福建
①项目：Xiaomi-Robotics-U0
Xiaomi-Robotics-U0是由小米机器人团队推出的统一具身合成世界基础模型。它是一个38B参数的自回归模型，基于EMU3.5初始化，旨在弥合基础图像生成与以机器人为中心的场景、迁移和视频生成之间的差距。该模型采用统一的离散视觉分词器和单一的下一个标记预测目标，能够处理文本、图像和具身观察等多种模态。项目开放了模型权重、推理代码和在线演示，支持文生图、图像编辑、多视图场景生成、场景迁移及具身视频生成等多种任务。
②项目：MOSS-VL-Realtime
MOSS-VL-Realtime是OpenMOSS生态系统中的一个实时流式视频理解模型。与传统模型不同，它专为连续视频流设计，能并行感知输入帧并生成文本，支持在视频流的任意时刻提问，并能在视觉证据不足时选择保持静默观察。该模型延续了MOSS-VL的交叉注意力设计和256K文本上下文窗口，并增加了实时流数据和逐帧时间戳推理接口，能根据新画面动态修正之前的判断。
③项目：UniVR
UniVR是首个无需依赖密集图文对或特定任务启发式方法，直接从纯视觉演示中同时学习复杂推理、细粒度物理动态和长期规划的框架。它基于Emu3.5（34B）模型构建，采用统一的下一个token预测目标，给定图像和指令后直接生成视觉推理轨迹。训练分两阶段：在VR-X数据集上进行监督冷启动初始化，随后采用结合全局奖励与步骤聚焦奖励的VR-GRPO强化学习方法。在VR-X基准测试中，UniVR相比基座模型提升高达25%，性能接近参数量远超其的顶级组合模型，且在标准多模态基准测试上表现不降反升。
④项目：CoLT
CoLT是一种潜在推理模型，通过链式潜在思维（Chain of Latent Thoughts）大幅降低推理时间，在多个视觉任务上表现优于或相当于传统文本链式思维推理。与以往需要辅助图像监督的方法不同，CoLT仅利用纯文本思维链注释进行训练，显著减少标注成本。项目基于Qwen3-VL-8B，完全开源模型、训练数据与代码流水线。
️ 框架平台、必备工具
①项目：Bun
Bun是一个专为JavaScript与TypeScript应用打造的一体化工具包，以单一可执行文件提供。其核心是Bun运行时，可作为Node.js的直接替代品，由Rust编写并基于JavaScriptCore引擎，启动速度与内存占用显著优化。除运行时外，它还集成了打包器、测试运行器、脚本运行器以及兼容Node.js的包管理器，开发者只需一个bun命令即可完成开发工作，无需安装大量依赖。Bun内置工具的性能大幅领先现有方案，且几乎无需修改即可在现有Node.js项目中使用。支持Linux、macOS与Windows系统。
②项目：predict-before-execute
本项目提出了FOREAGENT，一个通过预测解决方案性能来加速机器学习智能体的新范式。传统智能体依赖“生成-执行-反馈”循环，受到严重的物理执行瓶颈限制。作者提出数据驱动的解决方案偏好，利用大语言模型的“隐式执行先验”在逻辑推理中预测不同方案的优劣，从而将探索与执行解耦。项目基于AIDE与AutoMind在MLE‑bench上的真实执行轨迹，构建了包含18,438对对比的大规模偏好数据集，并证明LLM具备显著的预测能力。集成该机制的FOREAGENT实现了6倍加速、3.2倍搜索空间扩展和+6%的性能提升，在多个AI4Science任务中优于基线方法。代码、数据集与运行时轨迹均已开源。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
