3qk7 · AI LOCAL LABS
TECHNICAL SCOUTING
AI FRONTIER
Signals worth understanding before they become obvious.
2026-11-02
01
testmodelsopen source unlock
ccore/Qwen3.5-4B-3D-Coder：专注 Three.js 3D 场景的 4B 开源预览模型
ccore 发布基于 Qwen/Qwen3.5-4B 独立微调的早期预览模型，聚焦 Three.js 交互式 3D 场景生成，并已开放 FP16 权重、GGUF 量化版本、训练数据集与技术报告。
- 参数规模为 4.5B，仓库显示模型大小 5B params，张量类型为 F16。
- 采用 Apache 2.0 许可证，为基于 Qwen/Qwen3.5-4B 的独立微调，非 Qwen 官方发布。
- 训练数据集 CCORE Three.js 3D Scenes 已公开，含 4,146 个场景示例（3,933 训练 / 213 验证），采用 MIT 许可证。
- Q4_K_M 和 Q8_0 GGUF 可搭配约 644 MiB 的 BF16 视觉投影器接收图像输入，在 llama.cpp b11889 本地测试。
4B 级小模型结合可公开复现的数据集与 GGUF 权重，让开发者能以本地 64K 上下文低成本试验 Three.js 3D 场景与图像引导生成。
02
watchresearchincremental
IBM Granite 时间序列模型的集成预测
IBM Research 发布 Granite Timeseries Ensemble，将四个预训练 Granite 模型组合为一个可扩展预测接口，无需重新训练或拟合集成权重，即可返回中位数与分位数预测。
- 默认配方组合四个模型：Granite PatchTST-FM-r1（Patched Transformer）、Granite PatchTST-FM-r2（Patched Conformer）、Granite FlowState-r1.1（状态空间模型）和 Granite TTM-r3（Tiny Time Mixers）。
- 在 97 个 GIFT-Eval 数据集配置上评估，Probabilistic Ensemble 的 MASE 为 0.683，优于 PatchTST-FM-r2 的 0.685；PatchTST-FM-r2 的 CRPS/MWQL 为 0.467，为六项预测中最低。
- 配方存储集成配置而非合并后的模型权重，运行时下载四个成员检查点，因此首次运行需要额外时间。
- 默认分位数范围为 0.1 至 0.9，其中 0.1 与 0.9 分位数构成名义覆盖率 80% 的中心预测区间。
对 AI 构建者而言，该集成提供了一个无需预先挑选单一架构的默认起点，但 MASE 优势较小，主要价值在于稳健性，且需权衡四模型推理带来的延迟与内存开销。
03
watchresearchcapability unlock
Google 展示设计 DNA 并从实验室中学习的 AI 智能体
据 Pasquale Pillitteri 报道，Google 展示了一类 AI 智能体，能够设计 DNA 并从实验室反馈中学习。
- 来源为 Pasquale Pillitteri 的报道。
- 报道称 Google 展示了设计 DNA 并从实验室中学习的 AI 智能体。
对 AI 构建者而言，该信号指向将智能体与实验室闭环反馈结合用于 DNA 设计的研究方向。