⌘ K
… 读取采集状态 同步中...
雷

全部动态

今日 6 条
7月27日周一
  1. Hugging Face Blog79

    NVIDIA 发布 Cosmos-H-Dreams 实时生成式外科机器人模拟器

    NVIDIA 发布 Cosmos-H-Dreams，一个实时、动作条件化的生成式外科机器人模拟器。该模型基于 Cosmos-H-Surgical-Simulator 蒸馏，通过 FlashDreams 推理引擎在单张 NVIDIA RTX PRO 6000 GPU 上实现约 160 帧/秒的交互体验。

    推荐理由：原文明确了实时生成式外科模拟器的技术路径与开放入口，读者可以据此评估其在机器人训练与评测中的实际作用。

7月26日周日
  1. Berkeley AI Research27

    ABBEL 框架提升 LLM 长时程交互效率

    Berkeley AI Research 提出 ABBEL 框架，通过信念状态替代完整交互历史以优化长时程任务中的上下文管理。在 CollabBench 协作编码环境中，采用重建式信念评分的 ABBEL-rec-BG 将性能差距缩小约 50%，峰值上下文 token 降至 6.01×10²，且仅需 50 步训练。

7月23日周四
  1. Hugging Face Blog80

    Diffusers 原生支持 Nunchaku 4-bit 扩散模型推理

    Diffusers 原生支持加载 Nunchaku Lite 4-bit 量化扩散模型，无需本地编译即可通过 from_pretrained 调用。在 RTX 5090 上，ERNIE-Image-Turbo 的生成耗时降至 1.7 秒，峰值显存占用从 24 GB 降至 12 GB。

    推荐理由：文章给出了 Nunchaku Lite 在 Diffusers 中的原生加载方法、基准测试数据及量化自定义模型的工具流程。

7月22日周三
7月21日周二
  2. Google Gemini API Release Notes67

    Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 正式发布

    Google 发布 Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 稳定版。Gemini 3.6 Flash 提升 token 效率和代码智能体规划能力，价格低于 3.5 Flash；Gemini 3.5 Flash-Lite 为低延迟、高性价比的子智能体选项，适合高吞吐量自动化场景。同时，采样参数 temperature、top_p 和 top_k 已弃用。

    推荐理由：原文提供了两个 Flash 模型正式版的关键能力与价格定位，便于开发者评估在低延迟自动化和代码智能体场景中的替换价值。

7月17日周五
  1. Google DeepMind76

    Google 发布轻量级网络安全模型 Gemini 3.5 Flash Cyber

    Google 发布基于 3.5 Flash 微调的轻量级网络安全模型 Gemini 3.5 Flash Cyber，旨在快速、高效地发现、验证并修复软件漏洞。该模型通过 CodeMender 以受限访问试点项目形式向政府和可信合作伙伴开放，并展示了在 CyberGym 基准和内部真实代码库中优于主线上游模型的独特漏洞发现能力。

    推荐理由：Google基于3.5 Flash微调的安全模型，通过高频调用和低成本优势，在发现关键漏洞和内部实际修复上展现出高效替代大型模型的潜力。

7月16日周四
  1. Hugging Face Blog37

    DharmaOCR 在巴西葡萄牙语 OCR 任务上优于 Mistral OCR4 和 Unlimited-OCR

    DharmaOCR 凭借领域专门化训练，在巴西葡萄牙语 OCR 基准中以 0.925 分超越 Mistral OCR4（0.798分）和 Unlimited-OCR（0.7587分）。该模型通过两阶段训练实现优势：第一阶段利用葡萄牙语数据进行监督微调以对齐词汇与语法结构，第二阶段应用直接偏好优化（DPO）学习比较偏好数据，从而降低推理时间、成本及生成退化率，确保生产环境下的稳定性。

  2. Google DeepMind43

    Google DeepMind 和 Isomorphic Labs 发布联合生物韧性方法

    Google DeepMind 与 Isomorphic Labs 联合提出生物韧性方法，旨在防止 AI 模型滥用并协助快速响应新发疫情。双方推进 15 项合作，利用 Gemini 模型执行四步安全流程，并结合 SynthID 水印技术识别高风险 AI 生成序列。Isomorphic Labs 通过药物设计引擎支持疫苗与医疗对策研发，AlphaEvolve 代理优化病原体监测算法以提升检测效率。

  3. Hugging Face Blog90

    Hugging Face 披露七月 2026 安全事件：AI 驱动的入侵与防御复盘

    Hugging Face 确认其生产基础设施遭自主 AI 智能体系统入侵，攻击者利用数据集处理管道的代码执行路径获取权限并横向移动。官方在分析过程中发现商用 API 的安全护栏阻碍了取证，转而使用本地部署的开源模型 zai-org/GLM-5.2 在数小时内重建攻击时间线并提取指标。

    推荐理由：披露了由自主AI智能体系统驱动的入侵事件及防御分析，展示了使用开源模型规避商用API护栏限制以进行本地取证的方法。

  5. Hugging Face Blog65

    Hugging Face 团队提出智能体系统模型路由的系统优化视角

    Hugging Face 团队指出，智能体系统中的模型路由常被误认为是模型选择问题，但实际上它是一个涉及成本、复杂度和延迟的多维系统优化问题。该团队基于 AppWorld Test Challenge 的实测数据表明，由于缓存命中机制等因素，实际调用成本往往与表面的模型定价逻辑相悖，例如 Claude Sonnet 4.6 在某些场景下的单任务成本远低于 GPT-4.1。

    推荐理由：通过对比真实成本、任务复杂度和延迟数据，揭示了模型路由背后的系统优化维度，为智能体部署提供决策参考。

7月15日周三
  2. Hugging Face Blog82

    Thinking Machines 发布 1T 参数开源多模态模型 Inkling 及其 Inkling-Small 版本

    Thinking Machines 在 Hugging Face 发布 1T 参数的开源多模态模型 Inkling，支持图像、文本、音频输入与 1M 上下文窗口，同时推出 276B 参数量的 Inkling-Small 版本。该模型采用 MoE 架构，提供 transformers、SGLang、vLLM 等引擎的 Day-0 部署支持，并附带针对不同场景的推理和性能基准测试数据。

    推荐理由：该模型支持百万上下文和多模态输入，并适配多种主流推理引擎，为大规模多模态应用部署提供了明确参考。

7月13日周一
7月10日周五
7月9日周四
  1. Mistral AI52

    Mistral Studio 为提示词和技能提供版本化系统

    Mistral 在 Studio 中为提示词和技能提供了统一的版本化管理系统，支持不可变版本、所有权分配、回滚、分类标签和审计日志。域内专家可直接在 Studio 中编辑和测试提示词，无需等待代码 CI/CD 流程，而生产环境发布仍需通过现有审批流水线。Studio 内的技能可通过 MCP 服务器直接接入，确保生产运行的资产与版本化记录一致。

  2. Google Research55

    Google Research 发布 SensorFM：面向可穿戴健康数据的通用基础模型

    Google Research 发布 SensorFM，这是一个学习自十亿分钟级未标注多模态传感器数据的通用生理基础模型。模型在 35 项判别性健康任务上表现优于传统基线，并通过引入 LLM Agent 自动构建预测头，以及作为个人健康智能体的生理基础，展现了跨心血管、代谢、睡眠和心理健康领域的泛化能力。

7月8日周三
  3. Hugging Face Blog45

    Hugging Face 与 Amazon SageMaker AI 实现一键深度链接集成

    Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，支持开发者在模型页面直接跳转至 SageMaker Studio 进行微调或部署。新环境自动预配置 AmazonSageMakerModelCustomizationCoreAccess 权限，无需手动设置 IAM 角色。界面同步显示 G5、G6 等 GPU 实例配额，简化从模型发现到企业级部署的流程。

  4. Google Research39

    Google Research 在《Nature Cities》发布研究，利用导航平台协同分流缓解城市交通拥堵

    Google Research 在《Nature Cities》发表了首项大规模实地研究，证实协调少量行程分流可改善全城交通。实验表明，在 10 个美国城市引导不到 2% 的行程改道后，目标路段行驶速度中位数提升 2%，燃料消耗下降 0.5% 至 1.0%。这一干预措施每年可为每个城市减少数千吨 CO2e 排放。

7月7日周二
  1. Hugging Face Blog52

    Hugging Face 模型入驻 Microsoft Foundry Managed Compute

    Hugging Face 宣布其模型目录将接入 Microsoft Foundry Managed Compute，提供一键部署到 Azure 托管 GPU 平台的能力，每周更新模型库，支持多种运行时与企业级安全治理。用户可通过统一端点部署开放权重模型，并直接与 Foundry Agent Service 集成，实现多模态、推理和 RAG 等企业场景的应用。

  3. Hugging Face Blog64

    LeRobot v0.6.0 发布

    LeRobot v0.6.0 发布，新增支持想象未来世界模型策略与六个统一仿真基准，提供 DAgger 式部署 CLI 以加速数据收集与模型迭代。

    推荐理由：该版本通过引入世界模型策略与统一评测CLI，展示了将仿真失败转化为训练数据的完整闭环。

  4. Hugging Face Blog77

    Hugging Face 存储成为 SkyPilot 后端：通过 hf:// 实现零 egress 的跨云 AI 工作负载

    Hugging Face Storage 成为 SkyPilot 的首类后端，AI 团队可在 20+ 云上运行 dev、训练或 serving 任务，并通过 hf:// 直接读写 Hub 上的模型、数据集或 Bucket，读取零 egress 零 CDN 费用。

    推荐理由：原文给出了 Hugging Face 存储与 SkyPilot 联动的零 egress 机制，读者可以据此判断跨云 AI 工作流的成本与部署方式。

7月6日周一
  1. Hugging Face Blog31

    PRX Part 4: 数据策略

    文章阐述 PRX 7B 模型的数据构建策略，采用混合公开与内部数据集，并用 VLM 重新生成图像长描述。预训练阶段优先覆盖广度与多样性，通过 Mosaic Data Shards 进行分布式流式训练，利用 Lance 处理特征工程。将文本编码器切换为 Qwen3-VL 并动态计算嵌入，避免预存储，仅带来约 3–4% 的训练吞吐量损耗。

  3. Google Search Central23

    Google Search Central Deep Dive 欧洲站确定在巴塞罗那举办

    Google 正式宣布 Search Central Live Deep Dive 欧洲站定于 2026 年 9 月 30 日至 10 月 2 日在巴塞罗那举行，活动采用系统化课程形式深入剖析搜索与 AI 系统的抓取、索引及排名机制。该活动全程免费但席位有限，优先面向常驻欧洲的申请者，报名截止时间为 2026 年 9 月 5 日。

7月3日周五
7月2日周四
  1. Mistral AI69

    Mistral AI 发布开源模型 Leanstral 1.5

    Mistral AI 发布 Apache-2.0 许可的 Leanstral 1.5，这是一个总参数 119B、活跃参数 6B 的模型，专注于 Lean 4 证明工程。

    推荐理由：官方发布 6B 活跃参数模型，在多个形式化验证基准上达到 SOTA 并发现开源仓库未知 bug，展示了低成本正式验证的实用路径。

7月1日周三
  1. Berkeley AI Research18

    伯克利BAIR实验室2026届博士毕业生展示

    伯克利人工智能研究所（BAIR）公布2026届博士毕业生及其去向。毕业生研究领域涵盖机器人、大语言模型、计算机视觉及AI安全等。部分毕业生将加入Physical Intelligence、OpenAI、Mistral AI等机构，或进入学术界任教职及博士后。

  4. Google DeepMind77

    Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash

    Google DeepMind 发布图像模型 Nano Banana 2 Lite 和视频模型 Gemini Omni Flash，两者均已在 Google AI Studio 和 Gemini API 上线。Nano Banana 2 Lite 生成一张 1K 图像耗时 4 秒、成本 $0.034，Gemini Omni Flash 视频生成成本 $0.10/秒，目前最长支持 10 秒视频。

    推荐理由：原文给出了 Nano Banana 2 Lite 和 Gemini Omni Flash 的延迟、成本及组合工作流细节，读者可据此判断多模态生成应用的性能与预算边界。