练范式，用自博弈策略蒸馏出轨迹教师，显著降低数据成本并超越现有方法。
01 / 全部精选
共 30 条 · 按精选排名浏览，包含上方重点
同一份资料，两种阅读方式
Learning from Next-Frame Prediction: Towards Unified and Scalable Visual Representation LearningVANE 用下一帧预测做视觉预训练，EPIC-KITCHENS-100 超 V-JEPA 2.1 7.1 点
VANE 用下一帧预测做视觉预训练，EPIC-KITCHENS-100 超 V-JEPA 2.1 7.1 点
提供统一图像/视频的自监督表示学习路径，证明嵌入空间下一帧预测随模型与数据扩展有效，可作为视觉骨干预训练参考。
When Thoughts Become Memory: Unifying In-Context Learning and Fine-Tuning首次给出认证规则统一ICL与微调，GPT-2判定正确61,948/64,000流
首次给出认证规则统一ICL与微调，GPT-2判定正确61,948/64,000流
以信息价值认证数据应存上下文还是权重，可指导数据选择与上下文/微调策略，对优化训练推理有参考价值。
Training the Whole Agent, Not Just the ModelHarnessAdapt-RL同步训练策略与harness，SWE-bench Verified pass@1提升9.8个百分点
HarnessAdapt-RL同步训练策略与harness，SWE-bench Verified pass@1提升9.8个百分点
联合优化策略与执行框架可显著提升编码智能体在SWE-bench任务解决率，对RL训练范式有直接工程启示。
Recast the Past: Stable Long Video Generation with Full Context MemoryReCam 长视频生成获 VBench-Long 最高分 80.1
ReCam 长视频生成获 VBench-Long 最高分 80.1
长视频生成的全上下文记忆与去噪调度设计可有效缓解漂移，对视频生成工程优化有明确借鉴。
Ropedia W0: Scaling Loco-Manipulation World Models across Embodiments with Human ExperienceRopedia W0 发布跨本体运动-操作世界模型，用1万小时人类+3千小时机器人数据
Ropedia W0 发布跨本体运动-操作世界模型，用1万小时人类+3千小时机器人数据
首次把人类第一人称数据规模化接入机器人世界模型，给跨本体动作空间统一与数据采集路线提供可复用范式
严选点评 · 1万小时人类+3千小时机器人数据，跨本体世界模型
Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from MetaMeta 开源前沿多模态 MoE 模型 Muse Spark Open
Meta 开源前沿多模态 MoE 模型 Muse Spark Open
开放权重的旗舰级多模态 MoE 若能力对齐闭源，将改变自托管与微调的成本/能力基线
严选点评 · Meta开源Muse Spark Open前沿多模态MoE，权重可评
mw00/project-mayaProject Maya 支持私有部署 321B/748B MoE 大模型
Project Maya 支持私有部署 321B/748B MoE 大模型
降低超大 MoE 私有化门槛，打通 NVIDIA/AMD 与量化部署，可评估本地推理价值。
严选点评 · 私有部署321B/748B MoE，数据不出域
unsloth DeepSeek-V4.1 & FLUX-3Unsloth 支持本地运行 DeepSeek-V4.1-Flash 与 FLUX.3，1-bit 仅需 125GB
Unsloth 支持本地运行 DeepSeek-V4.1-Flash 与 FLUX.3，1-bit 仅需 125GB
552B/16B 激活、1M 上下文的模型可单机 1-bit 量化运行，且支持 FSDP2 多卡训练和一条命令接入 MCP，直接降低本地微调与私有部署的成本门槛。
严选点评 · DeepSeek-V4.1-Flash 1-bit仅需125GB本地运行
Can we change an AI model’s architecture without retraining it from scratch?AWS 提出 Priming：不到 1% 成本改造 Transformer 架构
AWS 提出 Priming：不到 1% 成本改造 Transformer 架构
可低成本获得最高 2 倍吞吐，并让混合架构对比不再依赖从零训练，影响推理优化
严选点评 · <1%成本改造Transformer架构，免从零重训
