SpatialVID：突破视频空间理解瓶颈的超大规模、多维度数据集
| #数据集

• 收录21000+小时野外视频，经过层级筛选提纯，生成270万片段，涵盖7089小时动态内容，规模远超现有公开数据集。
• 每帧视频均含详尽空间标注：相机位姿、深度图、动态遮罩、结构化描述及运动指令，助力动态场景的三维重建与理解。
• 精细注释丰富真实世界多样性，提升模型泛化能力与实际应用效果，填补真实动态场景高质量大规模数据空白。
• 提供完整开源代码与训练权重，支持一键环境搭建与全流程自动化：评分、注释、描述生成，方便研究复现与二次开发。
• 兼容多款主流3D视觉模型与分割工具，基于Apache-2.0协议，科研与商业均可灵活使用。
• 配套下载脚本支持HuggingFace及YouTube原始视频获取，方便快速构建定制训练集。

FLUX-Reason-6M & PRISM-Bench 带来了文本到图像生成领域的全新评价标准，填补了百万级文本-图像推理数据集的空白：

• FLUX-Reason-6M：6百万规模合成数据，专注推理能力融入T2I架构，大幅提升生成图像的逻辑和语义理解。
• PRISM-Bench：包含7个独立评测维度，覆盖想象力、实体识别、文本渲染、风格、情感、构图和长文本理解，评测结果与人类判断高度契合。
• 支持多模型评估，官方提供基于GPT4.1与Qwen2.5-VL-72B的评测代码，方便研究者复现和对比。
• 公开排行榜实时更新，展示主流文本到图像模型在各维度的综合表现，促进技术迭代和创新。
• 代码、数据集、论文全开源，助力学术界与工业界深入探索文本到图像推理的边界。
• 最新论文已发布于arXiv，数据集同步上线Huggingface，适合长期跟踪文本生成图像推理进展。

深入理解文本和图像之间复杂的推理关系，是提升生成模型表现的关键。FLUX-Reason-6M与PRISM-Bench为研究者提供了系统且细粒度的工具，推动文本到图像领域迈入更高阶段。

Miipher-2：基于HuBERT与Parallel Adapter的高质量语音增强开源实现，兼具轻量与高效，适用于多语言场景。

• 采用多语言HuBERT（mHuBERT-147）作为特征提取骨干，支持强鲁棒性语音表示
• 创新Parallel Adapter设计，轻量级模块灵活插入，提升特征适应性与模型效率
• 集成HiFi-GAN vocoder，保证增强语音自然且高保真
• 完整训练流程覆盖数据预处理（支持JVS/LibriTTS/FLEURS多语料）、Adapter训练及SSL-Vocoder训练
• 多指标综合评估体系（PESQ、STOI、SI-SDR、MOS-LQO）确保增强效果科学量化
• 开箱即用的预训练模型，快速实现语音降噪与质量提升，适配多种噪声环境
• Hydra配置管理，支持灵活定制训练与推理流程，结构清晰便于扩展维护
• 详尽代码与文档，支持社区二次开发和模型微调，助力科研与工业应用

Miipher-2不仅提升语音清晰度，更强调模型轻量与多语言泛化能力，适合追求高效与效果平衡的语音增强需求。

rscope：专为Mujoco Playground与Brax训练环境设计的轻量级RL训练轨迹可视化工具。| #可视化 #工具

• 支持本地与远程（无头）训练运行轨迹交互式展示，远程需基于SSH无密码密钥登录，极大方便分布式训练监控。
• 兼容Python 3.10+，Mac用户需使用mjpython启动，安装简便：`pip install rscope`。
• 功能丰富：轨迹浏览（方向键切换环境与时间）、实时奖励及state.metrics（最多11项）绘图（Shift+M），支持像素观察叠加（Shift+O，需符合特定数据格式）。
• 设计上通过CPU并行展开多条轨迹，比起GPU追踪更轻量，适合快速调试和训练进度评估。
• 注意事项：推荐基于确定性策略进行评估，当前仅支持PPO训练，不支持域随机训练渲染正确显示，且对指标和像素观察展示数量有限制。
• 无法捕获基于state.info的课程进度，适合单阶段评估，贡献者需遵守预提交检查流程确保代码质量。

rscope在训练可视化上的简洁与实用，适合研究者和工程师实时掌握训练动态，避免繁重配置，助力高效调试与分析。

INFTY Engine：面向Continual AI的优化利器，打破传统优化器默认配置的束缚，提供灵活且高效的持续学习解决方案。

• 核心优势：内置多种专为Continual Learning设计的优化算法，精准应对灾难性遗忘、稳定性与可塑性矛盾、泛化能力等关键难题。
• 兼容广泛：支持PTM-based CL、Continual PEFT、Diffusion、VLM等多种持续学习场景；适配ResNet、Transformer、ViT、CLIP、Diffusion等多样模型结构。
• 插件式设计：便捷替换和集成，轻松嵌入现有训练流水线，无需深度改造。
• 理论与实用兼备：内置可视化工具涵盖损失平面、Hessian谱密度、梯度冲突曲线与优化轨迹分析，助力深入理解优化行为。
• 三大主流算法覆盖多重场景：
 – C_Flat：通过统一和平坦的损失景观促进跨任务适应，兼容预训练模型和多架构。
 – ZeroFlow：无需反向传播的梯度近似，结合PTM实现快速收敛。
 – UniGrad_FS：多目标梯度干扰缓解，聚焦共享参数的梯度操控。
• 多模态支持：持续文本到图像扩散模型训练（CIDM）、视觉-语言模型持续学习（DMNSP）均有实践案例。
• 快速上手：pip一键安装，示例丰富，支持自定义优化器封装与损失函数定义。

INFTY不仅是优化工具，更是持续学习领域统一且可扩展的基础设施，助力研究者与工程师突破长期学习瓶颈。

HtFLlib：专注异构联邦学习的开源库与基准测试平台，简化多模型架构协同训练的复杂度，实现高效安全的跨设备智能协作。

• 支持40种异构模型架构，19个模型组，覆盖多样本地任务差异
• 集成10种无额外数据需求的前沿HtFL算法，兼顾模型异构、数据非IID及通信成本
• 兼容PFLlib，支持预训练模型一键接入，减少二次开发负担
• 实现真实设备端部署（HtFL-OnDevice），推动联邦学习从理论到实践落地
• 只需配置单一文件（system/main.py），即可快速适配异构联邦学习场景，极大降低调试和维护难度
• 采用Apache-2.0协议，社区活跃，方便扩展与二次开发
• 详尽实验脚本与超参调优支持，助力复现最新顶会成果（KDD’25最佳论文提名）

异构联邦学习不再是理论挑战，HtFLlib让跨机构模型协同更为高效且隐私安全，适合有多样模型需求的企业与研究机构长期参考。