模型优化
ModernBERT
ModernBERT是一种基于Transformer架构的新型编码器-only模型，是对经典BERT模型的深度优化版本。它通过在大规模数据集上的训练，提升了对长上下文的理解能力，并在信息检索、文本分类、实体识别等多个自然语言处理任务中展现出卓越性能。此外，ModernBERT在速度和资源效率方面均有显著改进，适合应用于多个领域。
OpenScholar
OpenScholar是一款由华盛顿大学与艾伦AI研究所联合研发的检索增强型语言模型，专为科学家设计，能够高效检索并综合海量科学文献信息，生成基于文献的事实性回答。该工具具备强大的跨学科适用性，涵盖计算机科学、生物医学等多个领域，同时支持自我反馈迭代优化，显著提升回答质量和引用可靠性。所有相关资源已完全开源，便于全球学者使用与研究。
Verifier Engineering
Verifier Engineering是一种创新的后训练方法，通过搜索、验证和反馈三个阶段优化基础模型性能。它采用目标条件马尔可夫决策过程（GC-MDP），结合线性与树搜索算法，对模型输出进行动态调整。其验证器分类涵盖多种形式和粒度，并支持基于训练和推理的反馈方式。这项技术已在自然语言处理、代码生成、教育和内容安全等领域展现广泛潜力，成为提升模型鲁棒性和智能化水平的重要工具。
Agent K v1.0
Agent K v1.0 是一款端到端自主数据科学智能体，由华为诺亚方舟实验室与伦敦大学学院团队联合开发。该工具能够自动化处理数据科学生命周期中的各个环节，支持多模态数据处理，具备动态多步骤问题解决能力，并通过结构化推理和动态记忆管理实现自我学习与优化。Agent K v1.0 在Kaggle多模态挑战赛中表现优异，广泛应用于金融、医疗、零售、制造及客户服务等领域。
LongReward
LongReward是一种由清华大学、中国科学院及智谱AI联合开发的AI工具，专注于通过多维度评估（有用性、逻辑性、忠实性和完整性）来优化长文本大型语言模型的表现。它利用现成的语言模型提供奖励信号，并结合强化学习算法改善模型性能，特别擅长处理复杂长文本任务，如文档理解、摘要生成及特定领域的数据分析，如法律、金融和医疗。
