依意思最接近的 11 筆
IBM 發布 Granite Timeseries Ensemble，把四個預訓練 Granite 時間序列模型組合成一個預設整合預測器，無需重新訓練、也無需擬合權重，即可輸出點預測與預設 0.1–0.9 的分位數。預設配方為均勻機率池化的 Probabilistic Ensemble，另提供按各成員預測區間寬度自適應加權的 IQR Ensemble，切換隻需更換 subfolder，並可調溫度與單成員權重上限。
Mistral 發布首個時間序列基礎模型家族 Timestral，最大的 209M 引數版本在 GIFT-Eval、TIME、fev-bench 三個公開基準上均排名第一，且引數量只有此前最優模型的三分之二。家族含 5M、28M、123M、209M 四個規模，支援機率與多變數預測、已知未來協變數，零樣本即可使用。推理無需 GPU，在 8 執行緒標準伺服器 CPU 上，用三週 15 分鐘粒度歷史預測未來一天，5M 耗時 10ms、209M 為 140ms；
10 月 21 日，OpenAI 聯合 PerturbAI 與 Scripps Research 公布：由新架構 GPT-Rosalind 驅動的數千個 AI 智慧體，在 32 分鐘內解析了約 772 萬行的小鼠全腦 CRISPR 擾動資料集，同類工作人類研究者需數月到一年。分散式叢集合計引用 700 餘篇文獻，而單智慧體受上下文視窗限制平均僅引用 11 篇；盲法專家比較中，75% 更偏好分散式報告。
Google DeepMind 免費開放 ForTy 2020 地圖與 2017–2025 時間序列，相關資料已在 Google Earth Engine 上線。該成果發表於 Scientific Data，其中 ForTy 2020 提供 2020 年地圖，時間序列覆蓋 2017–2025 年，可用於幫助機構建置無毀林供應鏈、保護重要天然林。使用者可通過 Google Earth Engine 免費獲取這些資料。
NVIDIA 發布 Kumo Forecast（原 NV-Tesseract Forecasting），一個多變數時間序列預測模型，以 Apache 2.0 許可開源，模型程式碼 NVIDIA/Kumo-TS 與權重 nvidia/Kumo-Forecast 均已公開。模型以 MOMENT-1-large 為凍結主幹，約 3.4 億引數編碼器外加可訓練預測頭，支援 256、512、1024、2048 的輸入序列長度。
Ai2 發布衛星嵌入模型 OlmoEarth v1.3，同時公開覆蓋全球的預計算年度嵌入（10 米解析度，64 與 128 維），並上線免登入的 Embeddings Explorer 瀏覽器工具。模型讀取一年的 Sentinel-1 雷達與 Sentinel-2、Landsat 多光譜時序，為每個 10 米畫素輸出一個 128 維向量；
AI 實驗室 Third Moment Research 藉助 OpenAI 的 GPT-6 Astra、GPT-6.1 Sol 與 Codex，可同時執行 1 萬個 agent，單次自主研究持續 36–48 小時。Codex 曾定位量化回測瓶頸並部署快取與記憶體打包最佳化，把一年美股訂單級資料的回測從約 3 小時縮短到 3–5 分鐘，回測時間減少 97%。
羅格斯大學、得州大學奧斯汀分校與普渡大學團隊提出線上審計模型 AgentForesight，用 7B 模型在任務執行中逐步讀取軌跡字首，在關鍵錯誤擴散成失敗前報警。在 AFTraj-2K 測試集上，其關鍵錯誤步驟識別 Exact-F1 達 66.44，比最強通用基線 DeepSeek-V4-Pro 高 19.88 分，成功軌跡誤報率僅 2.37%。
因果智慧公司 Aether AI 公布機器人系統 CRIS-0 的官方 Demo，靠提取物理因果變數而非端到端擬合驅動機械臂。在咖啡製作測試中遭遇人為移位與光照突變，系統平均 2 秒內完成重規劃，10 次隨機擾動有 9 次有效恢復；客廳長程整理可連續執行數十步，20 條模糊指令完成 18 次精準抓放，危險變數出現時 0.2 秒急停。
研究團隊提出具身 RSI 系統 Recursia，通過內外雙層迴圈讓機器人從執行經驗中改進共享執行棧，在 LIBERO-Pro Long 零樣本長時操作的位置/任務擾動下成功率達 28.4%/53.4%，比輝達 ASPIRE 高 5.8/15.1 個百分點。共享棧分為工具、技能、交接、驗證四層，候選修改需經通用性檢查、機制測試及父子版本配對比較。
Google DeepMind 發布 ForTy，用於追蹤森林隨時間發生的變化。它基於面向行星資料的基礎模型 AlphaEarth Foundations，讀取覆蓋 170 萬個站點、跨越多年的衛星影像，分辨出外觀相似但變化歷史不同的森林。該工具面向政府、企業、環保組織與科研人員，用於建置不涉及毀林的供應鏈。