研究人员推出HarmonyGNN训练技术，显著提升图神经网络（GNN）准确性。GNN专门处理由节点和边组成的图形数据，广泛应用于药物发现、天气预测等领域。传统GNN训练依赖半监督学习，而新方法通过优化处理节点间同质性与异质性关系，提高了模型性能。
英伟达发布DLSS5，引入实时神经网络渲染模型，利用生成式AI技术实现游戏画面的逼真效果，标志着图形技术迎来“GPT时刻”。
日联科技推出国内首个工业X射线AI图像增强系统UEX，基于自研视觉大模型与大规模数据集，解决了传统算法在成像质量、场景适应性和效率上的难题。该系统深度融合深度学习与X射线成像，通过神经网络实现去噪、去模糊等功能，为半导体、新能源等产业提供智能检测支持。
DeepSeek研究发现，通过优化神经网络架构而非单纯扩大模型规模，可显著提升大语言模型推理能力。其“流形约束超连接”技术对现有架构进行微调，为AI发展提供了不依赖无限增加参数的新路径。
LibraChat是能说多种语言的神经网络，可快速提供专业内容。
汇集全球顶尖神经网络，实现图像、视频、音乐及文本生成等功能。
Nano Banana 2是AI图像生成与编辑平台，用先进神经网络秒变文字为视觉作品。
通过人工智能生成独特图像
Maxlegrec
BT4模型是LeelaChessZero引擎背后的神经网络模型，专门用于国际象棋对弈。该模型基于Transformer架构设计，能够根据历史走法预测最佳下一步走法、评估棋局形势并生成走法概率。
ByteDance-Seed
AHN是一种用于高效长上下文建模的创新神经网络架构，通过将无损内存转换为固定大小的压缩表示，结合了Transformer和RNN的优势，在长序列处理中实现高效计算和准确预测。
silx-ai
TARS-1B是一个拥有10亿参数的非Transformer液态神经网络语言模型，完全从头构建，采用创新的液态神经网络架构，专为连续时间推理和高效泛化而设计。该模型仅使用3亿个令牌进行预训练，在多个基准测试中展现出令人印象深刻的性能。
gaiseras
一个基于Keras框架构建的卷积神经网络（CNN），专用于从64×64灰度图像中识别单个日文字符，支持手写体与印刷体识别。
facebook
VGGT是一种前馈神经网络，能够直接从场景的一个、几个或数百个视图中，在数秒内推断出所有关键的3D属性。
jfkback
Hypencoder是一种用于信息检索的超网络模型，包含文本编码器和Hypencoder两部分，能够将文本转换为小型神经网络并输出相关性分数。
Hypencoder是一种用于信息检索的双编码器模型，包含文本编码器和超网络（Hypencoder），能够将文本转换为小型神经网络用于计算相关性分数。
Srivardhan369
基于卷积神经网络(CNN)的脑肿瘤图像分类模型，使用标注过的脑部肿瘤MRI影像数据集训练
siyan824
SLAM3R是一个基于单目RGB视频的实时密集场景重建系统，通过前馈神经网络进行点云回归，实现三维场景重建。
SLAM3R是一款基于单目RGB视频的实时密集场景重建系统，能够通过前馈神经网络进行点云回归，实现密集三维重建。
magic-leap-community
SuperGlue是一种基于图神经网络的特征匹配模型，用于匹配图像中的兴趣点，适用于图像匹配和姿态估计任务。
SuperGlue是一个基于图神经网络的图像特征匹配模型，能够联合寻找对应关系并拒绝不可匹配的点，适用于在具有挑战性的室内外环境中进行姿态估计和图像匹配。
mihdalal
基于机器学习的机器人操作任务运动规划系统，结合神经网络与优化技术生成无碰撞运动轨迹
jimyoung6709
基于机器学习的机器人操作任务运动规划系统，结合神经网络与优化技术生成高效无碰撞轨迹
基于机器学习的机器人操作任务运动规划系统，结合神经网络与轻量级优化技术生成高效无碰撞轨迹
py-feat
ResMaskNet是一种结合残差掩码机制与U-Net架构的卷积神经网络，用于面部情绪识别。
cm93
基于ResNet-18架构的卷积神经网络，针对EuroSAT数据集上的卫星图像分类任务进行了微调
Diginsa
MobileNet V2是一种轻量级的卷积神经网络，专为移动设备设计，在延迟、模型大小和准确性之间取得平衡。
Xenova
Intel开发的混合深度估计模型，结合了卷积神经网络和Transformer架构的优势
PORTULAN
Albertina 1.5B PTBR 是一个面向巴西葡萄牙语变体的基础大型语言模型，属于BERT家族的编码器，基于Transformer神经网络架构，并在DeBERTa模型基础上开发。
神经儿童发展系统是一个突破性的人工智能框架，通过模拟人类心理发展阶段（包括认知、情感和社交成长）来重构神经网络的学习方式。该系统整合了发展心理学理论（如皮亚杰认知发展阶段、依恋理论）和神经科学原理，构建了包含感知处理、情感调节、记忆系统和心理组件的复杂架构，旨在创建具有真实情感智能和自然发展能力的AI。
DocuMind MCP Server是一个基于神经网络的下一代文档质量分析服务器，通过先进算法提供README评估、SVG头图扫描、多语言支持等功能，为开发者提供AI驱动的文档改进建议。
GNNEPCSAFT MCP Server是基于模型上下文协议(MCP)的实现，用于GNNePCSAFT工具的热力学计算。它通过图神经网络(GNN)预测ePC-SAFT参数，支持纯物质和混合物的密度、蒸汽压等热力学性质计算，并能自动从PubChem获取分子数据。
DocuMind MCP Server是一个基于神经网络的文档质量分析服务器，通过先进算法对README文件进行全面评估，提供改进建议，支持多语言文档验证和SVG头图分析。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
