Nemotron 微调模型获 IOI 与 IMO 双金牌
Hugging Face 发布 Nemotron 系列模型在 IOI 2026 和 IMO 2026 竞赛中获金牌的成绩。Nemotron-3-Ultra-CC 在 IOI 中得分 535.4/600，IMO 系统得分 30/42。官方开源了相关模型权重、训练数据集、推理代码及 NeMo-Skills 工具包。
推荐理由：原文给出了 Nemotron 在 IOI 和 IMO 的金牌成绩及微调方法，读者可据此复现顶尖编程与数学推理能力。
#推理
#推理
今日 0 条Hugging Face Blog精选AI 评分8383
Hugging Face Blog精选AI 评分6565 Ai2 开源 AstaBrief 8B 科学报告生成模型
Ai2 开源了 AstaBrief 8B 模型，该模型基于 Qwen3-8B 微调，专为快速生成带引用的科学文献综述报告而设计。在 Asta 平台中，该模型作为 Fast 模式上线，报告生成速度比原有的 Thinking 模式快约 3.5 倍，同时保持了相近的引用准确性和用户满意度。
推荐理由：开源了针对科学报告生成的轻量模型，提供了一整套数据筛选与评估方法，可迁移至其他垂直领域。
Google DeepMind精选AI 评分9090 Google 发布 Gemini 4 Argon 模型，输出上限扩至 100 万 token
Google 发布前沿模型 Gemini 4 Argon，将输出 token 上限扩至 100 万，在 DeepSWE、Vals Index 等评测中领先。该模型定价为输入 2 美元/百万 token，正通过 Fairwind 计划向受信任的网络安全防御者开放。
推荐理由：Argon 将输出上限扩至 100 万 token 并强化安全防御，为复杂长程推理与代码工作流提供了新基准。
Microsoft Research精选AI 评分6666 微软发布Quine生物研究系统，多模态模型辅助胰腺癌药物筛选
微软发布Quine，一个面向生物学的多模态世界模型与交互式研究系统。该系统在胰腺导管腺癌研究中，通过预测并优先排序数千种化合物，成功引导湿实验验证了驱动肿瘤细胞状态转变的候选药物，将筛选过程缩短至数天。
推荐理由：微软发布Quine生物研究系统，通过多模态世界模型辅助实验设计，在胰腺癌研究中验证了加速化合物筛选的可行性。
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。
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。
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。
Google DeepMindAI 评分5656 Google DeepMind回顾15年游戏AI研究并公布EVE Online合作计划
Google DeepMind回顾了过去15年在游戏AI领域的研究历程，从DQN到AlphaGo再到SIMA智能体。文章宣布与Fenris Creations展开合作，利用EVE Online的复杂环境研究持续学习、记忆和长期规划等前沿AI能力。
Hugging Face Blog精选AI 评分7575 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理速度最高提升 3.2 倍
Liquid AI 发布 LFM2.5-DSpark 草稿模型，为 LFM2.5 系列模型提供推测解码路径，在 H100 上最高实现 3.18 倍吞吐提升，在 M4 Max 上最高实现 2.87 倍提升。该方案已开源并支持 llama.cpp 和 SGLang，在保持输出质量不变的前提下显著降低延迟。
推荐理由：原文给出了具体加速数据与部署配置，读者可据此评估端侧交互体验提升与现有工作流的适配度。
Microsoft ResearchAI 评分4242 MindTopo 揭示多模态大模型的空间推理能力
Microsoft Research 发布 MindTopo 基准测试，评估多模态大模型在拓扑推理与规划中的表现。测试涵盖连通性、包围等五类拓扑属性，结果显示当前模型在静态识别上表现尚可，但在交互规划中常因无法维持结构关系而失败。该基准旨在揭示 AI 在机器人等交互环境中理解拓扑结构的差距。
Google Research精选AI 评分6868 Google Research：检索是参数化事实性的瓶颈
Google Research 发布研究，提出知识画像框架并构建 WikiProfile 基准，评估发现前沿模型如 Gemini-3 和 GPT-5 的事实编码已近饱和，但直接检索失败率仍达 26–34%。研究指出长尾事实与反向问题主要面临检索困难，链式推理能恢复约 40–65% 的已编码知识，表明提升事实性的关键在于优化知识利用。
推荐理由：研究指出前沿模型事实错误主因是检索瓶颈而非知识缺失，链式推理可恢复大量已编码知识。
Berkeley AI ResearchAI 评分4242 ABBEL：通过信念状态更新提升大语言模型长程交互效率
ABBEL 框架将摘要转化为自然语言信念状态，并通过信念评分监督信息内容，解决长程交互中上下文压缩导致的性能下降问题。在 CollabBench 协作编码环境中，该框架将模型与全上下文设定的性能差距缩小约 50%，同时训练步数减少 50%。
Mistral AI精选AI 评分7272 Mistral 发布 Leanstral 1.5 形式化推理模型
Mistral 发布 Leanstral 1.5，一款 6B 激活参数的开源形式化推理模型，在 miniF2F、PutnamBench 和 FATE-H/X 基准上刷新 SOTA。该模型通过长上下文推理在代码验证中发现多个隐藏 Bug，并提供免费 API 与 Hugging Face 权重。
推荐理由：在形式化验证基准上刷新SOTA且成本极低，展示了长上下文推理在代码验证中的实际效用。
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 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 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。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemma 4 12B 多模态模型
Google DeepMind 发布 Gemma 4 12B 模型，采用无编码器架构，视觉和音频输入直接接入 LLM 主干，原生支持音频输入。该模型在 16GB 显存下即可运行，具备接近 26B 模型的推理性能，并内置多令牌预测（MTP）草稿器以降低延迟。
推荐理由：采用无编码器架构并原生支持音频，在16GB显存下即可运行，适合本地部署智能体应用。
Google Research精选AI 评分7373 Google 发布 ERA 科研工具并推出计算发现平台
Google 发布 Empirical Research Assistance (ERA) 工具，利用 Gemini 通过树搜索方法编写和优化科学代码，在基因组学、流行病学预测、碳监测等基准测试中达到专家级性能。同时推出基于 ERA 和 AlphaEvolve 的计算发现平台 Computational Discovery，并开放 Gemini for Science 实验工具供注册使用。
推荐理由：ERA 工具通过树搜索优化科学代码，已在多项基准测试中达到专家级水平，并开放给科研社区使用。
Berkeley AI Research精选AI 评分6868 自适应并行推理：高效推理扩展的新范式
Berkeley AI Research 发布长文综述自适应并行推理（APR），探讨模型如何自主决定何时分解任务、生成多少并发线程及如何协调。文章对比了 Multiverse 修改推理引擎复用 KV Cache 与 ThreadWeaver 保持引擎不变在客户端拼接的方案，并分析了 SFT 演示与基于关键路径长度的奖励设计。
推荐理由：系统梳理了自适应并行推理的范式，对比了修改推理引擎与客户端编排两种执行路径的优劣。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 AlphaEvolve 智能体年度应用成果
Google DeepMind 发布 AlphaEvolve 年度成果，展示该 Gemini 驱动编码智能体在基因组学、电网优化、量子计算及 TPU 设计等领域的算法优化应用。
推荐理由：原文展示了该智能体在科研、基建及商业场景中的具体优化成果，为评估其实际效能提供了详实参考。
Hugging Face Blog精选AI 评分7878 IBM 发布 Granite 4.1 系列开源大语言模型
IBM 发布 Granite 4.1 系列（3B、8B、30B）开源大语言模型，采用 Apache 2.0 协议。该系列在约 15T tokens 上预训练并支持 512K 上下文，通过多阶段强化学习显著提升了数学、编码和工具调用能力。其中 8B 模型在多项基准上匹敌或超越前代 32B MoE 模型。
推荐理由：原文详述了数据工程与多阶段强化学习等训练细节，展示了8B密集模型在多项基准上匹敌更大MoE架构的能力。
Google DeepMindAI 评分4545 Google DeepMind 与韩国科学技术信息通信部达成合作
Google DeepMind 宣布与韩国科学技术信息通信部（MSIT）建立合作伙伴关系，将在首尔设立 AI Campus 以支持韩国 AI 战略。双方将利用 Gemini 驱动的 AlphaFold、AlphaGenome 等前沿 AI for Science 模型，加速生命科学、能源及气象领域的科研突破。此外，合作还涵盖人才培养及与韩国 AI 安全研究所（AISI）的安全研究协作。
Google Research精选AI 评分6868 Google Research 发布 ReasoningBank 智能体经验学习框架
Google Research 发布论文介绍 ReasoningBank，一种让智能体从成功与失败经验中学习并自我进化的记忆框架。该框架提炼全局推理模式，结合记忆感知测试时扩展（MaTTS）提升 WebArena 和 SWE-Bench-Verified 上的成功率与效率。
推荐理由：提出从成功与失败经验中提炼结构化推理模式的记忆框架，结合测试时扩展实现智能体自我进化。
Berkeley AI ResearchAI 评分4242 GRASP：基于梯度的世界模型长视界规划方法
Berkeley AI Research 提出 GRASP，一种基于梯度的世界模型规划器，通过轨迹提升、状态迭代随机化及梯度重塑解决长视界规划难题。该方法将轨迹映射至虚拟状态实现时间并行优化，避免高维视觉模型中的脆弱梯度，使长视界规划更具鲁棒性。
Google Research精选AI 评分6060 Google 发布 PaperVizAgent 与 ScholarPeer 两个科研 AI 智能体
Google Research 发布两个实验性 AI 智能体：PaperVizAgent 可从文本自动生成出版级学术图表，在多项指标上超越 GPT-Image-1.5 等基线；ScholarPeer 模拟资深审稿人，通过多智能体协作和实时文献检索生成深度评审意见。
推荐理由：Google 发布两个实验性 AI 智能体，分别用于生成高质量学术图表和模拟资深审稿人，展示了 AI 深度介入科研流程的潜力。
Google DeepMindAI 评分4343 Google DeepMind 发布 AGI 认知评估框架
Google DeepMind 发布“AGI 认知分类”框架，提出感知、推理等 10 项关键认知能力以衡量通用人工智能进展。该框架配套发布 Kaggle 黑客松，邀请社区针对学习、元认知等五项能力构建评估基准。活动提供 20 万美元奖金池，提交截止至 4 月 16 日。
Mistral AI精选AI 评分8888 Mistral 发布 Mistral Small 4 统一模型
Mistral 发布 Mistral Small 4，将 Magistral 推理、Pixtral 多模态和 Devstral 编码能力整合至单一模型。该模型采用 MoE 架构，拥有 119B 总参数和 256k 上下文窗口，支持可配置的推理强度。相比前代，端到端延迟降低 40%，吞吐量提升 3 倍，并开源 Apache 2.0 许可。
推荐理由：模型统一了推理、多模态与编码能力，提供可配置推理强度，兼顾性能与部署效率。
Berkeley AI ResearchAI 评分4242 Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，实现大规模 LLM 交互作用的高效识别
Berkeley AI Research 提出 SPEX 和 ProxySPEX 算法，通过稀疏恢复和层级结构特性，以极少消融次数高效识别 LLM 中的关键交互作用。ProxySPEX 在保持 SPEX 性能的同时，将消融次数减少约 10 倍。该方法在数千特征的上下文窗口中仍能保持高忠实度，显著优于 LIME 等边际方法。
Google DeepMindAI 评分2222 从游戏到生物学：AlphaGo 十年影响力回顾
Google DeepMind 回顾 AlphaGo 十年影响力，其突破开启了现代 AI 时代并推动 AGI 发展。AlphaGo 的搜索与强化学习技术衍生出 AlphaFold 2，成功预测 2 亿种蛋白质结构并获诺贝尔奖。此外，相关技术已应用于 AlphaProof 数学推理、AlphaEvolve 算法发现及 AI 共科学家等前沿科学领域。
Google Research精选AI 评分6565 Google Research：通过模仿贝叶斯模型训练大语言模型
Google Research 发表论文，提出通过监督微调让大语言模型模仿贝叶斯助手，从而学会概率推理。该方法使模型在航班推荐任务中显著优于基线，并能将学到的推理能力泛化至酒店推荐和网购等未见领域。
推荐理由：研究提出通过模仿贝叶斯模型进行监督微调，使大模型学会概率推理并跨领域泛化。
Google DeepMind精选AI 评分8383 Google 发布 Gemini 3.1 Flash-Lite 模型
Google 发布 Gemini 3.1 Flash-Lite 模型，定价为输入 0.25 美元/百万 token、输出 1.50 美元/百万 token。该模型在 Artificial Analysis 基准测试中比 2.5 Flash 快 2.5 倍，输出速度提升 45%，并支持自适应思考层级。
推荐理由：以极低定价和显著提速在保持质量的同时优化了高并发场景的推理成本。
Google DeepMind精选AI 评分8080 Gemini 3.1 Pro 发布，ARC-AGI-2 得分翻倍
Google DeepMind 发布 Gemini 3.1 Pro，在 ARC-AGI-2 基准测试中取得 77.1% 的得分，推理性能是 3 Pro 的两倍以上。该模型已在 Gemini API、Vertex AI、Gemini CLI、Android Studio 及 NotebookLM 等平台开放预览。
推荐理由：ARC-AGI-2得分翻倍体现推理能力跃升，覆盖开发者与企业场景，可据此评估复杂任务处理潜力。
Google DeepMind精选AI 评分8585 Gemini 3 Deep Think 重大升级并开放 API 访问
Google 发布 Gemini 3 Deep Think 重大升级，在 ARC-AGI-2 等基准上刷新纪录，并首次通过 Gemini API 向研究人员和企业开放。
推荐理由：更新后的推理模式在多项学术基准上刷新纪录，并首次通过 API 向开发者开放，可据此评估前沿推理能力的落地路径。
Google DeepMind精选AI 评分8888 Google DeepMind发布Gemini Deep Think科研级应用与数学研究智能体
Google DeepMind发布Gemini Deep Think在数学、物理和计算机科学领域的科研级应用，展示了名为Aletheia的数学研究智能体。该智能体具备自然语言验证和迭代生成能力，能自主解决部分开放数学问题并辅助人类专家。
推荐理由：展示了Gemini Deep Think在数学与科学领域的科研级应用，提供了可复用的智能体工作流与验证方法。
Hugging Face BlogAI 评分4040 DIFF Transformer V2 发布
微软发布 DIFF Transformer V2，通过差分注意力机制在保持键值头数量不变的前提下倍增查询头，实现与标准 Transformer 相当的解码速度。该版本移除了 DIFF V1 中导致数值不稳定的逐头 RMSNorm 层，有效消除注意力汇聚现象。相比同等查询维度的 Transformer，DIFF V2 在输出投影阶段拥有更少的参数和计算量。
Google ResearchAI 评分2525 Google Research 2025：更大胆的突破，更大的影响力
Google Research 2025 年在基础 AI、量子计算及科学发现领域取得多项突破。Gemini 3 成为最准确的大语言模型，在 SimpleQA Verified 等基准测试中表现优异，并引入生成式 UI 功能。Gemma 模型支持 140 多种语言，Willow 芯片通过 Quantum Echoes 算法实现量子优势，加速了科学发现进程。
Google DeepMind精选AI 评分9393 Google 发布 Gemini 3 Flash 模型
Google 发布 Gemini 3 Flash，将 Gemini 3 Pro 级推理能力与 Flash 级低延迟、低成本结合。该模型在 GPQA Diamond 等基准上表现优异，SWE-bench Verified 得分 78%，超越 Gemini 3 Pro 且速度提升 3 倍。已面向开发者开放 API，并在 Gemini App 和 Search AI Mode 中默认启用。
推荐理由：在保持 Flash 级低延迟与低成本的同时，推理与编码能力超越前代旗舰，适合高频开发及智能体工作流。
Google Research精选AI 评分7272 Google 推出 Gemini 论文辅助工具，在 STOC 2026 中验证推理能力
Google 推出基于 Gemini 2.5 Deep Think 的论文辅助工具（PAT），在 STOC 2026 会议中为作者提供提交前的自动化反馈。该工具利用推理扩展方法，成功识别了包括计算错误和逻辑漏洞在内的多种问题，97% 的参与者认为反馈有帮助。
推荐理由：Google 推出基于 Gemini 2.5 Deep Think 的论文辅助工具，在理论计算机科学会议中验证了其在发现逻辑漏洞方面的有效性。