Ocean Protocol 是一个基于区块链的去中心化数据交换协议，旨在通过安全、透明的方式连接数据提供者与消费者，实现数据资产的自由流通与价值释放。其核心目标是构建一个无需中心化中介的「数据经济」，让数据所有者能够直接控制并货币化自己的数据，同时为开发者和企业提供开放的 AI 训练、研究及分析资源。
生成式 BI 工具支持自然语言查询数据库，自动生成 SQL 与可视化图表，被金融分析师和数据科学家广泛采用。WrenAI是由Canner团队开发的开源生成式BI（GenBI）智能体，致力于通过自然语言交互实现数据库查询、可视化生成和洞察报告的全流程自动化。其核心设计理念是语义层驱动的精准查询，通过预定义数据模型、业务指标和表关系，构建LLM可理解的“数据库说明书”，解决传统Text-to-SQL工具因缺乏上下文导致的高错误率问题。
VLM-R1是由浙江大学滨江研究院Om AI Lab开源的多模态视觉推理模型，聚焦复杂场景理解与自主推理路径构建，通过强化学习与视觉语言模型的深度融合，在多模态任务中展现出突破性能力。项目地址：https://github.com/om-ai-lab/VLM-R1一、技术架构VLM-R1采用视觉-语言-强化学习三层异构融合架构，实现多模态信息的深度交互与推理路径的自主生成：
CogQA是清华大学团队提出的多跳问答框架，其核心设计灵感源自认知科学中的双过程理论（Dual Process Theory），旨在模拟人类大脑解决复杂问题时的“直觉检索”与“逻辑推理”协同机制。基于认知科学的双过程理论，结合隐式提取模块（系统1）和显式推理模块（系统2）构建认知图。通过迭代扩展图结构，逐步整合多跳信息，提供可解释的推理路径。
FiD（Fusion-in-Decoder）是Facebook AI Research（FAIR）提出的检索-生成一体化知识密集型问答模型，通过动态融合外部知识库与生成式语言模型，实现高效准确的多跳推理。其核心设计突破传统检索-阅读流水线的局限性，在解码器阶段直接整合多段落信息，尤其适用于开放域问答（OpenQA）和复杂事实推理任务。FiD（Fusion-in-Decoder）结合召回和生成的KBQA模型，利用外部知识库增强问答。通过检索相关文本并与问题拼接，解码器融合多源信息生成答案。
RoG（Reasoning on Graphs）提出“规划-检索-推理”框架，利用知识图谱的关系路径生成忠实的推理计划。LLM通过关系路径生成查询，结合图谱结构指导推理过程，解决LLM的幻觉问题。 RoG是由研究者Linhao Luo、Yuan-Fang Li、Gholamreza Haffari和Shirui Pan等人联合开发的创新推理框架，其研究论文《Reasoning on Graphs: Faithful and Interpretable Large Language Model Reasoning》已被ICLR 2024接收。
