研究比较了按时间顺序排列数据与传统打乱数据两种预训练方式，针对一个在6B参数模型上训练的实验。研究引入了包含超过7000个时间锚定问题的新基准。结果发现，时间有序预训练的模型在通用语言能力上与打乱预训练基线持平，但其知识更及时、时间定位更准确；打乱预训练则在旧数据上表现达到峰值。代码、模型检查点和数据集已开源。

在强化学习中，多时间尺度PPO虽旨在平衡短期与长期规划，但在复杂延迟奖励任务中盲目融合多时间信号会导致严重的算法问题。研究发现，将时间注意力路由机制暴露于策略梯度会导致替代目标劫持，而无梯度不确定性加权则会引发不可逆的短视退化。为此，研究提出Target Decoupling架构：Critic侧保留多时间尺度预测以辅助表征学习，Actor侧则严格隔离短期信号并仅基于长期优势更新策略。在LunarLander-v2环境中的实验证明，该架构无需超参数调整即可稳定超越解决阈值，消除策略崩溃并跳出局部最优。实验代码已开源：https://github.com/ben-dlwlrma/Representation-Over-Routing。

该教程演示了如何利用 kg-gen 工具，结合 LLM 与 LiteLLM 配置，从纯文本、对话及多源文档中提取实体、谓词和关系，并生成知识图谱。内容涵盖了从简单文本处理到使用分块与聚类技术应对长文本的进阶步骤，随后通过 NetworkX 进行图谱分析，并最终实现交互式可视化，为构建端到端的知识图谱生成流程提供了实践指南。

Rohan Paul@rohanpaul_ai

67

Velobase宣布开源其AI SaaS框架Velobase Harness。该项目强调，在AI应用时代，产品本身并非真正的护城河，将用户转化为收入的基础设施才是关键。Velobase自身从应用无人问津发展到实现八位数ARR的经历，印证了这一观点。该框架旨在补全从可用应用到盈利业务之间的缺失环节，提供包括支付计费、用户归因、分析与A/B测试在内的全套后端服务。

Velobase: Everyone can build an app now. Almost no one makes a dollar from it. We went from the same problem to 8-figure ARR. The ...

Stability AI正式推出Stability Audio 3.0 small模型，该模型可在用户设备本地运行，生成时长最高达两分钟的音乐音轨。与此前云端生成较长音频的方案不同，此次更新强调了模型的轻量化与端侧部署能力，降低了对云计算资源的依赖。

Berryxia.AI@berryxia

70

在开源生图软件Draw Things中，一项意外发现显著提升了本地AI生图速度。将原为Z-Image Base训练的Z-Image-Fun-Lora-Distill与Z Image Turbo搭配使用后，原本需要8-9步的生成过程可缩减至3-4步，大幅缩短了本地生成时间，同时保持了画质与细节的稳定。这一组合有效突破了此前本地生图速度较慢的限制。

Draw Things: 🔍 An interesting discovery! 🧩 Z-Image-Fun-Lora-Distill from alibaba-pai was originally trained for Z-Image Base, with ...

向阳乔木@vista8

69

作者开源了自己常用的油猴脚本，主要功能包括小红书、抖音等平台的截图自动上传，以及YouTube字幕复制与倍速调节，方便与NotebookLM、ChatGPT等工具配合使用，同时支持小宇宙网页版调速。这是其个人工作清单的一项，作者感叹不上班后的日程（如测试AI产品、体验谷歌新模型等）反而更满，但核心在于所有事务都是自主选择并乐在其中。

向阳乔木: 今天的 Todolist 清单: 1. 上架一个快捷提示词 Chrome 插件 2. 开源几个油猴脚本 3. 测朋友的 AI 产品,写个简单评测 4. 准备周六直播问题 5. 去海河钓鱼 6. 体验谷歌昨天的发布模型和工具 ... 不上班比...

Rohan Paul@rohanpaul_ai

73

商汤科技SenseNova U1已开源发布。其核心创新在于原生多模态统一建模，将视觉、语言与图像生成视为一个统一问题，而非分立模块的链式处理，从而减少了信息损失。该模型采用MoT架构（38B-Active 3B MoE），在生成信息图、海报、漫画等结构复杂的密集图文内容时能保持高度一致性。详细的技术报告披露了其包括近无损视觉接口、联合训练策略在内的完整构建方案，为行业提供了前沿参考。

SenseTime: 🔥 New week, New SenseNova-U1 Drop - and this one goes Deep!🔥 📄 The full Technical Report is OUT - the most detailed d...

Datasette 生态下的 LLM 账户管理工具 datasette-llm-accountant 发布了 0.1a4 预览版。本次更新修复了一个关键问题，即追踪对话链（chains of responses）时存在的缺陷，相关修复可追溯至 datasette-llm#7 问题。该版本主要用于提升使用 Datasette 管理与分析大语言模型调用时的稳定性和准确性。

SciAtlas 是一个大规模、多学科、异构的学术资源知识图谱，旨在为自动化科学研究提供“认知地图”。它整合了26个学科的超过4300万篇论文，包含1.57亿实体和30亿三元组，构建了可打破学科壁垒的结构化拓扑认知底座。为克服现有检索工具缺乏拓扑推理能力的问题，其开发了具备三路协同召回和图重排序功能的神经符号检索算法，实现从语义匹配到确定性关联发现的过渡。应用方向包括文献综述、研究趋势综合、想法定位与学术轨迹探索，旨在以结构化方式赋能科研全流程并显著降低推理成本。相关接口已在GitHub开源。

在2026年I/O开发者大会上，谷歌宣布推出AI电商通用购物车“Universal Cart”及相关协议。核心协议包括开源的通用购物车协议UCP（获亚马逊、Meta、微软等支持），旨在为智能体提供通用语言；以及智能体支付协议AP2，用于管理AI支付流程。该功能将于今年夏天在谷歌搜索、Gemini、YouTube、Gmail中上线，支持多场景添加商品、追踪优惠与历史价格，并具备智能推理能力，可检测兼容性并推荐替代品。

Berryxia.AI@berryxia

38

推文推荐了AI架构师“烟花老师”，其社群运营出色，汇聚了众多研发、产品与创业领域的高质量成员，交流氛围与深度俱佳。他在X（原Twitter）平台比在国内其他自媒体平台获得了更积极的反馈与传播。作为近40个垂直AI免费社群的联创，其开源项目fireworks-tech-graph在X平台传播下获得了近7k star的关注。整体展现了其作为优质信息源与社区构建者的价值。

烟花老师: 还有一百多就五千订阅了,不知道一觉醒来会不会有惊喜。我经常不按常理出牌,就提前写好庆祝5k订阅达成吧,哈哈🎆 我主业是一个AI架构师,也是一支烟花AI社区的联创,从23年至今大概积累了40个垂直的AI社群,大家都很纯粹 全都是免费的社群,...

Nathan Lambert@natolambert

66

本文指出，AI研究正从学术界主导向工业界闭源化转变，打破了长期由中立学者传播前沿知识的社会平衡。科技公司通过制造不信任感掌控叙事，削弱了科学界服务公众的传统。同时，金融驱动的“错失恐惧症”迫使许多志在学术的人才流向工业界。作者认为，尽管短期内发展由闭源模型主导，但知识最终必然扩散，其长期轨迹仍与开放科学紧密相连。在这一趋势下，凭借更利于研究获取与传播的环境，中国有望在未来成为全球AI研究的新中心。

歸藏(guizang.ai)@op7418

58

藏师傅开发的PPT Skill项目在25天内突破1万Star，速度远超许多大厂知名项目，成为其vibe coding实践中首个达成此里程碑的项目。尽管市场存在众多PPT生成工具，但该项目通过注重质量和用户体验实现了快速增长，凸显了在激烈竞争中，高品质输出是核心决定因素。作者还感谢了用户和推广者的支持与反馈。

swyx🛬 SFO@swyx

20

altra: Bun goes to Anthropic Stainless goes to Anthropic Astral goes to OpenAI Mintlify goes to OpenAI (???)

过去六个月，大语言模型领域发生了显著变化，尤其以2025年11月为关键转折点。在该月，被称为“最佳”的模型主导权在Anthropic、OpenAI和Google之间五次易手，先后经历了Claude Sonnet 4.5、GPT-5.1、Gemini 3等模型的快速迭代。同时，编码智能体技术取得突破，从“时常可用”跃升至“基本可用”，能够稳定执行实际开发任务，这标志着整个领域的应用成熟度得到显著提升。

阿里云峰会将于5月20日举行。千问大模型官方发布预热海报，透露将有一位“重量级新朋友”亮相，其特点是“更全能、更强大、有深度、有广度”。结合海报中的吉祥物元素，预计本次将公布Qwen系列大模型的最新重要成果。此前，Qwen 3.7-Max-Preview和Qwen 3.7-Plus-Preview版本已率先在相关平台上线，有望在峰会上正式发布。

针对医学图像分割中的类别不平衡问题，本研究将少样本学习中的情景采样引入全监督训练，以构建类别均衡的批次。研究在公开的SAROS数据集上，对比了情景采样、随机采样和加权采样在分割9种肌肉与脂肪组织时的表现。在低数据场景下，情景采样的平均Dice系数达到0.787，优于随机采样（0.758）和加权采样（0.762），主要原因是其训练迭代次数多出12倍。研究关键发现是，训练迭代预算本身是影响采样策略评估的重要混淆因素；情景采样能多训练约三倍的迭代次数才趋于稳定，表明类别均衡批次具有隐式正则化效应，为不平衡任务提供了一种低成本的通用策略。

时间序列基础模型Toto 2.0正式发布，这是一组五个开源权重的预测模型。研究表明，在400万至25亿参数范围内，采用统一训练方案的模型预测质量能持续可靠提升。该模型家族在三大预测基准测试中创下新纪录，包括其可观测性基准BOOM、通用基准GIFT-Eval以及抗污染的TIME基准。所有五个基础模型检查点均基于Apache 2.0协议开放发布。

针对长上下文与多模态大语言模型中KV缓存内存占用高的瓶颈，本文提出了OScaR压缩框架。研究发现，传统逐通道量化在极端压缩下受限于“令牌范数不平衡”问题。OScaR通过“渠道化旋转”与“全令牌缩放”两项轻量技术，有效缓解了该不平衡带来的量化误差，无需复杂流程。在多种大模型上的实验表明，OScaR在INT2量化下可实现近乎无损的性能，相比基准解码速度提升最高达3.0倍，内存占用减少5.3倍，吞吐量增加4.1倍，为极致KV缓存压缩提供了高效通用方案。

karminski-牙医@karminski3

59

字节跳动开源了全模态模型Lance，其激活参数量仅为3B，却能同时处理文本、图片和视频的输入与输出，完成理解、生成与编辑等多种任务。该模型通过模块化拼接构建了Lance_3B与Lance_3B_Video两个版本，其创新在于采用共享交错序列统一语义空间，并引入专用专家模块协调理解与生成的互斥关系，使得小参数模型性能接近更大规模模型。训练仅需128张A100，对端侧部署和多模态Agent应用具有重要价值。

Rohan Paul@rohanpaul_ai

57

HiDream开源了8B参数的HiDream-O1-Image模型，其核心创新在于采用像素级统一变换器，用单一架构直接处理原始图像块、文本与任务条件，将文本生成图像、编辑、个性化等任务统一为上下文生成，无需传统的VAE和文本编码器管线。该模型内置推理提示代理，能原生支持最高2048×2048的高分辨率合成。在性能上，它在参数量仅为部分同类模型三分之一的情况下，达到了可比的水平，尤其在文本渲染任务上表现出色，结果接近更大规模的模型。

一个团队利用 Git 的 --author 参数，成功阻止了 GitHub 仓库中的 AI 机器人垃圾信息，并在博客中分享了这一方法的具体实现，展示了其在实践中有效遏制自动化垃圾提交的效果。

AI漏洞挖掘工具的广泛应用导致Linux安全邮件列表收到的自动提交漏洞报告数量激增，使其“几乎难以管理”。具体数据显示，该邮件列表每周收到约100封邮件，其中大部分为自动化生成的报告，真正需要核心维护者关注的漏洞仅占少数。这种变化反映了安全研究自动化对开源社区协作模式带来的新挑战。

向阳乔木@vista8

64

ORCA是一款新开源的Agent IDE，提供iOS及移动端客户端，支持多账号切换（例如多个ChatGPT订阅），并显示Token消耗与5小时重置信息。它能自动检测电脑中已安装的CLI工具，如Claude Code CLI、Codex CLI、Gemini CLI等，支持目录文件拖拽对话及内置Markdown预览。该工具优化了Tui工具的常见痛点，但安装包体积较大。开源地址及官网已公布。

Linus Torvalds 发布 Linux 7.1 第四个候选版本，并批评 AI 工具导致大量重复 bug 报告，使安全列表难以管理。他强调开发者应直接提交修复方案，而非仅报告问题，以减少不必要工作。Linus 表示自己过去20年更多担任技术维护者，AI 只是工具，不会替代程序员。

SAGA是一种基于解码器专用Transformer的序列自适应生成模型，专为处理不规则表格面板数据的时序预测而设计。它结合分割保形校准方法，为个体提供具有有限样本覆盖率保证的预测区间。模型使用瑞典1990年至2022年的纵向登记数据训练，涵盖超214万个体与6100万人次年记录，可预测未来1至30年的年度劳动收入，并通过蒙特卡洛方法聚合为折现终身收入分布。相比传统参数化过程及基线模型，SAGA在十年期预测的连续排序概率评分降低31.9%，二十年期平均绝对误差降低37.7%。其保形区间覆盖率误差不超过0.4个百分点，重构的终身收入基尼系数为0.327，接近实际值0.341，优于GKOS估计的0.378。相关模型与数据已公开以供复现。

Yann LeCun@ylecun

64

Daniel Jeffries: I don't think people understand just how bad it will be if an American open source champion doesn't emerge soon and the ...