精选 49 篇，从 730+ 条中筛选
Ring-2.5-1T是一款开源的通用大模型，具有混合线性注意力架构，参数量达到万亿级别。该模型在生成效率、深度思考和长期任务执行能力方面表现出色，尤其在数学和代码生成任务上具有显著优势。其在MMLU、GPQA等基准测试中取得了优异成绩，适用于需要深度推理和复杂任务执行的场景。
MiniMax-M2.5是一款定位在通用大模型范畴内的LLM，具有较大的参数量和较长的上下文长度。其核心技术基于transformers库，并引入了safetensors和custom_code等创新。在性能上，该模型在多个基准测试中表现出色，具有较好的代码生成和数学推理能力。开源协议为modified-mit，适合在多种硬件和推理框架上使用。
Qwen3.5-397B-A17B是一款通用大模型，具备强大的多模态学习能力和高效的推理性能。其核心架构采用Gated Delta Networks和sparse MoE，支持1M上下文长度，具有跨语言的广泛覆盖。在多模态学习、推理效率、适应性等方面表现出色，适用于需要高效率、高准确性的多模态任务。
Nanbeige4.1-3B是一款基于Nanbeige4-3B-Base的增强型推理模型，具有小型参数规模但强大的推理、偏好对齐和有效代理行为能力。该模型在代码、数学、科学等通用推理任务上表现出色，尤其在LiveCodeBench-Pro、IMO-Answer-Bench和AIME 2026 I等挑战性任务中表现出色。其技术特点包括监督微调和强化学习优化，支持深度搜索任务，并在小模型生态系统中实现了推理和代理能力的平衡。模型适用于需要复杂推理和代码生成的场景，具有开源Apache-2.0协议，适合在通用推理和特定领域应用中部署。
FireRed-Image-Edit-1.0是一款专注于图像编辑的多模态模型，定位为通用大模型。它基于文本到图像的基础模型，具备强大的图像编辑能力，包括照片修复、多图像编辑等。该模型在HuggingFace平台上具有较高的下载量和点赞数，技术特点包括高保真编辑、文本风格保留等。在性能上，FireRed-Image-Edit-1.0在图像编辑任务中表现出色，具有与闭源解决方案相当的性能。模型适用于需要高质量图像编辑的场景，如虚拟试穿、老照片修复等。
Qwen3-TTS是一款专注于语音合成的大语言模型，定位为特定领域微调模型。其核心技术包括自研的Qwen3-TTS-Tokenizer-12Hz和离散多码本LM架构，支持多种语言和方言，具有强大的语境理解和自适应控制能力。性能上，模型实现了低延迟的流式生成，端到端合成延迟低至97ms。主要应用场景包括实时交互和个性化语音合成。模型开源协议为Apache-2.0，适合对实时性和个性化语音合成有较高要求的场景。
Ovis2.6-30B-A3B是一款多模态大型语言模型，定位为通用大模型。其核心技术为MoE架构，具有30B参数量，支持64K长上下文处理。在性能上，该模型在多个基准测试中表现出色，尤其在多模态理解和信息密集型文档处理方面具有显著优势。主要应用场景包括图像-文本转换、长文档问答等。其开源协议为Apache-2.0，硬件需求较高，推理效率良好。
nvidia/personaplex-7b-v1是一款定位为通用大模型的LLM，具有7B参数量，支持多语言。其核心技术为Transformer变体，并采用moshi库进行优化。在性能上，该模型在多个基准测试中表现出色，具有较好的代码生成和数学推理能力。模型开源，适用于多种硬件平台，与vLLM等推理框架兼容。主要应用场景包括多语言问答、代码生成等。
KaniTTS2-en是一款专注于英语的实时对话文本到语音模型，采用两阶段流水线，结合LLM和FSQ音频编解码器。模型规模适中，参数量为400M，支持实时语音生成和语音克隆。在LLM生态中，KaniTTS2-en定位为特定领域的微调模型，其核心技术包括Frame-level Position Encodings和基于transformers库的架构。性能方面，模型在相关基准测试中表现良好，具有实时性和语音质量的优势。主要应用场景包括实时对话系统、语音合成和个性化语音克隆。开源协议为Apache-2.0，对硬件要求适中，推理效率较高。
🔥 unsloth/Qwen3.5-397B-A17B-GGUF 是一款基于 Qwen3.5-397B-A17B 的多模态扩展模型，定位为通用大模型。其核心技术包括 MoE 架构和 image-text-to-text 流程，支持高达 1M 的上下文长度。在性能上，Qwen3.5-397B-A17B-GGUF 在多个基准测试中表现出色，具有强大的代码生成和数学推理能力。开源协议为 Apache-2.0，适用于需要高性能和大规模上下文处理的场景。
Ming-flash-omni 2.0 是一款通用大模型，采用 LLM 架构，具有 100B 总参数和 6B 活跃参数。其核心技术为 MoE 框架，具备多模态认知能力，尤其在视觉知识、语音合成和图像生成方面表现优异。该模型在多个基准测试中取得了 SOTA 成绩，适用于多模态理解和合成任务。开源协议为 MIT，硬件需求较高，推理效率良好。
Kimi K2.5是一款开源的多模态大语言模型，定位为通用大模型。它基于约150万亿混合视觉和文本标记的持续预训练，具备视觉和语言理解以及先进的代理能力。模型在视觉知识、跨模态推理和基于视觉输入的代理工具使用方面表现出色。其核心能力包括视觉到代码的生成和代理群体执行复杂任务。在性能上，Kimi K2.5在权威基准测试中表现良好，具有开源协议、硬件需求适中、推理效率较高的特点，适用于多模态任务和复杂任务处理。
zai-org/GLM-OCR是一款基于GLM-V架构的多模态OCR模型，专注于复杂文档理解。该模型采用多令牌预测损失和稳定的全任务强化学习，结合CogViT视觉编码器和GLM-0.5B语言解码器，实现高效训练和识别。在OmniDocBench V1.5基准测试中排名第一，适用于复杂表格、代码密集型文档等场景，支持vLLM、SGLang和Ollama等推理框架，易于集成到现有生产流程中。
Qwen3-Coder-Next是一款针对代码生成和本地开发设计的开源语言模型。该模型具有3B激活参数和80B总参数，上下文长度为256k，支持多种CLI/IDE平台。其核心技术包括混合布局、MoE和Gated DeltaNet。在代码生成任务中表现出色，具有高效的性能和强大的适应性。模型在HuggingFace平台上的下载量和点赞数均较高，表明其在LLM领域中的受欢迎程度。主要应用场景包括代码生成、本地开发和集成到IDE中。
MiniCPM-o 4.5是一款多模态大语言模型，定位为通用大模型。该模型基于SigLip2、Whisper-medium、CosyVoice2和Qwen3-8B构建，参数量达9B。它在视觉、语音和全双工多模态直播方面表现出色，支持双语实时语音对话和全双工直播功能。性能上，MiniCPM-o 4.5在OpenCompass等基准测试中表现出色，超越了GPT-4o等模型。该模型适用于需要多模态交互和实时处理的场景，如直播互动、多语言对话等。
MOVA-360p是一款多模态模型，定位为通用大模型，具有强大的视频和音频生成能力。其核心技术包括不对称双塔架构和双向交叉注意力机制，采用MoE设计，参数量达到32B。在性能上，MOVA在唇同步和音效方面表现优异，并在开源模型中处于领先地位。该模型适用于需要高质量视频和音频同步生成的场景，具有开源协议、高效的推理性能和良好的兼容性。
MiniCPM-SALA是一款大型混合模型，定位为通用大模型，具有创新性的混合架构，结合了稀疏和线性注意力机制，实现了百万级别上下文建模。其核心技术为稀疏注意力与线性注意力混合架构，上下文长度可达百万以上，参数量适中。在性能上，MiniCPM-SALA在基准测试中表现出色，具有高效的推理速度和较低的内存占用。主要应用场景包括文本生成、对话系统等，适合对上下文长度有较高要求的任务。其开源协议为Apache-2.0，硬件需求适中，与主流推理框架兼容。
GLM-5是一款针对复杂系统工程和长期目标代理任务的大语言模型。它具有744亿参数，支持中英双语。GLM-5在预训练和后训练方面均有显著提升，尤其在推理、编码和代理任务上表现出色。其核心技术包括DeepSeek Sparse Attention（DSA）和异步RL基础设施slime，旨在提高训练效率和推理效率。模型在多个基准测试中表现优异，是开源模型中的佼佼者。
🔥 unsloth/GLM-5-GGUF是一款通用大模型，具有744亿参数，支持中英双语。其基于Transformer架构，采用MoE和DSA技术，上下文长度可达200K。在MMLU、GPQA等基准测试中表现优异。适用于复杂系统工程和长周期智能任务，具有开源协议、高效推理等实用特性。
MOSS-TTS是一款专注于语音和声音生成的开源模型，定位为特定领域的大模型。其核心技术包括高保真零样本语音克隆和可控长文本合成。模型在性能上表现出色，支持多种语言，适用于长文本语音合成、多角色对话、声音/角色设计等复杂场景。性能评估方面，模型在权威基准测试中表现良好，具有开源协议，对硬件要求适中，推理效率较高。
CellMaster论文提出了一种基于AI的细胞类型注释方法，利用大型语言模型（LLM）进行零样本细胞类型注释，通过模拟专家实践，在无需预训练或固定标记数据库的情况下，实现了对复杂组织的高精度细胞类型识别。
这篇论文提出了一种名为ARC的轻量级分层策略，通过强化学习动态调整基于LLM的智能体系统的配置，从而在推理和工具增强问答等任务上实现更高的准确率和更低的计算成本。
这篇论文提出了AnchorWeave，一种基于记忆增强的视频生成框架，通过检索局部空间记忆来维持长时间范围内的空间世界一致性。它通过使用多个局部几何记忆来替代单一的全局记忆，并学习解决跨视图的不一致性，从而显著提高了长期场景的一致性，同时保持了强大的视觉质量。
这篇论文提出了STATe，一种可解释的推理时间计算方法，通过结构化的行动模板来增强思维树的方法，旨在提高输出候选的质量和多样性，同时提供对推理过程的控制，从而增强可解释性。
这篇论文提出了EditCtrl，一个高效的实时视频修复控制框架，通过分离局部和全局控制，实现了对视频编辑的计算优化。它通过局部视频上下文模块和轻量级全局上下文嵌入器，显著降低了计算成本，同时保持了编辑质量。
这篇论文研究了在开放网络中，由LLM驱动的代理在执行用户任务时如何处理用户资源，并提出了SPILLage框架来量化代理的不当共享行为。该框架通过两个维度——渠道（内容与行为）和直接性（显式与隐式）——来描述过度共享。实验结果表明，行为过度共享比内容过度共享更为普遍，且在执行前移除无关信息可以显著提高任务成功率。
这篇论文提出了LM-Lexicon，一种通过数据聚类、语义专家学习和稀疏混合专家架构合并模型来改进定义建模的方法。该方法通过将定义建模任务分解为专门的语义领域，并在这些领域中训练小型语言模型作为领域专家，实现了显著的性能提升。实验表明，该方法在五个广泛使用的基准测试中比现有方法提高了7%的BLEU分数。
这篇论文介绍了DHPLT，一个包含41种语言历时语料库的开放集合，旨在解决语义变化建模中多语言历时语料库的缺乏问题。该集合基于网络爬取的HPLT数据集，覆盖了2011-2015、2020-2021和2024年至今的三个时间段，并为选定的目标词提供了预计算的词型和标记嵌入以及词汇替换。
这篇论文提出了一种名为McDiffuSE的框架，通过蒙特卡洛树搜索（MCTS）优化掩码扩散模型（MDMs）中的槽填充顺序，以提升生成质量。该方法通过前瞻性模拟评估部分完成情况，系统性地探索生成顺序的组合空间，显著提高了模型性能。
这篇论文提出了DeepImageSearch，一个将图像检索重新定义为自主探索任务的模型。该模型通过多步推理在原始视觉历史中定位目标，并构建了DISBench基准来评估其性能。论文还提出了一种人类-模型协作流程，用于挖掘潜在的时空关联，并构建了一个基于模块化代理框架的鲁棒基线。
这篇论文介绍了Nanbeige4.1-3B，一个具有3B参数的小型通用语言模型，它同时实现了强大的代理行为、代码生成和通用推理。该模型通过结合点对点和成对奖励建模来提高推理和偏好对齐，并通过复杂的数据合成和训练过程中的回合级监督来优化代码生成。实验结果表明，Nanbeige4.1-3B在性能上显著优于同类规模的其他模型，甚至优于更大规模的模型。
这篇论文提出了Data Darwinism，一个十级的数据-模型协同进化分类法，通过构建900B-token的Darwin-Science语料库，利用前沿的LLM来提升科学文本的可学习性，并通过预训练模型验证了数据质量对基础模型性能的重要性。
这篇论文研究了基于大型语言模型（LLM）的摘要评估中的重叠偏差问题。作者分析了9种不同的LLM，发现随着评估摘要相似度（如ROUGE和BLEU）的降低，LLM更倾向于选择其他LLM生成的摘要，而不是人类撰写的摘要。此外，模型在判断具有有限重叠的摘要时也表现出困难，表明在摘要领域使用LLM作为评判者时，应依赖除简单比较之外的技术。
这篇论文提出了一种针对检索增强生成（RAG）系统的知识提取攻击和防御的基准测试。它通过一个统一的实验框架和标准化协议，对多种攻击和防御策略、检索嵌入模型以及开源和闭源生成器进行了评估，旨在解决知识提取攻击带来的知识产权盗窃和隐私泄露问题。
这篇论文提出了InnoEval，一个基于知识、多角度推理的研究理念评估框架，旨在解决现有评估方法的局限性，通过深度知识搜索引擎和多样化的评估维度，实现对研究理念的全面评估。
这篇论文通过实证研究揭示了开放权重模型对预填充攻击的系统性漏洞，评估了多种策略，发现这些攻击对主流开放权重模型有效，强调了在开放权重LLM中优先防御预填充攻击的紧迫性。
这篇论文提出了经验强化学习（ERL），一种将经验-反思-巩固循环嵌入到强化学习过程中的训练范式。ERL通过将反馈转化为结构化的行为修订，提高了探索性和优化稳定性，同时在不增加额外推理成本的情况下，提升了部署时的性能。
这篇论文提出了Conversational Image Segmentation (CIS)和ConverSeg，旨在通过对话将抽象概念与像素级掩码关联。它融合了强大的分割先验与语言理解，并使用AI数据引擎生成无需人工监督的提示-掩码对。实验表明，现有的语言引导分割模型在CIS任务上表现不足，而基于该数据引擎训练的ConverSeg-Net在ConverSeg基准测试上取得了显著提升。
这篇论文提出了一种名为Query-as-Anchor的框架，通过将用户建模从静态编码转变为动态、查询感知的合成，以解决工业规模用户表示学习中的鲁棒通用性与任务敏感性平衡问题。该方法通过构建UserU数据集和Q-Anchor嵌入架构，结合层次粗到细编码器和双塔LLMs，实现了对用户表示的查询感知优化，并通过聚类软提示调整增强了模型的注意力与场景特定模态的对齐。
这篇论文介绍了AcoustiVision Pro，一个开源的在线平台，用于房间脉冲响应分析和声学特征表征。该平台通过信号处理和直观的可视化工具，计算多个声学参数，提供3D可视化，并支持与行业标准的一致性检查。
这篇论文通过大规模实证研究，评估了针对小型语言模型的检索增强生成（RAG）技术中的提示工程方法，特别是在复杂的多跳问答任务中。研究比较了24种不同的提示模板，并在两个SLMs上测试，发现新型混合提示模板显著提升了模型性能。
这篇论文介绍了Nanbeige4.1-3B，一个具有3B参数的小型通用语言模型，它同时实现了强大的代理行为、代码生成和通用推理。该模型通过结合点对点和成对奖励建模来提高推理和偏好对齐，并通过复杂的数据合成和训练过程中的回合级监督来优化代码生成。实验结果表明，Nanbeige4.1-3B在性能上显著优于同类规模的其他模型，甚至优于更大规模的模型。
这篇论文提出了Elo-Evolve，一种用于语言模型对齐的协同进化框架，通过动态多智能体竞争和自适应对手池来改进现有方法，解决了数据稀缺、噪声敏感和训练不稳定的问题。该方法通过直接从成对竞争的胜负结果中学习，消除了Bradley-Terry模型的依赖，并通过Elo-orchestrated对手选择实现自动课程学习。实验表明，与绝对评分方法相比，Elo-Evolve实现了4.5倍的噪声降低，并在Alpaca Eval 2.0和MT-Bench上验证了其性能优势。
这篇论文提出了一种名为BFS-PO的强化学习算法，用于解决大型推理模型在推理任务中计算成本高和输出冗长的问题。该算法通过最佳优先搜索策略和基于最大熵节点的回溯机制，寻找最短的正确答案，从而生成更简洁的推理链，提高了模型的准确性和效率。
这篇论文探讨了使用工具的LLM代理在处理工作负载时可能遇到的结构性风险。作者指出，通过选择和链式调用第三方工具，代理可能会陷入循环，导致资源浪费和任务结果下降。论文通过实验展示了这种风险，并提出了基于工具调用结构的防御策略。
这篇论文提出了Neuromem，一个用于评估外部内存模块在流式处理场景下的性能的可扩展测试平台。Neuromem通过分解内存的生命周期，包括数据结构、归一化策略、合并策略、查询策略和上下文集成机制，来优化大规模语言模型（LLMs）的外部内存模块。
这篇论文介绍了在Interspeech 2026上举办的音频推理挑战，旨在评估音频推理模型和代理的推理过程质量。挑战引入了MMAR-Rubrics，这是一种新的实例级协议，用于评估推理链的事实性和逻辑性。论文详细描述了挑战的设计、方法论，并对最先进的系统进行了全面分析，为可解释音频智能提供了新的见解。
这篇论文提出了一种名为TikArt的AI模型，用于解决多模态大型语言模型中的细粒度视觉推理问题。TikArt通过强化学习，将多步视觉语言推理转化为对感兴趣区域的决策过程，并采用Think-Aperture-Observe循环，结合语言生成和两种 aperture 操作（Zoom和Segment）来提取局部视觉信息，从而提高推理的准确性和可解释性。
这篇论文提出了RAVENEA，一个用于多模态检索增强视觉文化理解的基准。RAVENEA通过整合大量人类标注的Wikipedia文档，扩展了现有的数据集，并评估了多种多模态检索器和视觉语言模型在文化理解任务上的表现，揭示了文化背景注释对多模态检索和下游任务的重要性。
