UK AISI 与 EvalEval 合作推动基准测试结果可复现
英国 AI 安全研究所（AISI）利用 EvalEval 基础设施公开分享评估结果，支持更可复现和可验证的评估科学。
全部AI 动态
全部动态
今日 5 条Hugging Face BlogAI 评分4242 Hugging Face BlogAI 评分4242 oMLX 创始人 Jun Kim 加入 Hugging Face 支持 MLX 社区
oMLX 创始人兼维护者 Jun Kim 加入 Hugging Face，全职负责 MLX 生态建设。MLX 是专为 Apple Silicon 优化的本地 AI 框架，oMLX 将继续保持 Apache 2.0 开源协议并由 Jun 领导。Hugging Face 旨在通过整合 mlx-lm 等项目，加速从 transformers 模型定义到 MLX 实现的转换，推动本地 AI 发展。
Hugging Face Blog精选AI 评分7878 Hugging Face transformers 正式支持 GGUF 格式
Hugging Face 宣布 transformers 正式支持 GGUF 格式，开发者可通过标准 API 在本地高效运行量化模型。该更新通过复用底层 ggml Metal 内核，显著提升了 Apple Silicon 设备上的推理性能，并支持通过 transformers serve 提供 OpenAI 兼容接口。
推荐理由：Hugging Face 官方宣布 transformers 支持 GGUF 格式，通过复用底层 Metal 内核实现端侧高效推理。
NVIDIA BlogAI 评分4242 NVIDIA 推出 DSX Ready 认证计划，首批涵盖电池储能与冷却分配单元
NVIDIA 推出 DSX Ready 认证计划，首批涵盖电池储能系统（BESS）与冷却分配单元（CDU）。Hitachi Energy、LG Energy Solution、Tesla 的 BESS 方案以及 LG Electronics、LiquidStack、Vertiv 的 CDU 方案已通过认证。
NVIDIA BlogAI 评分3333 为什么规模化部署物理 AI 需要在每一层确保安全
NVIDIA 发布全栈物理 AI 安全系统 Halos，旨在解决自动驾驶和机器人等物理 AI 在规模化部署中的安全挑战。该系统涵盖硬件、软件、AI 行为及验证全生命周期，为自动驾驶提供基于 DRIVE AGX Thor 和 Halos OS 的安全基础，为机器人提供基于 IGX Thor 和 Isaac Lab 的工业级安全方案。
Microsoft Research精选AI 评分7777 微软发布开源分子合成预测模型 RetroChimera
微软发布并开源分子合成预测模型 RetroChimera，该模型融合 R-SMILES 2 与 NeuralLoc 两种架构，通过集成学习策略在盲测中表现优于单一模型。
推荐理由：模型融合两种架构互补优势并开源，为化学合成路线规划提供了可复用的前沿工具。
Hugging Face Blog精选AI 评分6767 Hugging Face tokenizers v1 发布，性能提升数倍至数十倍
Hugging Face 发布 tokenizers v1 版本，通过位流拆分、词缓存和内存复用等底层重构，使编码速度较 v0.23 提升 3 到 30 倍。该版本保持 API 和输出完全一致，目前已在 crates.io 提供预发布版本。
推荐理由：通过底层架构重构实现数倍至数十倍的性能提升，为大规模数据处理提供了可迁移的工程优化方案。
Google ResearchAI 评分3535 Google Research 发布 MilleMiglia 中间里程物流实例生成器
Google Research 发布 MilleMiglia，这是一个 C++ 实例生成器，旨在为中间里程物流问题生成逼真的基准数据。该工具通过时空图上的多商品流模型，解决了传统车辆路径问题（VRP）难以处理的跨中心转运与时间窗口同步难题。代码与文档已开源在 GitHub。
GitHub Blog · AI & MLAI 评分3030 GitHub Podcast 解析 AI 开发五大争议观点
GitHub Podcast 深入剖析 AI 开发中的五个争议性观点，指出开发者仍需阅读并负责 AI 生成的代码，AI 工具的使用关键在于判断力而非盲目依赖。文章澄清 Skills 与 MCP 解决不同问题，二者可结合使用；RAG 并未过时，而是与 Agent、Skills 共同构成工作流；代码可维护性比微调模型更重要。
Google Research精选AI 评分6262 Google 发布基于 GenUI 的教育模拟生成实验，开放 30 余个 STEM 示例
Google Research 发布基于生成式 UI（GenUI）的教育模拟生成实验，允许教师动态创建定制化的互动学习模拟。该实验已发布包含物理、化学等学科的 30 余个 AI 生成示例，并开放 Google for Education Pilot Program 供学校申请试用。
推荐理由：Google 发布基于 GenUI 的教育模拟生成实验，提供 30 余个 STEM 示例并开放教师试点，展示了生成式 UI 在定制教学中的落地路径。
Mistral AIAI 评分4040 Mistral 与 Mozilla 合作将开源 AI 引入 Firefox 智能窗口
Mistral 与 Mozilla 达成合作，由 Mistral 模型驱动 Firefox Smart Window（beta）智能浏览助手。该功能在法国和北美上线，支持多语言及文化语境理解，默认不保存对话数据且合作伙伴零数据留存。
Google Research精选AI 评分6868 Google Research 提出 Retrieve-for-Train：利用强化学习蒸馏加速复杂 AI 搜索
Google Research 在 ICML 2026 发表论文提出 Retrieve-for-Train 框架，利用离线强化学习发现奖励对齐的查询扩展策略，并将其蒸馏至 53.9M 参数的扩散检索器中。该框架通过单次非自回归并行推理生成完整查询集，在保持多样性和对齐性的同时，相比自回归方法实现 12 至 20 倍的速度提升。
推荐理由：提出通过离线强化学习将复杂搜索策略蒸馏至轻量扩散模型，实现单次推理并大幅提升检索速度。
Google DeepMind精选AI 评分8585 Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 实时对话模型
Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 两款实时对话模型，支持近实时视觉输入、97 种语言自动切换及后台工具调用。3.8 Live Extended Thinking 在 Artificial Analysis 语音质量指数中排名第一，并在 τ-Voice 基准测试中展现多步推理能力。
推荐理由：新增实时对话与扩展推理能力，提供语音基准数据与多语言支持，便于开发者构建生产级语音智能体。
Hugging Face Blog精选AI 评分7878 IBM 提出一致性指导原则缩小智能体表现波动
IBM 在 ALTK-Evolve 中引入一致性指导原则，通过一致性分析器定位决策点并生成指导原则，在不损失平均准确率的前提下显著缩小智能体表现波动。
推荐理由：提出通过一致性分析器定位决策点并生成指导原则，在不损失平均准确率的前提下显著缩小智能体表现波动。
Google Research精选AI 评分7272 ToolGrad：基于文本梯度的高效工具调用数据集生成方法
Google Research 提出 ToolGrad，通过文本梯度迭代构建 API 工作流，以更低成本生成高质量工具调用数据。在 BFCL 基准上，基于该方法微调的 Gemma-3-12B 模型得分 83.1，超越 Gemini-2.5-pro、Claude 4.5 Opus 和 GPT-5。
推荐理由：提出基于文本梯度的答案优先范式，以更低成本生成高质量工具调用数据，使小模型在基准上超越主流闭源模型。
Mistral AIAI 评分3535 Mistral 与 Cloudera 合作，为企业数据提供主权智能
Mistral 与 Cloudera 宣布合作，将 Mistral 模型集成至 Cloudera 混合数据平台，支持企业在私有云、本地及完全隔离环境中部署 AI。该方案允许企业利用专有数据在受控环境中训练定制模型，实现数据、智能与计算的全方位主权控制。
Hugging Face Blog精选AI 评分7272 Gradio 官方发布 Workflow1111，用 Gradio Workflow 重构 AUTOMATIC1111 功能
Hugging Face 官方博客发布 Workflow1111，将 AUTOMATIC1111 的核心功能重构为基于 Gradio Workflow 的节点图。
推荐理由：Gradio 官方展示了 Workflow1111 项目，将 AUTOMATIC1111 的核心功能重构为基于 Gradio Workflow 的节点图，支持多模型混合编排与 MCP 工具调用。
Hugging Face Blog精选AI 评分8282 TRL v1.14 支持 LoRA 异步同步，结合 HF Jobs 实现训练推理解耦
TRL v1.14 的 AsyncGRPOTrainer 支持仅同步 LoRA 适配器，配合 Hugging Face Jobs 和存储桶挂载，无需 NCCL 即可实现训练与推理解耦。通过 token-budget batching 和代理路由优化，500 步训练时间从 3 小时 27 分缩短至 53 分。
推荐理由：TRL v1.14 支持 LoRA 异步同步，结合 HF Jobs 和存储桶可消除 NCCL 依赖，实现训练与推理解耦。
Mistral AIAI 评分3838 Mistral 利用 AI 智能体将 40,000 行 Fortran 77 迁移至 C++
Mistral 利用 AI 智能体将 40,000 行 Fortran 77 迁移至 C++，完成物理密集型储层模拟器的现代化改造。项目通过构建数值一致性测试框架验证迁移结果，并使用 Vibe CLI 和 Mistral OCR 生成文档。最终采用人类主导的 coder、tester 和 reviewer 智能体工作流，在保留代码质量的同时解决智能体卡死问题。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 AlphaGenome Atlas 全基因组变异预测平台
Google DeepMind 发布 AlphaGenome Atlas，包含人类基因组中90亿种单核苷酸变异的分子影响预测。平台提供 AVI 评分、特征归因及 DNA 序列基序，已用于发现罕见病致病突变及解析复杂性状关联。
推荐理由：预计算了全基因组90亿种单核苷酸变异，提供AVI评分与可视化门户，加速罕见病与复杂性状研究。
Mistral AI精选AI 评分7272 Mistral AI 完成 30 亿欧元 D 轮融资，估值超 210 亿欧元
Mistral AI 宣布完成 30 亿欧元 D 轮融资，投后估值超 210 亿欧元，创下欧洲科技公司最大股权融资纪录。三星电子领投，资金将用于扩大算力、前沿研究及基础设施，以支持其主权 AI 战略。
推荐理由：融资规模刷新欧洲科技纪录，资金将用于扩大算力与前沿研究，强化其主权AI战略。
Google ResearchAI 评分3535 Google 发布迄今最大果蝇脑图谱：16.6 万神经元与 1.25 亿突触连接
Google 联合 HHMI Janelia 发布迄今最大的雄性果蝇脑图谱，包含 166,000 个神经元和 1.25 亿个突触连接。该成果利用 AI 工具 PATHFINDER 完成三维重建，并通过 Neuroglancer 开源工具提供可视化与下载。这一完整连接组为研究神经回路机制及对比雌雄果蝇差异提供了基础资源。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 发布 WeatherNext 3，这是其最先进的全球天气 AI 模型，支持每小时更新、最高 5 公里分辨率，并引入实时卫星数据。该模型在降水预测上取得突破，准确率较前代大幅提升，已集成至 Google Search、Gemini、Google Maps 等平台，并向开发者开放数据接口。
推荐理由：引入实时卫星数据与小时级更新，显著提升降水预测精度并开放给开发者使用。
Hugging Face Blog精选AI 评分7575 H Company 发布原生多模态编码器 NeoMME
H Company 发布 NeoMME，一种原生多模态多语言编码器，使用单一双向 Transformer 处理文本和图像。NeoMME-Retriever 微调版支持单次前向传播输出密集和晚期交互嵌入，在 ViDoRe v3 基准上表现优异，并通过分层 token 池化和非对称量化将存储需求降低 255 倍。
推荐理由：原生多模态架构配合高效压缩技术，为视觉文档检索提供了兼顾速度与精度的开源方案。
Hugging Face Blog精选AI 评分8080 Hugging Face 发布 funes 为编码 Agent 提供本地记忆层
Hugging Face 发布开源工具 funes，将 Claude Code、Codex 等编码 Agent 的会话日志转化为可检索的记忆层。它支持本地增量索引与跨机器共享，通过向量与 BM25 混合检索实现 Agent 间的记忆继承，并提供了 ask 命令用于独立查询。
推荐理由：提供了将编码 Agent 会话日志转化为可检索记忆层的本地工具，支持跨机器和跨 Agent 共享。
Hugging Face Blog精选AI 评分7474 100步GRPO微调LFM2.5-350M提升结构化输出合规性
Liquid AI 发布教程，展示使用 TRL 库和 GRPO 算法微调 LFM2.5-350M 模型。在 IFStruct 基准测试中，经过约 500 样本和 100 步训练，模型结构化输出合规率从 22.6% 提升至 29.7%，其中 JSON 通过率提升近 14 个百分点。
推荐理由：提供在免费算力上微调小模型提升结构化输出合规性的具体方法与数据。
Hugging Face Blog精选AI 评分7575 使用TRL和OpenEnv复现语言模型水彩画训练
本文详细记录了使用TRL和OpenEnv在Hugging Face上复现语言模型水彩画训练的全过程。作者开源了包含参考池、RL环境、评分模型及训练脚本的完整流水线，并对比了三种奖励权重组合的训练效果，指出通过构建高质量参考池可实现对模型审美风格的精准控制。
推荐理由：提供了基于TRL和OpenEnv复现RL绘画的完整代码与基础设施搭建细节，可直接迁移用于其他审美对齐任务。
Google DeepMind精选AI 评分7878 Google DeepMind 推出 Fairwind 计划，提供 Gemini 3.8 Flash Cyber 自主漏洞修复能力
Google DeepMind 推出 Fairwind 计划，向政府和可信合作伙伴开放 Gemini 3.8 Flash Cyber 模型与 CodeMender 工具，实现自主发现并修复代码漏洞。该方案旨在以较低成本在安全云环境中生成可部署补丁，缩短从漏洞检测到修复的时间。
推荐理由：结合 Gemini 3.8 Flash Cyber 与 CodeMender 提供自主漏洞修复能力，为政企客户提供了规模化防御的可选方案。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3.8 Flash 及网络安全版
Google DeepMind 发布 Gemini 3.8 Flash 及 Gemini 3.8 Flash Cyber，在保持 3.7 Flash 同等低成本（$0.75/$3.75 per million tokens）的同时，显著提升了编码、推理及网络安全能力。
推荐理由：在保持3.7 Flash同等低成本的同时，显著提升了编码、推理及网络安全能力，为开发者提供了高性价比的升级选择。
Hugging Face BlogAI 评分5050 BenchMIRT：利用多维IRT拆解LLM基准测试的真实测量目标
AllenAI发布BenchMIRT，利用多维项目反应理论（MIRT）在提示词层面审计LLM基准测试。该工具在16个基准和3.4万道题上训练，独立识别出安全与通用推理两个主导维度，揭示BBQ、WMDP等基准中安全与推理信号的混合情况。BenchMIRT还能通过仅保留10%最具区分度的题目来高效评估模型，并准确预测模型在未见题目上的表现。
Google Research精选AI 评分7070 Google与NASA合作发布基于深度学习的全球甲烷排放卫星检测框架
Google Research与NASA JPL合作在PNAS发表论文，提出MAPL-EMIT深度学习框架，利用Swin-S视觉Transformer和360万合成数据，实现了对EMIT卫星数据中甲烷羽流的高精度检测与源定位。该模型在专家标注数据上召回率达84%，并开源了全球羽流数据库、训练模型及推理库。
推荐理由：论文提出结合物理模拟与视觉Transformer的深度学习框架，显著提升了卫星遥感甲烷排放检测的精度与灵敏度。
Google DeepMind精选AI 评分8282 Gemini 推出智能体视频理解功能
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 中推出智能体视频理解功能。该功能通过动态搜索和扫描视频片段，将长视频分析的 token 消耗降低高达 88%，成本降低 66%，准确率提升 7%。
推荐理由：Gemini 3.7 Flash 等模型新增智能体视频理解功能，通过动态检索显著降低视频分析成本并提升准确率。
Hugging Face Blog精选AI 评分7575 Hugging Face 发布 207 个 WebGPU 内核及加载库
Hugging Face 发布 @huggingface/kernels 库及 207 个 WebGPU 内核，每个内核作为独立版本化仓库发布，包含接口、测试和基准数据。在 Apple M4 上实测，其内核比 ORT WebGPU 快 2.57 倍，并推出 Fleet 工具用于众包设备性能测试。
推荐理由：Hugging Face 开源了 207 个 WebGPU 内核及加载库，实测性能显著优于 ORT WebGPU，为浏览器端推理提供了可复用的底层基础。
Microsoft Research精选AI 评分7575 微软开源 GigaPath-Flash 和 GigaTIME-Flash 高效病理基础模型
微软研究团队开源 GigaPath-Flash 和 GigaTIME-Flash，通过知识蒸馏将原始模型参数量大幅缩减，在保持竞争力的同时使推理成本降低约 50 倍、内存占用减少约 8 倍。这两个 Apache 2.0 许可的研究模型支持全切片表示学习和肿瘤微环境空间蛋白质组学预测，旨在降低计算门槛以推动大规模病理发现。
推荐理由：通过知识蒸馏显著降低算力需求，使病理大模型在大规模队列分析中具备实际可行性。
Hugging Face Blog精选AI 评分6767 Open ASR Leaderboard 新增印度英语与印地语评测集
Hugging Face 与 Voice Arena 合作在 Open ASR Leaderboard 新增印度英语和印地语评测集，通过细粒度元数据揭示模型在不同人群中的性能差异。
推荐理由：引入覆盖印度英语和印地语的测试集，通过细粒度元数据揭示模型在不同人群中的性能差异。
Google DeepMind精选AI 评分8585 Gemini Omni 1.1 Flash 发布，提供视频生成精细控制能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景延展、首尾帧控制、360p快速草稿及4K超分等能力，支持通过 Gemini API 在 Google AI Studio 和 Agent Platform 构建专业视频工作流。
推荐理由：新增场景延展、首尾帧控制与4K超分等精细控制能力，为专业视频工作流提供了更可控的生成方案。
Google DeepMindAI 评分5555 Google DeepMind 推出全球首个双盲 AI 模型评估
Google DeepMind 联合新加坡 AI 安全研究所、OpenMined、AVERI 和 MLCommons，推出全球首个针对专有前沿 AI 模型的双盲评估。该评估在保护隐私的密码学“盒子”环境中对 Gemini Flash Lite 进行测试，防止模型提前接触测试题目，从而解决基准污染问题并提升评测结果的可信度。
Google DeepMind精选AI 评分8282 Google 发布 Gemini 3.5 Transcribe 语音转写模型
Google 发布 Gemini 3.5 Transcribe 语音转写模型，提供实时流式（gemini-3.5-transcribe-live）与离线处理（gemini-3.5-transcribe）双 API。该模型支持函数调用、自定义词汇及 85 种语言，流式与非流式 WER 分别达 4.0% 和 2.6%，已集成至 Gemini 应用、Gboard 及 Chrome 等产品。
推荐理由：模型提供实时与离线双API，WER显著降低并支持函数调用，开发者可据此构建高精度语音交互应用。
Hugging Face Blog精选AI 评分8888 Sentence Transformers v6.0 多向量模型训练与微调教程
Sentence Transformers v6.0 引入 MultiVectorEncoder 支持 ColBERT 风格检索，并提供完整的训练与微调方法。作者使用 mLateOn-unsupervised 在医疗数据上微调，14.5 小时在单张 RTX 3090 上训练出的模型在 MIRIAD 基准上 NDCG@10 达 0.9139，超越所有通用检索模型。
推荐理由：提供了多向量模型微调的完整代码与评估数据，展示了在消费级显卡上训练出超越通用模型的方法。
Hugging Face Blog精选AI 评分8282 IBM 发布 Granite 4.2 推理模型系列
IBM 发布 Granite 4.2 推理模型系列，包含 3B、8B 和 30B 三个尺寸，采用密集解码器架构并支持思考模式切换与原生工具调用。模型基于约 15T token 预训练，并通过包含 SWE、终端和搜索的多阶段强化学习进行后训练，在 SWE-bench Verified 等基准上表现强劲。
推荐理由：原文披露了从预训练到多阶段强化学习的完整构建细节，为同类模型提供了可迁移的技术参考。