基础模型

研究人员提出Hy-Embodied-RxBrain模型，通过统一的多模态架构实现语言推理与视觉想象的联合规划，为具身认知基础模型研究开辟新路径。

最新研究提出系统级框架，将自改进智能体定义为由基础模型与操作支架耦合的配置系统，通过经验积累实现能力自主进化，推动智能体从研究原型向部署系统迈进。

研究提出地理空间基础模型概念，通过大规模数据预训练实现AI分析范式革新，并展望了由大语言模型驱动的智能体地理推理未来。

研究人员推出Soofi S 30B-A3B，这是一款面向德语和英语的开源混合专家基础模型，采用Mamba-Transformer混合架构，在长上下文场景下具有显著推理效率优势。

研究人员提出语言驱动的结构化电子病历基础模型PORTER，通过文本描述编码临床事件，无需依赖固定词表即可实现跨医院系统的知识迁移，在74项儿科临床预测任务中表现优异。