扩散模型创造力揭秘：基于 ICLR 2026 论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》
Google Research 在 ICLR 2026 发表论文，揭示扩散模型的创造力源于神经网络训练中的“分数平滑”效应。正则化导致学习到的分数函数近似平滑，使去噪过程在训练数据点之间插值，从而生成新颖样本而非单纯记忆。
全部AI 动态
全部动态
今日 5 条Google ResearchAI 评分3535
Hugging Face Blog精选AI 评分8686 Thinking Machines 开源 Inkling 1T参数多模态大模型及 Inkling-Small
Thinking Machines 在 Hugging Face 开源 Inkling 1T参数多模态大模型及 Inkling-Small（276B/12B），原生支持图像、文本和音频输入，具备1M上下文窗口与智能体能力。模型提供BF16与NVFP4量化版本，支持SGLang、vLLM等推理引擎，并附带多项基准测试与部署配置。
推荐理由：提供了1T参数多模态模型及276B小模型的架构细节、量化部署方案与基准测试，便于评估其推理与多模态能力。
Hugging Face Blog精选AI 评分6666 PyTorch Profiling 第三篇：注意力机制的Profiler迹线分析
Hugging Face 发布 PyTorch Profiling 系列第三篇，对比了朴素注意力、in-place掩码、SDPA math/efficient/flash/cuDNN 五种实现的Profiler迹线。文章解释了FlashAttention低占用率源于片上资源占用，cuDNN高CPU开销源于运行时内核生成，并指出math后端因FP32上转换和多次HBM读写导致性能最差。
推荐理由：通过对比五种注意力实现的Profiler迹线，揭示了FlashAttention低占用率与cuDNN高CPU开销的底层原因。
Google Research精选AI 评分8686 Google Research 发布 SensorFM 可穿戴健康数据基础模型
Google Research 发布 SensorFM，一个基于超一万亿分钟无标签多模态传感器数据训练的可穿戴健康基础模型。该模型在心血管、代谢、睡眠等35项健康任务中展现出泛化能力，并支持通过智能体自动构建预测头及作为个人健康智能体的底层支撑。
推荐理由：基于万亿分钟无标签数据训练通用表示，为可穿戴设备健康分析提供了可扩展的底层方案。
Hugging Face Blog精选AI 评分8080 vLLM transformers 后端实现原生推理速度
vLLM 的 transformers 建模后端现已达到或超越原生实现速度，通过 torch.fx 进行动态层融合，使模型作者无需重写代码即可在 vLLM 中获得极速推理。
推荐理由：通过动态层融合实现原生性能，模型作者无需重写代码即可在 vLLM 中获得极速推理。
Hugging Face Blog精选AI 评分6363 Hugging Face 与 Amazon SageMaker AI 实现一键深度集成
Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，开发者可在 Hugging Face 模型页点击按钮直接进入 SageMaker Studio 进行微调或部署。新环境自动预配置权限，并支持在实例选择时直接查看 GPU 配额。
推荐理由：一键打通模型发现与部署流程，省去手动配置权限和环境的繁琐步骤。
Google Research精选AI 评分6060 Google Research 论文：通过导航干预协同调度缓解城市拥堵
Google Research 在《Nature Cities》发表研究，通过十城六个月的实验证明，导航平台将少量行程引导至替代路线，可使目标路段车速中位数提升约 2%，并带来数千吨的年度 CO2 减排。
推荐理由：基于十城实测数据验证了导航平台协同调度对缓解拥堵和减排的系统性增益。
Hugging Face Blog精选AI 评分7070 微软 Foundry 平台上线 Hugging Face 托管计算服务
微软在 Build 2026 宣布推出 Foundry Managed Compute，将 Hugging Face 生态中的精选开源模型纳入企业级托管服务。该服务提供一键部署、自动运行时升级与安全扫描，支持 vLLM 等多种推理引擎，并统一了认证、监控与计费接口。
推荐理由：微软将 Hugging Face 模型纳入企业级托管服务，提供开箱即用的安全与运维能力，降低了开源模型的生产部署门槛。
Berkeley AI ResearchAI 评分3737 伯克利 AI 研究：面向、由及为智能体构建数据系统
伯克利 AI 研究提出，随着 AI 推理成本急剧下降，数据系统需应对智能体主导的新挑战。智能体执行的高并发异构查询存在大量冗余，数据系统可通过多查询优化、近似查询及主动反馈机制提升效率。此外，还需构建能可靠管理智能体状态与协调的新系统，并探索让智能体自主合成可信数据系统的方法。
Hugging Face Blog精选AI 评分8282 LeRobot v0.6.0 发布：引入世界模型策略与统一奖励模型API
LeRobot v0.6.0 发布，引入 VLA-JEPA、LingBot-VA 和 FastWAM 等世界模型策略，以及 Robometer 和 TOPReward 统一奖励模型 API。新增 GR00T N1.7、MolmoAct2 等模型支持，集成六个仿真基准测试，并优化了数据加载、FSDP 训练及 HF Jobs 云训练功能。
推荐理由：本次更新引入了世界模型策略、统一奖励模型API及多项部署训练优化，为机器人学习闭环提供了更完整的工具链。
Hugging Face Blog精选AI 评分7878 Hugging Face 与 SkyPilot 联合推出零出口流量存储方案
Hugging Face 与 SkyPilot 联合推出 `store: hf` 功能，允许在任意云或本地集群上直接挂载 Hugging Face Hub 上的模型和数据集，读取数据不产生出口流量费用。该方案基于 Xet 存储实现增量去重，支持懒加载和断点续传，显著降低了跨云训练和推理的存储与传输成本。
推荐理由：通过零出口流量存储和跨云调度，解决了模型数据与算力分离带来的高昂跨云传输成本。
Hugging Face Blog精选AI 评分6767 Photoroom PRX 数据策略：从 Lance 探索到 MDS 流式训练
Photoroom 发布 PRX 模型数据策略，采用 Lance 格式进行数据探索与特征工程，利用 Qwen3-VL-8B 对图像进行长文本重标注，最终转换为 MDS 格式进行流式训练。
推荐理由：Photoroom 公开了 PRX 模型的数据构建全流程，提供了从数据探索、VLM 重标注到 MDS 流式训练的具体工程实践。
Hugging Face Blog精选AI 评分6868 Hugging Face Kernels 重大更新：引入可信发布与代码签名
Hugging Face 对 Kernels 项目进行重大更新，在 Hub 上引入 kernel 专属仓库类型，默认启用可信发布者机制并支持代码签名以增强安全性。项目新增对 Torch Stable ABI 和 Apache TVM FFI 的支持，并重构 CLI 以更好地支持智能体开发工作流。
推荐理由：Hugging Face重构了Kernels项目，引入可信发布与代码签名机制，并新增对Torch Stable ABI和TVM FFI的支持。
Berkeley AI ResearchAI 评分1313 2026 BAIR 研究生毕业展
加州大学伯克利分校人工智能研究所（BAIR）庆祝 2026 届博士毕业生，涵盖机器人、大语言模型、计算机视觉及 AI 安全等领域。毕业生将前往 Physical Intelligence、OpenAI、Mistral AI 等机构任职或继续学术探索。
Hugging Face Blog精选AI 评分7070 Hugging Face 联合 Cerebras 发布实时语音 AI 演示
Hugging Face 与 Cerebras 联合展示了基于 Cerebras 推理加速的实时语音 AI 架构，该架构采用 Nvidia Parakeet 进行语音识别、Gemma 4 VLM 进行推理、Qwen3TTS 进行语音合成，实现了低延迟的端到端语音交互。
推荐理由：展示了结合Cerebras推理与Gemma 4、Qwen3TTS的实时语音架构，为开发者提供了低延迟语音交互的开源参考实现。
Hugging Face Blog精选AI 评分6666 IBM发布ScarfBench基准测试AI智能体企业Java框架迁移能力
IBM Research发布ScarfBench基准，评估AI智能体在企业Java框架迁移中的表现。测试显示，尽管编译成功率较高，但最强智能体的行为保持成功率不足10%。研究指出，迁移难点在于配置与依赖管理，且智能体对自身完成度存在过度自信。
推荐理由：通过构建真实企业级Java迁移场景，揭示AI智能体在行为保持上的局限，提供可复现的评估基准。
Google Research精选AI 评分6565 Google Research 发布覆盖50+全球城市的建筑级屋顶反射率数据集
Google Research 发布覆盖50+全球城市的建筑级屋顶反射率数据集，并上线 Heat Resilience Earth Engine App。该数据集基于 Sentinel-2 与高分辨率卫星影像融合生成，精度达30厘米，旨在帮助城市规划者识别低反射率建筑并实施降温干预。
推荐理由：原文提供了覆盖50+城市的建筑级屋顶反射率数据集及可视化应用，为城市热岛缓解规划提供了高精度数据支持。
Google DeepMind精选AI 评分8181 Google 发布 Nano Banana 2 Lite 图像模型与 Gemini Omni Flash 视频模型
Google 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型。Nano Banana 2 Lite 主打极速低成本图像生成，4 秒出图，价格 0.034 美元/千张，可无缝替代旧版 Nano Banana。
推荐理由：Nano Banana 2 Lite 提供极速低成本的图像生成，Gemini Omni Flash 开放视频生成与对话编辑，两者结合可构建端到端的多媒体工作流。
Hugging Face BlogAI 评分5353 Dharma AI解读：为何AI领域的专业化是必然趋势
Dharma AI解读Goldfeder等人2026年论文，论证在有限资源与竞争压力下，专注特定领域的专业化策略在性能上优于通用泛化。文章结合优化理论、生物学演化及机器学习中的负迁移现象，指出Scaling并不改变这一结构性约束。
Google Research精选AI 评分7777 Google 发布 TabFM 表格数据零样本基础模型
Google 发布 TabFM，一个专为表格数据设计的零样本基础模型，通过上下文学习消除手动特征工程和超参数调优。该模型在 BigQuery 中原生集成，支持通过 SQL 直接进行回归和分类预测，并在 TabArena 基准测试中表现优异。
推荐理由：TabFM 将表格预测重构为上下文学习问题，无需微调即可在 BigQuery 中直接运行，大幅简化了传统机器学习工作流。
Hugging Face Blog精选AI 评分6868 Hugging Face 与 EvalEval 实现评测数据互通
Hugging Face 与 EvalEval 实现评测数据互通，提供转换器将 EEE 记录映射为 YAML 提交至社区评测，支持 MMLU-Pro 等基准，增强结果可追溯性。
推荐理由：原文给出了跨平台评测数据互通的具体实现路径，读者可据此建立标准化的评测数据流转机制。
Hugging Face BlogAI 评分4040 DiScoFormer：一个同时估计密度和分数的 Transformer 模型
DiScoFormer 是一个基于 Transformer 架构的模型，能在单次前向传播中同时估计数据分布的密度和分数，无需针对新分布重新训练。在 100 维数据测试中，其分数误差比最佳手动调优的核密度估计（KDE）降低约 6.5 倍，密度误差降低超过 37 倍。该模型通过共享骨干网络和一致性损失实现自适应，适用于生成建模、贝叶斯推断等需要高精度分数估计的场景。
Google Research精选AI 评分7070 Google 在 Pixel 端侧部署冻结版 Gemini Nano 的 Multi-Token Prediction 加速技术
Google Research 宣布在 Pixel 9 和 10 系列设备上部署针对 Gemini Nano v3 模型的 Multi-Token Prediction (MTP) 加速技术。
推荐理由：文章详述了通过冻结主干模型并附加MTP头实现端侧推理加速的技术路径，为移动端部署提供了可迁移的优化方案。
Hugging Face Blog精选AI 评分7171 一条命令在 Hugging Face Jobs 上运行 vLLM 服务
Hugging Face 推出 HF Jobs 功能，允许用户通过单条命令在 HF 基础设施上快速部署 vLLM 服务并开放 OpenAI 兼容接口。该服务支持按秒计费，提供 GPU 选择、SSH 调试、Gradio 交互界面及编码 Agent 后端集成，适合模型测试、评估和批量生成等实验场景。
推荐理由：提供通过单条命令在 HF Jobs 部署 vLLM 并开放 OpenAI 兼容接口的完整流程，便于快速进行模型测试与评估。
Google ResearchAI 评分4242 Google Research 提出线性弹性缓存优化云经济
Google Research 提出线性弹性缓存，将页面驱逐建模为滑雪租赁问题以最小化总拥有成本。在 Spanner 生产环境中，该方案使内存使用量减少 15.5%，缓存未命中率仅增加 5.5%，总拥有成本降低约 5%。
Hugging Face Blog精选AI 评分7575 NVIDIA NeMo AutoModel 发布，基于 Transformers v5 加速 MoE 微调
NVIDIA 发布 NeMo AutoModel，基于 HuggingFace Transformers v5 提供专家并行、DeepEP 融合通信和 TransformerEngine 内核。在 Qwen3-30B-A3B 和 Nemotron 3 Nano 30B-A3B 上，训练吞吐量提升 3.4-3.7 倍，GPU 显存降低 29-32%，并支持 550B 模型全量微调。
推荐理由：NeMo AutoModel 在保持 Transformers v5 API 兼容的前提下，通过专家并行和内核优化显著提升 MoE 微调性能。
Hugging Face Blog精选AI 评分6767 Hugging Face 联合 Treble 推出 FFASR 远场语音识别基准
Hugging Face 联合 Treble 推出首个开源远场语音识别（FFASR）基准，覆盖 14 种模拟房间与多信噪比条件。评测显示远场低信噪比下的字错误率显著高于近场，并提供准确率与推理速度的权衡分析。
推荐理由：首次公开远场语音识别基准，提供仿真与实测对照，直观展示真实声学环境下的性能差距。
Hugging Face BlogAI 评分4040 在 Transformers.js 中实验拟议的跨域存储 API
拟议的 Cross-Origin Storage API 通过密码学哈希而非 URL 标识文件，旨在解决浏览器中跨域缓存隔离导致的重复下载问题。在 Transformers.js 应用中，不同来源的 Web 应用即使请求相同的模型资源或 Wasm 运行时，也会因 Network Isolation Key 不同而无法共享缓存，造成如 177 MB 的重复存储。
Hugging Face Blog精选AI 评分8080 Hugging Face 开源每周自动化发布工作流：AI 起草与人工校验
Hugging Face 开源了 huggingface_hub 的每周自动化发布工作流，利用 GLM-5.2 等开源模型起草发布说明，并通过确定性脚本校验 PR 完整性，人工仅需少量时间审核。该流程结合 GitHub Actions 与 PyPI 可信发布，将发布周期从 4-6 周缩短至每周一次，且成本极低。
推荐理由：提供了一套基于开源模型与确定性校验的自动化发布工作流，可迁移至其他开源项目以大幅降低维护成本。
Hugging Face Blog精选AI 评分6868 PP-OCRv6 发布：支持50种语言的轻量级OCR模型
PaddleOCR 发布 PP-OCRv6 模型家族，包含 1.5M 至 34.5M 参数的三档模型，支持 50 种语言。medium 版本检测 Hmean 达 86.2%，较 v5 提升 4.6 个百分点，提供 Transformers 和 ONNX 后端。
推荐理由：提供了从1.5M到34.5M参数的三档模型及多后端支持，便于评估其在不同场景下的部署可行性。
Hugging Face Blog精选AI 评分7272 利用本地模型与 Agent 框架实现 GitHub PR 自动分类
Hugging Face 分享了在本地硬件上使用 Gemma-4-26b-a4b 和 Qwen3.6-35b-a3b 模型，结合 Agent 框架和受限 Shell 对 GitHub PR 进行实时分类的实践。该方案通过结构化输出实现高吞吐过滤，在 330 行评估集上 Qwen 精确率达 0.831，Gemma 召回率达 0.905。
推荐理由：文章给出了在本地硬件上利用 Agent 框架和受限 Shell 实现高吞吐 PR 分类的完整工程方案与性能数据。
Hugging Face Blog精选AI 评分7373 MosaicLeaks：深度研究智能体的隐私泄露风险与PA-DR训练法
Hugging Face发布MosaicLeaks论文，揭示深度研究智能体通过外部查询日志泄露私有信息的风险。提出PA-DR训练法，将答案/全信息泄露率从34.0%降至9.9%，同时保持严格链成功率在58.7%。
推荐理由：提出PA-DR训练法，在保持推理性能的同时将深度研究智能体的隐私泄露率从34%降至9.9%。
Hugging Face Blog精选AI 评分7272 Hugging Face PEFT基准测试：LoRA并非微调唯一最佳选择
Hugging Face发布PEFT库基准测试，对比LoRA与OFT、Lily等数十种参数高效微调技术。测试显示在图像生成等任务中OFT在精度和显存上均优于LoRA，建议用户根据显存、精度和兼容性需求进行权衡选择。
推荐理由：官方通过统一基准测试对比多种PEFT方法，揭示LoRA并非全能，提供可迁移的选型权衡思路。
Hugging Face Blog精选AI 评分7070 AWS 发布 Strands Robots SDK，将 LeRobot 封装为 Agent 工具
AWS 发布 Strands Robots SDK，将 LeRobot 硬件抽象、仿真和数据集封装为 Agent 工具。开发者可通过自然语言编排 Agent，实现从仿真记录、策略运行到真机部署的无缝流程，并支持多机器人编队协调。
推荐理由：AWS 发布 Strands Robots SDK，将 LeRobot 封装为 Agent 工具，实现从仿真到真机的无缝部署。
Hugging Face Blog精选AI 评分7777 Hugging Face 发布 Agentic Resource Discovery 开源参考实现
Hugging Face 发布 Agentic Resource Discovery (ARD) 规范的开源参考实现 Discover Tool，提供 CLI 和 REST API 供开发者搜索和调用 Agent 技能与 MCP 服务器。
推荐理由：Hugging Face 发布开源参考实现，将 Hub 搜索能力接入行业新标准，提供 CLI 和 API 供开发者调用。
Google DeepMindAI 评分3838 Google DeepMind 联合英国政府利用 Gemini 开发 AI 规划原型，旨在将房屋申请处理时间减半
Google DeepMind 联合英国政府利用 Gemini 开发 AI 规划原型，旨在将房屋申请处理时间减半。该工具通过整合数据、识别政策、总结反馈和起草评估报告来简化常规任务，并保留完整的审计追踪。英国政府计划于 2027 年向全国所有地方议会提供该工具。
Google ResearchAI 评分3838 Google Earth AI 发布英国精细尺度生态矢量数据集
Google Earth AI 发布英国精细尺度生态矢量数据集，将树篱、石墙等隐藏特征转化为可操作清单。该成果基于 RSF Vision-Transformer 骨干网络微调，利用 Polsby–Popper 紧凑度评分对几何形状进行语义分类。此数据集赋能土地所有者和环保人士测量并扩大这些精细尺度特征。
Hugging Face Blog精选AI 评分7070 PyTorch Profiling 详解：从 nn.Linear 到融合 MLP
Hugging Face 发布 PyTorch Profiling 系列第二篇，通过对比 nn.Linear 与 MLP 的 Eager、torch.compile 及 Liger 手写内核轨迹，揭示了算子融合、显存优化与编译开销机制。
推荐理由：通过对比Eager、编译与手写内核的Profiler轨迹，揭示了PyTorch底层算子融合机制与显存优化原理。
Google ResearchAI 评分4242 Google Research 提出正则化 f-散度核检验框架以审计机器学习遗忘
Google Research 提出正则化 f-散度核检验框架，旨在解决大规模模型机器遗忘审计中传统两样本检验统计效力低且计算昂贵的问题。该框架利用 f-散度（如 KL 散度、Hockey-stick 散度）结合核正则化方法，自动选择最佳散度类型以精准定位局部数据偏移。该研究已在 AISTATS 2026 发表，理论上证明了其对假阳性的控制能力及随样本增加假阴性收敛至零的特性。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 DiffusionGemma 扩散文本模型
Google DeepMind 发布开源实验模型 DiffusionGemma，采用扩散机制并行生成文本，在单卡 H100 上推理速度提升 4 倍，适用于本地低并发场景。
推荐理由：模型采用扩散机制实现并行生成，在本地低并发场景下推理速度提升显著，适合对延迟敏感的应用。