Nvidia 开源机器人视频标注引擎 Flora，称成本比 GPT-6 Astra 低 125 倍
Nvidia 开源数据引擎 Flora，用于机器人视频标注，称标注一小时视频约 0.72 美元，而 GPT-6 Astra 约 88.50 美元。Flora 由三个微调的 Qwen3.5 模型组成，覆盖动作分段、描述和奖励评分三类标注，已在 GR00T 模型训练中每天标注最多 20 万小时视频，模型已在 Hugging Face 发布。
#数据/训练
The DecoderAI 评分5858
AWS Machine Learning BlogAI 评分2222 Amazon Quick Sight 图层地图支持用 GeoJSON 绘制点和路线
Amazon Quick Sight 图层地图新增支持 GeoJSON 的 Point 和 LineString 两种几何类型，可在地图上标注门店等具体位置并绘制配送路径、航班航线等路线。图层地图通过共享 join key 将 GeoJSON 文件与 Quick Sight 数据集关联，文件需为 .geojson 格式且不超过 100 MB，每个图层一次只渲染一种几何类型。
AWS Machine Learning BlogAI 评分3838 AWS SageMaker AI 推出无需管理 GPU 的模型定制新方式：Training Sessions 正式可用
AWS 宣布 SageMaker AI 无服务器模型定制中的 Training Sessions 正式可用，用户可自行编写并协调训练循环，GPU 分配、分布式执行、故障恢复与 checkpoint 存储由平台托管。
Hugging Face BlogAI 评分3636 IBM Granite 时序模型集成预测：四种架构组合的默认方案
IBM 推出 Granite Timeseries Ensemble，将 PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1 和 TTM-r3 四个预训练 Granite 时序模型组合为统一预测接口，无需重训或拟合集成权重。
Hugging Face BlogAI 评分5858 NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可预测
NVIDIA 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，无需任务特定训练、特征工程或表扁平化，单次前向推理读取最多 10,000 条历史样本作为上下文。
Hugging Face BlogAI 评分3838 NVIDIA Kumo Forecast：结合预训练时序表示与历史模式检索的可解释预测模型
NVIDIA 推出 Kumo Forecast 多变量时序预测模型，基于 MOMENT-1-large 骨干，约 3.4 亿参数编码器加可训练预测头，采用 Apache 2.0 许可开源。其 DARR 模式通过最近邻检索历史模式增强直接预测，并附带按预测步长生成的可解释性框架。模型代码与权重已在 Hugging Face 发布，支持 256 至 2048 观测长度的数值时序输入。
Mistral AIAI 评分5858 Mistral 发布时序基础模型 Timestral，最大 209M 参数
Mistral 发布首个时序基础模型系列 Timestral，提供 5M、28M、123M 和 209M 四个尺寸，最大模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准上均排名第一，参数量约为此前 SOTA 的三分之二。
Microsoft ResearchAI 评分5858 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练。