微软开源逆合成模型 RetroChimera，成果登上 Nature
微软在 Nature 发表逆合成预测框架 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与基于 GNN 的 NeuralLoc，通过学习式集成对两者预测重排序，在盲测中化学家更偏好其单步反应预测。
#开源/仓库
#开源/仓库
今日 0 条9月21日
Hugging Face tokenizers v1 发布：编码解码与扩展性能实测
Hugging Face 发布 tokenizers v1，输出 token ID、API、词表和 merge ranks 与 v0.23 保持一致，但速度最高提升数十倍。
9月19日
Google Research 推出 MilleMiglia：面向中程物流的真实实例生成器
Google Research 发布 MilleMiglia，一个用 C++ 编写的实例生成器，用于为中程物流配送问题生成真实且保护隐私的基准数据，源码与文档已在 GitHub 公开。
9月15日
费城儿童医院如何用开源 NVIDIA AI 实现心脏建模与手术模拟
费城儿童医院（CHOP）基于 NVIDIA 联合创办的开源医学影像框架 MONAI，将儿童心脏建模从耗时四小时缩短到数秒，并已用于复杂心室间隔缺损手术规划。CHOP 正与 NVIDIA 合作，把基于 NVIDIA Warp 的开源物理引擎 Newton 接入 SlicerHeart，将心脏器械仿真从最长四小时降至近实时。
9月3日
Hugging Face 发布 NeoMME：260M/800M 多模态多语言编码器
Hugging Face 推出 NeoMME 系列多模态多语言编码器，含 260M 和 800M 两个规模，用单个双向 Transformer 同时处理文本 token 与 32×32 图像 patch，从零以掩码离散扩散目标训练，不依赖预训练视觉塔或因果语言模型。
用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出能力
一份公开的低成本方案用 TRL 的 GRPO 对 LFM2.5-350M 做微调，仅约 500 条样本、100 个训练步，就把 IFStruct 基准分数从 22.6% 提升到 29.7%，训练可在免费 Colab 或 Kaggle GPU 上完成。评测通过 llama.cpp 在 MacBook 本地运行，代码已开源在 GitHub。
9月1日
微软发布 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向群体规模发现
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干大幅降低病理分析算力需求，并采用 Apache 2.0 开源。
8月13日
Hugging Face 为 OlmoEarth Studio 推出自定义嵌入向量导出功能
Hugging Face 的 OlmoEarth Studio 现已支持计算并导出嵌入向量，用户可通过 UI 或 API 选择区域、时段、编码器变体和分辨率，获得 Cloud-Optimized GeoTIFF（COG）格式结果。
7月21日
Hugging Face 发布 Grabette：开源机器人操作数据采集系统
Hugging Face 发布开源系统 Grabette，用手持夹爪加双摄像头录制操作演示，无需机器人或遥操作设备即可生成机器人可用的数据集。Grabette 手持端物料成本约 490€，配套的电机夹爪 Gripette 约 120€，硬件 CAD、树莓派采集软件和浏览器端处理流程全部开源。
7月1日
ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布 ScarfBench（Self-Contained Application Refactoring Benchmark），用于评估 AI 智能体在 Spring、Jakarta EE、Quarkus 之间跨框架迁移企业级 Java 应用的能力。
6月30日
DiScoFormer：一个 Transformer 同时估计密度与 score，跨分布通用
Hugging Face 提出 DiScoFormer（Density and Score Transformer），给定一组数据点即可在单次前向传播中同时估计分布的密度与 score，无需针对新分布重新训练。
4月16日
Google Research 用 AI 生成合成神经元加速脑图谱绘制
Google Research 提出 MoGen（Neuronal Morphology Generation），用 PointInfinity 点云流匹配模型生成合成神经元形态，为 PATHFINDER 重建模型补充训练数据，在保留的小鼠轴突上把重建错误率降低 4.4%，主要来自合并错误的减少。