长视频理解能否在保持准确率的同时，把每次决策压缩到秒级？南京大学、京东等机构的研究者提出 VideoJev，将视频时序定位与选择式视频问答统一为候选打分任务，让多模态大模型直接输出可供程序使用的结构化判断。在长视频基准 LVBench 上，VideoJev-35B-A3B 达到 73.4% 准确率，平均每题模型计算耗时 1.493 秒。相较于其 Qwen3.6-35B-A3B 基座的 Thinki

论文发表之后，如何让更多同行发现你的工作？读者对方法感兴趣时，能否顺着论文找到模型、数据，并亲手试一试？当你想介绍研究背后的思路，又能在哪里遇见相关领域的开发者和潜在合作者？ 从论文认领、学术成果体系化免费托管，到传播与学术交流，魔搭为科研工作者提供了一套成果分享路径。你可以从认领一篇论文开始，也可以先分享一个模型、一份数据集或一个最小可运行示例，让更多人发现、复现和使用你的研究成果。 认领论文

近日，中电信人工智能科技有限公司星辰通用人工智能实验室正式发布并开源意图理解专用模型 Xing4.0-29B-Intent，同步开放275万条训练语料、模型权重与推理镜像。模型将意图识别与参数抽取结合起来，把用户的一句话转换为业务系统可以继续处理的结构化信息。 目前，Xing4.0-29B-Intent模型能力已在电信万号客服、智能家居音箱等终端产品中开始应用，服务于对话意图识别、工单智能路由和口

近日，StartLux-Decision决策模型正式升级并开源，并同步公开配套技术论文。此次发布由Instant与AutoThink组成的双路线模型矩阵：Instant覆盖0.8B、2B、4B、9B、27B五种规模，面向高频任务快速判断；AutoThink覆盖4B、9B、27B，让模型真正做到“简单问题快速答，复杂问题想清楚再答”。 这套全新的决策机制，让团队又一次刷新了决策模型全球第一的纪录。在

Muse Spark Open 是 Meta 推出的一款开放权重模型。这款混合专家模型将文本、图像、音频和视频整合到同一个模型中，总参数量约为 816B，每个 Token 激活约 42B 参数，上下文窗口最多可容纳 100 万个 Token。它生成文本输出，为开发者提供了一个统一接口，用于针对不同类型的输入提出问题。 继 Muse Glimmer 之后，Muse Spark Open 引入了规模大

一张参考照片、一段动作视频或一份设计规格，能否让 AI 在 Blender 中交付可编辑的 3D 项目？Alibaba Token Hub 联合浙江大学、香港中文大学、复旦大学和新加坡国立大学的研究者提出 BlenderWorld，以 223 项真实场景任务评测视觉 Agent 的 3D 重建、修改与设计能力。 基准通过多视角渲染、原生工程检查和 2,651 条验收标准，同时衡量需求完成度与视觉质

10月15日，清华大学×阿里巴巴 AI Native人才培养计划暨格造社启动日活动在清华大学蒙民伟音乐厅举行。 本次活动由清华大学无穹书院与阿里巴巴携手开展，以“从好奇到创造”为主题，通过首批课题发布、格造社启动、技术分享、学生作品演示和组队交流，搭建高校师生与企业技术团队交流实践的平台，探索人工智能时代的创新人才培养。 活动现场，格造社首批课题发布，首批社员与清华大学无穹书院、阿里巴巴代表共同参

NVIDIA 推出 Nemotron 3.5 Super VL，将推理、指令遵循、工具使用与文本、图像、文档和视频理解整合到同一模型中，面向持续运行的专用智能体工作流。模型采用混合专家（MoE）架构，总参数量 120B，每个 token 激活 12B，支持最高 100 万 token 的上下文。 在单 GPU 上，Nemotron 3.5 Super VL 在智能体任务中的吞吐量最高可达到同等规模

阶跃星辰正式开源 Step 5 Preview，面向真实世界的智能体（Agentic）任务，覆盖 AI 编程、软件工程与专业知识工作。模型采用稀疏 MoE 架构，总参数量 600B，每个 Token 激活 27B 参数，支持 1M Token 上下文窗口和视觉输入。 从公开评测到内部测试，Step 5 Preview 在软件工程、Agent、专业工作和金融等多个方向上都取得了有竞争力的结果。 &n

DMAD 项目团队开源了用于联合音视频生成的 MiniMax-H3 4 步学生模型，同时发布面向图像、视频和音视频的少步蒸馏方法、训练与推理代码。 在 MiniMax-H3-33B 上，DMAD 将 50 步教师模型蒸馏为 4 步学生模型，减少生成过程中的去噪迭代次数，而不是将模型参数压缩为小模型。 该方法通过 critic（判别器）直接学习指导学生更新的分布差异，省去持续拟合学生分布的辅助扩散模