NVIDIA 发布预训练关系数据基础模型 Kumo Relational，可直接在企业数据库上做预测查询，无需任务训练、特征工程或展平表格。在 15 个数据库的 41 项任务上超越监督式关系深度学习和专家梯度提升树管线，SAP SALT 基准上 MRR 超过 AutoGluon 集成 8%，微调后领先 16%。
推荐理由：原文给出基准对比数字和开源获取方式，读者可以据此评估是否用它替代现有 XGBoost 关系数据管线。
Mistral 发布首个时序基础模型家族 Timestral，含 5M、28M、123M、209M 四档参数，209M 模型在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上排名第一，仅用此前最优模型约三分之二的参数。
推荐理由：原文给出四档参数规模、三大基准成绩和 CPU 推理延迟，读者可据此评估时序预测场景的选型与部署。
微软亚洲研究院发布 Harnessed Agentic RL 训练范式并开源重建的 Agent Lightning v1.0，让部署时使用的同一 agent harness 直接参与强化学习，无需在训练框架内重新实现智能体。
推荐理由：框架让部署用的真实 agent harness 直接参与 RL 训练，还给出端到端编码智能体训练管线，读者可评估是否接入现有工作流。