用几何预训练，让物理仿真又快又准
GeoPT 是一个面向物理仿真的预训练模型框架，其核心思路是通过“提升几何预训练”技术，让模型在无需大量标注数据的情况下，学习物理系统的几何与动力学规律。它解决的是传统物理仿真计算成本高、泛化能力弱的问题，能够将复杂物理场景抽象为高维几何表示，从而加速仿真过程并提升跨场景迁移能力。项目提供了官方代码实现，支持多种物理系统（如刚体、流体、弹性体）的仿真任务，并可与现有深度学习框架集成。其核心能力包括：几何特征自动提取、物理规律隐式建模、以及高效的推理速度。该工作发表于 ICML 2026，目前处于早期开源阶段，代码结构清晰，适合研究者复现和扩展。
DeepMind Graph Nets、NVIDIA Warp、Physics-based Deep Learning (PBDL)
GeoPT 是模型训练领域的开源项目，由 Physics-Scaling 开发，是 2026 年新上线的项目。
它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 263。
近 44 天，它的 GitHub 星标从 221 增加到 263，净增 42。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。代码公开，可自行部署使用，无收费计划。
它主要面向的使用场景是：科研人员复现ICML论文实验，验证几何预训练在物理仿真中的效果。同类可对比的替代方案包括 DeepMind Graph Nets、NVIDIA Warp、Physics-based Deep Learning (PBDL)。
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···
