IBM 发布 Granite Timeseries Ensemble R1 四模型时序集成配方
IBM 在 Hugging Face 发布 ibm-granite/granite-timeseries-ensemble-r1，将 Granite PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1 和 TTM-r3 四个预训练时序模型组合为集成配方，无需再训练或拟合权重即可输出中位数与分位数预测。
#开源/仓库
Hugging Face BlogAI 评分5757 Hugging Face Blog精选AI 评分6363 NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可在关系型数据上超越监督式机器学习
NVIDIA 在 Hugging Face Blog 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做预测：给定预测查询，它收集最多 10,000 条历史样本作为上下文，在单次前向传播中预测流失、需求或欺诈等结果，无需任务训练、特征工程或表展平。
推荐理由：原文给出在 41 项关系型基准上超越监督式方法的具体数字与开源入口，读者可据此评估是否替代现有 XGBoost 流水线。
arXiv cs.AIAI 评分2121 强化线性遗传编程：用 Q-Learning 优化寄存器-动作映射
一篇本科论文提出 Reinforced Linear Genetic Programming（RLGP），在 Linear Genetic Programming 之上引入 Q-Learning，自动学习最优的寄存器-动作映射，解决需人工显式映射的问题。作者还发布了用内存安全的 Rust 编写的开源框架 "linear-gp"，供后续实验使用，源码可在网上获取。
arXiv cs.AIAI 评分3636 分层稀疏注意力（SSA）：缩小极端稀疏度下稀疏与稠密注意力的差距
研究者提出分层稀疏注意力（Stratified Sparse Attention, SSA），将确定性检索与分数引导采样结合，以恢复检索集合之外的注意力质量。
Hugging Face BlogAI 评分5757 NVIDIA 发布 Cosmos3-H-Dreams 临床胆囊切除生成式手术仿真模型
NVIDIA 发布 Cosmos3-H-Dreams，将交互式生成式仿真带入临床胆囊切除手术场景，官方称其为首个基于临床手术录像训练、支持实时运动控制的开源生成式手术仿真器。
Hugging Face Blog精选AI 评分6363 Hugging Face 发布 AnyLanguageModel 1.0，统一 Apple 平台本地与托管模型调用
Hugging Face 发布 AnyLanguageModel 1.0，同时推出 swift-huggingface 1.0 和 swift-xet 1.0。
推荐理由：官方发布 1.0 版，介绍了兼容 Foundation Models 的统一 API、托管推理支持和适配设备的开源模型选项。
Hugging Face Blog精选AI 评分6868 PyTorch 2.15 提升 Mac MPS 后端：MoE 解码提速 5–6.5 倍、视频 VAE 内存从 270 GiB 降到 8 GiB
Hugging Face PyTorch 团队介绍 PyTorch 2.15 的 MPS 后端更新：MPS 支持 torch.float8_e4m3fn 的 FP8 张量和 F.scaled_mm。
推荐理由：原文给出 PyTorch 2.15 MPS 后端的具体性能数字与内存变化，Mac 上跑模型和训练的读者可据此评估升级收益。
Hugging Face BlogAI 评分5555 NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 印度语言预训练语料 Nemotron-pretraining-Indic-v1 及开放数据生成管线
NVIDIA 与 IIT Madras 的 AI4Bharat 推出 Nemotron-pretraining-Indic-v1，包含约 2.8 万亿 token，覆盖印度宪法 22 种语言，将随开源的 GPU 加速数据生成管线一同发布。
Hugging Face Blog精选AI 评分8484 Meta 发布开源权重多模态 MoE 模型 Muse Spark Open，约 816B 参数
Meta 发布开源权重多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens，定位为 agentic coding 模型。
推荐理由：原文给出架构细节、部署配方和实测吞吐数字，开发者可以据此评估如何在自己环境里运行或微调这个 816B 模型。
Google ResearchAI 评分5959 Google Research 推出基于 TEE 的下一代联邦学习系统，Gboard 已部署
Google Research 宣布下一代联邦学习系统，利用可信执行环境（TEE）提供可远程证明、可审计的数据匿名化保障，访问策略发布到公开透明日志 Rekor，KMS 与数据处理二进制可从开源代码复现构建。Gboard 已部署该系统，上线英语和日语下一词预测模型，隐私保障更强、精度更高；服务器端并行化把过去每次 1-2 个月的训练显著提速，客户端梯度计算转移到服务器也为训练更大模型铺路。