Nemotron-Cascade 2，一款由英伟达（NVIDIA）开发的 30B 参数混合专家（MoE）开源大模型。该模型通过创新的 级联强化学习（Cascade RL） 和 多领域在线策略蒸馏（MOPD） 技术，在仅有 3B 激活参数的情况下，展现出极高的“智能密度”。它在 2025 年国际数学奥林匹克（IMO） 和 国际信息学奥林匹克（IOI） 中均获得了金牌水平的成绩，其数学推理和编程能力足以媲美规模大得多的顶尖模型。报告详细阐述了从 有监督微调（SFT） 到多阶段强化学习的全流程，并开放了模型权重与训练数据。测试结果证明，该模型在 指令遵循、长文本处理及智能体任务 等多个基准测试中均达到了行业领先水平。

daVinci-MagiHuman 是由 SII-GAIR 与 Sand.ai 联合推出的一款开源音视频生成基础模型，专门针对以人物为中心的内容创作。该模型采用创新的单流 Transformer 架构，通过统一的序列协同处理文本、图像、视频和音频，显著降低了多模态融合的复杂度。它具备出色的多语言支持能力，能够生成口型同步、表情自然且动作协调的高质量视频。为了提升效率，研究团队引入了潜在空间超分辨率和模型蒸馏技术，使其在 H100 GPU 上仅需数秒即可完成生成。多项评测显示，该模型在视觉质量和语音清晰度方面均优于现有的同类开源基准。目前，该项目的完整模型栈和代码已向社区开放，旨在推动生成式人工智能的进一步发展。

HyperAgents是一种能够实现自我进化的新型 AI 系统框架。传统的递归改进系统通常受限于固定的、由人类设计的修改机制，而 HyperAgents 将执行任务的智能体与修改自身代码的元智能体合二为一，使改进程序本身也变得可编辑。通过这种元认知自我修改，系统不仅能提升处理特定任务的能力，还能持续优化其自我改进的效率。研究表明，该框架在代码编写、论文评审、机器人奖励设计及奥数评分等多个领域均表现卓越，且学到的改进策略具有跨领域迁移的特性。由于该系统具备自我加速和潜在的无限进化能力，作者在实验中同步实施了严格的沙盒环境与人类监督，以确保安全性。该成果预示着 AI 正从单纯寻找解决方案，转向持续优化“如何寻找进步方法”的开放式演进阶段。

V-JEPA 2.1 是一种先进的自监督学习模型家族，旨在统一提升图像与视频的密集特征提取及全局场景理解能力。该研究通过引入全令牌密集预测损失和深度自监督机制，克服了以往模型在捕捉细粒度空间结构方面的局限性。这些创新使得模型能够生成具有高度空间结构化、语义连贯且时间一致的表征，在物体交互预测和深度估计等任务中表现卓越。此外，V-JEPA 2.1 支持多模态分词器，实现了在海量图像与视频数据上的协同缩放。实验证明，该模型在机器人操纵与导航等实际应用中取得了显著的性能提升，有效推动了视觉世界建模技术的发展。

LeWorldModel (LeWM) 新型潜在世界模型，旨在通过原始像素输入实现稳定且高效的端到端学习。该模型采用联合嵌入预测架构 (JEPA)，仅通过预测损失和 SIGReg 正则化项来防止表示崩溃，极大地简化了超参数调节并确保了训练稳定性。LeWM 在 2D 和 3D 控制任务中表现出色，其规划速度比基于基础模型的同类架构快达 48 倍。此外，实验证明该模型的潜在空间能够编码深刻的物理结构，并能有效检测违背物理常识的异常事件。这种方法为开发低成本、高性能且具备物理直觉的机器人规划系统提供了新途径。

排他性自注意力（XSA）的新技术，旨在解决传统Transformer模型中存在的“注意力相似性偏差”问题。作者发现，传统的自注意力机制往往会过度关注当前位置的信息，这与随后负责点对点特征更新的FFN层功能重叠，从而削弱了模型建模上下文关系的能力。通过简单的数学修改，XSA显式地从注意力输出中剔除与自身向量相关的成分，强制模型更高效地捕捉外部环境信息。实验证明，该方法在不显著增加计算开销的前提下，能显著提升大语言模型在多项基准测试中的表现。特别是在处理长序列输入时，XSA相比标准架构展现出更明显的性能优势和鲁棒性。

LightRAG，这是一种通过图结构优化检索增强生成（RAG）的新型框架。该系统通过将文本索引转化为包含实体及其关系的知识图谱，克服了传统方法在处理复杂信息关联时的局限性。其核心在于双层检索机制，能够同时精准获取具体实体细节和宏观主题概念。此外，LightRAG 具备增量更新能力，无需重新训练即可快速整合新数据，显著提升了响应速度与上下文相关性。实验证明，该框架在信息检索的准确性、多样性和经济性方面均优于现有主流技术。

Fish Audio S2 是一款先进的开源文本转语音（TTS）系统，支持多发言人对话、长文本合成以及基于自然语言指令的精细化语音控制。该系统采用双自回归架构，将语言语义建模与音频细节生成解耦，配合高效的推理引擎实现了极低的延迟与卓越的吞吐性能。技术报告详细介绍了其创新的多阶段数据处理流水线，该流程巧妙地将语音质量评估与自动标注模型转化为强化学习（RL）中的奖励信号。通过这种对齐策略，模型在生成语音的自然度、情感表现力及指令遵循能力方面取得了显著突破。实验结果显示，该系统在多项主流基准测试中均达到行业领先水平，为构建高保真、可控的语音合成技术提供了强大的开源基础。

MiroThinker v1.0 是一款开源研究型智能体，旨在通过模型规模、上下文长度和交互缩放三个维度提升复杂推理能力。该研究首次提出了交互缩放概念，通过强化学习训练模型进行更深层次的环境反馈与工具调用，使其能支持高达 600次 的工具交互。技术上，它集成了 256K 超长上下文管理、基于最近信息的上下文截断策略以及由多步推理链构成的合成数据集。实验结果显示，该模型的 72B 版本在 GAIA 和 HLE 等核心基准测试中表现优异，性能已逼近 GPT-5-high 等顶级商业闭源系统。这标志着交互深度已成为构建下一代开源研究助手、实现更强问题解决能力的关键要素。

EvoScientist 能自我演化的多智能体全流程 AI 科学家框架。该系统通过研究员智能体生成构思、工程师智能体执行实验，以及演化管理智能体提炼经验，克服了传统 AI 系统策略固化的局限。其核心创新在于建立了构思存储与实验存储双模块，能够从往期的成功和失败中持续学习。实验证明，该框架在科研想法的新颖性、可行性及代码执行成功率上均显著优于现有的开源和商业基准线。最终，由该系统自主生成的六篇论文全部被 ICAIS 2025 接收，展示了其在端到端科学发现中的卓越潜力。