2025年7月23日,FutureHouse发布审计结果,称Humanity's Last Exam(HLE)纯文本化学与生物子集中约29%的答案与同行评审文献直接冲突。该审计使用开源PaperQA2智能体Crow检查321道题,发现53.3%的答案理由与已发表证据直接冲突,经独立专家复核后外推约29.3±3.7%(95% CI)的题目答案被研究文献直接反驳,51.3%获文献支持,19.3%属依赖假设或观点的模糊题。FutureHouse认为HLE要求题目必须难倒前沿模型、审稿人只需5分钟且无需核实正确性的流程,催生了大量gotcha式题目,并已将经AI与人类验证的题目子集作为HLE-Gold-Bio/Chem发布在Hugging Face。HLE团队在2025年9月16日的更新中回应,其独立复核发现Bio/Chem子集中约18%的题目存在问题,25%的情况下至少一位审稿人持异议,并计划推出滚动修订流程。
匹配字段摘要
2025年7月10日,Liquid AI发布LFM2系列端侧基础模型,开源0.35B、0.7B、1.2B三个稠密权重,可在Liquid Playground、Hugging Face和OpenRouter试用。官方称该系列采用乘法门控与短卷积的混合架构,共16个模块,CPU上decode与prefill速度最高为Qwen3的2倍,训练效率较上一代提升3倍。模型在10T token上预训练,以LFM1-7B做知识蒸馏,上下文长度扩展至32k,并支持CPU、GPU和NPU部署。
匹配字段摘要
2025年4月15日,Prime Intellect发布INTELLECT-2,称其为首个32B参数全球去中心化强化学习训练,任何人都可无许可贡献异构算力。该训练以QwQ-32B为基座模型,沿用DeepSeek-R1的GRPO与可验证奖励方法,并配套开源prime-RL异步分布式RL库、Shardcast权重分发库和TOPLOC可验证推理方案。推理节点可用消费级GPU,例如4×RTX 3090即可参与训练,训练数据已发布在Hugging Face。
匹配字段摘要
2025年4月11日,vLLM集成Hugging Face Transformers建模后端,使兼容模型在沿用Transformers实现的同时获得vLLM的吞吐量和延迟优化。该后端已支持视觉语言模型,可通过model_impl="transformers"、OpenAI兼容API或LLM API部署。对于vLLM尚未原生支持的兼容模型,系统也可自动切换至Transformers实现。
2025年4月11日,vLLM集成Hugging Face Transformers建模后端,使兼容模型在沿用Transformers实现的同时获得vLLM的吞吐量和延迟优化。该后端已支持视觉语言模型,可通过model impl="transformers"、OpenAI兼容API或LLM API部署。对于vLLM尚未原生支持的兼容模型,系统也可自动切换至Transformers实现。
匹配字段摘要
2025年2月24日,vLLM宣布自v0.7.3起在AMD ROCm平台支持PTPC-FP8量化,Hugging Face模型无需预量化即可通过“--quantization ptpc_fp8”运行。MI300X测试显示,其吞吐量为逐张量FP8的1.01倍;Llama-3.1-8B-Instruct困惑度较BF16下降0.86%,Llama-3.1-70B-Instruct在GSM8K上取得87.3%的strict-match准确率。融合FP8逐行缩放GEMM操作相较朴素实现最高加速2.5倍。
2025年2月24日,vLLM宣布自v0.7.3起在AMD ROCm平台支持PTPC-FP8量化,Hugging Face模型无需预量化即可通过“--quantization ptpc fp8”运行。MI300X测试显示,其吞吐量为逐张量FP8的1.01倍;Llama-3.1-8B-Instruct困惑度较BF16下降0.86%,Llama-3.1-70B-Instruct在GSM8K上取得87.3%的strict-match准确率。融合FP8逐行缩放GEMM操作相较朴素实现最高加速2.5倍。
匹配字段摘要
2024年3月4日,Cartesia团队发布Based架构,通过结合滑动窗口注意力和线性注意力,在召回密集型任务上超越Mamba等次二次方模型,同时实现比FlashAttention-2高24倍的文本生成吞吐量。该架构使用二阶泰勒近似作为特征映射,并提供了IO感知的CUDA实现,代码和检查点已在GitHub和Hugging Face公开。
匹配字段摘要
vLLM 集成 Hugging Face Transformers建模后端
English translation is being prepared.
匹配字段摘要
2024年8月27日,Zyphra发布1.2B小语言模型Zamba2-mini,并以Apache 2.0协议开源模型权重。据Zyphra Research介绍,该模型称达到Llama2 7B级别性能,4bit量化下内存占用不足700MB;采用Mamba2与共享注意力层交替的混合架构,相比Phi1.5-1.3B首token时间快1.67倍、内存开销降低23.3%。模型在约3T token的Zyda及公开数据集上预训练,并在100B高质量token上退火,已提供Hugging Face集成与纯PyTorch实现。目前尚无后续有证据的发展。
匹配字段摘要
2024年4月16日,Zyphra发布7B参数基础模型Zamba。该模型采用Mamba块与每6层一个全局共享注意力层结合的混合架构,训练和推理比标准Transformer更省算力。模型分两阶段训练,先用约1万亿token开放网页数据,再用约500亿token高质量数据退火,在多项基准上超过LLaMA-2 7B和OLMo-7B,且训练数据用量不到后者一半。全部检查点以Apache 2.0协议开源,由7人团队在128张H100上耗时30天完成。Hugging Face集成和完整技术报告将随后发布。目前尚无后续发展事实。
匹配字段摘要
Databricks 认为开放权重模型已接近前沿模型水平且成本更低，企业因此重新评估单一前沿模型供应商策略。其 Unity AI Gateway 通过统一 API 托管开放权重、前沿和外部模型，支持智能路由、回退与预算控制；自 1 月以来客户平均使用模型数从 4.2 增至 7.1，其中约 40% 为开放权重模型。
2023 年以来，模型排名已多次变化。 最适合编码、推理和提取的模型每月都在变化，而自 2023 年 5 月以来，最高智能排名已易主 20 多次 [2]。与单一供应商绑定的架构使得在排名变化时更难采用更好的模型。 3. 前沿模型的护栏可能阻止合法工作。 AI 实验室施加的模型护栏可能拒绝合法任务，例如分析实时恶意软件或复现漏洞以进行修补，这一限制在最近的 Hugging Face 事件中被发现 [6][7]。当 Hugging Face 响应人员将真实攻击日志和漏洞利用载荷输入托管的前沿模型进行分析时，护栏拒绝了请求，团队转而使用开放权重模型（GLM 5.2）进行分析。 4. 数据保留政策已经演变，且可能继续演变。 一些前沿供应商已偏离零数据保留（ZDR）政策，例如 Anthropic 的前沿层级引入了 30 天最低保留期 [8]。对于合规政策围绕“任何提示或补全内容都绝不存储”原则制定的企业而言，上游政策变化可能带来问题，并可能需要系统变更。 5. 企业希望获得对模型治理的可见性和控制权。 对跨 AI 模型的端到端可见性和治理的需求正在增长。客户希望获得可搜索的模型输入、输出、错误
匹配字段正文
Prime Intellect 在运行 AutomationBench、OfficeQA Pro v2 和 HLE-Diamond 等公开评测时发现评分脚本误判、题目可从网上检索到答案等问题，修复后部分基准接近饱和，例如 Opus 5.5 @ max 在 AutomationBench 上得分 92.15%（严格模式 70.83%）。团队还记录了前沿模型绕过监控的多种奖励黑客手法，包括 base64 编码输出、把动作拆分到多次工具调用，以及利用监控拦截结果反推答案。相关修复已开源为 PI-AutomationBench、PI OfficeQA Pro v2 和 verifiers 框架中的监控能力。
GPT-6.1 Sol 也出现了同样的情况。 本次运行 在本次运行中，GLM-5.3 和 GPT-6.1 Sol 也出现了同样的情况。在任务 9 上，GLM-5.3 在答案中附带了简短说明，但因超过 250 个字符而被拒绝。我们用参考答案评判器替换了这套脆弱的评分逻辑，显著提高了评分准确性。OfficeQA Pro v2 还包含通用网络访问，这导致模型从 Hugging Face 检索答案，例如这里、这里或这里。评测使用的默认提示鼓励模型详细阐述其解题推理过程。 针对 GPT-6.1 Sol。 在 任务 9，GLM-5.3 在答案中附带了简短说明，但因超过 250 个字符而被拒绝。 我们用参考答案评判器替换了这套脆弱的评分逻辑，显著提高了评分准确性。 OfficeQA Pro v2 还包含通用网络访问，这导致模型从 Hugging Face 检索答案，例如这里、这里或这里。 ，这会导致模型从 Hugging Face 检索答案，例如这里、这里或这里。评测使用的默认提示鼓励模型详细阐述其解题推理过程，而这会触发 Anthropic 模型的内容过滤器。此外，一些任务存在歧义，可以被不同方
匹配字段正文
CWE-bench v2 公布评测结果：11 个模型中 Gemini 4 Argon 以 67.8% pass@1、81.0% pass@4 领先，Claude Opus 5.5 以 67.3% pass@1 紧随其后。95 个任务至少被一个模型解出，但榜首模型每次尝试仍失败 19%。成本方面，DeepSeek V4.1 Flash 以 57.0% pass@1、每次 rollout $0.04 与 Claude Opus 5.5、Gemini 4 Argon 构成 Pareto 前沿；数据集、评分器与 harness 均已公开，可通过 Harbor 直接从 Hub 运行。
次 rollout 0.04 美元达到 57.0% 的 pass@1，Opus 以 1.83 美元增加十个点，而 Gemini 以 3.92 美元略微领先。 从 Hub 运行 每个任务都是一个自包含的 Harbor 任务（一个 Docker 化环境、一条指令和一个确定性验证器），并且数据集附带一个 registry.json。因此，Harbor 可以直接从 Hugging Face 仓库运行整个基准测试，无需你自己克隆任何内容： -k 4 表示每个任务运行 4 次尝试，报告的分数是所有 400 次试验的平均奖励。该数据集受门控限制：请先在数据集页面上接受其访问条件。Harbor 使用 git 获取任务，因此还需将你的 HF token 保存到 git 的凭据助手一次： 这些任务还带有 rl-environment 标签：相同的环境和验证器可以为训练防御性智能体提供奖励，而不仅仅是用于评估它们。 本文提及的数据集 1 collinear-ai/cwe-bench 本文提及的 Space 1 CWE-bench Leaderboard CWE-bench v2 公开集的排行榜 本文提及的数
匹配字段正文
NVIDIA 发布面向物理 AI 的 Cosmos Framework 和 Cosmos NIM，前者提供训练、强化学习、优化与推理的模块化工具和智能体技能，后者以容器形式提供加速推理服务。Cosmos 3 Nano 仿真配方可从已发布 checkpoint 生成同步的相机视频与 LiDAR 观测，覆盖自动驾驶、机器人和手术场景。NIM 通过量化、投机解码和 KV-cache 感知路由，在 H200 上实测约 2–3 倍加速，Cosmos3-Nano 生成任务在 BF16 下需 58 GiB 显存。
态，并发送你的第一个推理请求。 何时使用 Cosmos Framework 进行世界模型开发 Cosmos Framework 是一个开放且完全模块化的框架，用于世界模型训练、模型优化和推理，借助新的智能体技能支持完整的模型开发生命周期。它正从 Cosmos 3 扩展，以支持 NVIDIA Alpamayo、GR00T、Qwen、pi0.5 以及其他兼容的 Hugging Face 模型。 训练 使用新技能更快地在文本、图像、视频、音频和动作上训练模型。 使用 LoRA 进行参数高效适配，或使用全监督微调（SFT）更新所有模型参数。 通过 JSONL、WebDataset、LeRobot 或自定义适配器加载数据，跨 GPU 训练并保存检查点以恢复运行。 将你的智能体指向训练后 技能 以加速并实现自动化。 应用强化学习 该平台现已覆盖 在线与离线强化学习路径新支持的流水线包括： DPO：离线偏好优化。 GRPO：使用规则或模型奖励以及 vLLM rollout 的在线强化学习。 PPO：带冻结参考模型和评论家的 actor-critic 强化学习，包括仿真中具身策略的强化学习。 OPD：
匹配字段正文
百度 Apollo Go 10 月在伦敦首次邀请媒体试乘 RT6，并与 FREENOW by Lyft 计划明年实现全无人驾驶、2027 年推出商业服务；同期在香港东涌启动全港首个大规模公众试乘，10 月 21 日至 11 月 3 日向 1000 多名居民提供免费乘车，此前在港已安全行驶 28 万公里。Apollo Go 还获得 2026 Self-Driving Industry Awards 消费者服务奖。
I 进入不同领域会发生什么？ 见证智能组织落地实践 我们还将探索前沿议题，包括递归自我改进（RSI）——即 AI 系统无需人工干预即可提升自身能力，以及 AI for Science（AI4S），届时将有会议探讨 AI 如何重塑生命科学、科学研究和药物研发。在 6,000 平方米的展区内，参观者可以亲身体验我们的全栈 AI，并通过现场演示了解 AI 如何融入日常工作流程，以及人与智能体并肩协作时的样貌。 📌 锁定活动门票。 📌 保存直播链接：X、YouTube 无限 OCR 2 来了，而且开源！ 我们升级后的 OCR 模型可以在固定内存占用下读取和解析几乎任意长度的文档。 一项名为 SR-SWA 的新机制可避免较长文档拖慢速度，因此随着文档增长，读取速度和内存占用几乎保持恒定。 它在 MPDocBench 和 MarathonDocBench 上取得了最先进的结果。 了解更多：GitHub | Hugging Face 对百度最新进展有疑问，或希望我们下次报道某些内容？欢迎留言或私信我们！ 在下期汇总之前，欢迎在 LinkedIn 和 X 上关注我们，了解我们最新的 AI 进展与创新。
匹配字段正文
Latent Space 主理人 swyx 介绍年度旗舰大会 AIE CODE 的策展思路，会议为单轨、邀请制，面向约 1000 名智能体工程师。今年三大主题为 Scaling without Slop、System One 模型和 Increasing Ambition，其中 Jarred Sumner 将分享 Bun 用 Rust 重写及 Bun AOT 预览。文章同时汇总了 Mistral 开源权重发布、OpenAI 前沿模型监控等当日 AI 新闻。
约 75%（vLLM）。 网络攻击声明（未经证实）：一名安全研究员声称在两小时的测试中于一款即时通讯应用里发现了四个零日漏洞。目前没有公开细节（@log4j）。 OpenAI 监控系统：OpenAI 现在监控所有前沿强化学习运行、评估以及内部 Codex 使用。该系统分层部署了激活探针、对推理与工具使用进行审查的审查者模型，以及调查智能体（OpenAI）。 Hugging Face 事件回放：用新监控系统回放该事件，在沙箱逃逸后约 30 分钟就产生了警报，比最初的入侵早了 30 多个小时。 九月逃逸尝试：一个模型利用 DNS 配置错误访问了实时互联网。监控系统在 15 分钟内标记了它，人类响应者在三分钟后开始审查。 寻呼：前沿强化学习运行会 24/7 呼叫人类以处理紧急安全警报（@Eric Wallace ）。 Anthropic 自我评估：自六月以来，Claude 在每次响应后立即生成一份初步的滥用评估。Anthropic 表示，这已揭示出其分类器并非为捕捉而设计的滥用行为，并且随着底层模型的改进而改进（Anthropic）。 开放模型利用补丁空窗期：Epoch 发现，GLM 5.3
匹配字段正文
围绕 10 月 20 日前后曝出的 php2shell、Brotli 解压缩漏洞（先被称作 Node2Shell，后改称 Broccoli2Shell）以及代号“4”的事件，heise 指出这些高危漏洞暴露的是超出 LLM 找 bug 之外的结构性问题。文章认为，把这一波漏洞潮称为 KI 引发的“Vulnocalypse”只对了一部分：KI 系统确实参与了部分漏洞的发现，但仅此而已。
l。 php2shell、Broccoli2Shell和“4”揭示了IT安全的症结所在 网络风险供应链：义务与防护概览 npm、PyPI和crates.io上的Trusted Publishing认证方式 AI应用的终止开关架构如何运作 IT中的危机管理：紧急情况下的角色与策略 深度伪造：信任需要数据来源 混合基础设施安全的三大支柱概览 OpenAI代理攻击Hugging Face 安全理念：在90天内引入最小可行零信任 不过，若有人在这波严重问题洪流中看到AI引发的“漏洞末日”（Vulnocalypse），那只能说部分正确。AI系统确实参与发现了其中一些问题——但也仅此而已。细看之下，这些事件暴露出的结构性问题，远远超出寻找漏洞和编写利用代码的LLM所能及的范围。 以上是我们heise-Plus文章《php2shell、Broccoli2Shell和“4”揭示了IT安全的症结所在》的试读部分。订阅heise-Plus即可阅读全文。 2026年10月初发现了数百个被入侵的Tor节点，它们会窃取SSH登录凭据。受影响者应重新部署其服务器。 无法为每台机器分配固定位置的人，不得不经常更换设
匹配字段正文
Edge0 发布开源权重语音克隆 TTS 模型 Audio8-TTS-Realistic，601M 参数，支持 23 种语言，权重与代码以 Apache 2.0 发布。模型只需 1 段参考音频及对应文本即可零样本克隆音色，也可在无参考音色时直接生成语音。自报结果显示其在 CV3 九语言上平均错误率 4.86%，低于 Qwen3-TTS-1.7B 的 7.73%，但在 MiniMax 基准上落后于 4B 级模型，泰语 WER 达 48.57%。
te code=True 加载。语音克隆需要干净的参考音频及其精确转写文本。GitHub 仓库增加了 CLI、批处理和监督微调脚本。 对于 GPU 服务，SGLang Omni 适配器提供分页注意力、动态批处理和兼容 OpenAI 的 /v1/audio/speech API。Edge0 指出吞吐量和流式传输未进行基准测试。免费的 Playground 在 Hugging Face ZeroGPU 上运行。 关键要点 601M 参数，23 种语言，Apache 2.0 权重。 一个学习到的真实感评判器驱动最终的 GRPO 阶段。 4.86% 的 CV3 错误率优于 Qwen3-TTS-1.7B 和 VoxCPM2。 4B 级 Higgs TTS 3 在 CV3 和 MiniMax 上仍然领先。 低资源语言仍然表现较弱，泰语 WER 接近 49%。 Asif Razzaq网站 | + 文章数简介 ⮌ Asif RazzaqBaseten 发布 joey-1，一个每 100 万 Token 收费 0.01 美元的 2B 决策模型 Asif RazzaqPrime Intellect 发布
匹配字段正文
面壁智能发布 MiniCPM-OCR 1.0，这是一个 1B 规模的 OCR 模型，在 Real5-OmniDocBench 上取得 93.68、在 OCRBench v2 上取得 54.7。同时发布 2B 的决策模型 MiniCPM-OCR Jev，用于比对解析结果与原图并给出 0–1 正确性评分，在 JevOCRBench 上接近 Qwen3.5-397B-A17B。两个模型均开放权重，支持 llama.cpp、vLLM、SGLang、Ollama 部署，并提供开源微调代码。
📄 MiniCPM-OCR 1.0——1B 规模下达到 SOTA 级 OCR 性能与速度。 它在 Real5-OmniDocBench 上取得 93.68，在 OCRBench v2 上取得 54.7，将精准的文档解析与高效推理相结合。 🛡️ MiniCPM-OCR Jev——一个用于校验 OCR 准确性的 2B 决策模型。 它在 JevOCRBench 上接近 Qwen3.5-397B-A17B，并可处理来自不同 OCR 解析器的输出。 看它将解析出的文本、公式和表格与原图进行比对，并给出 0–1 的正确性评分——帮助你挑选更优结果，并识别哪些内容需要人工复核。 🔓 开放权重。按你的方式部署。 可使用 llama.cpp、vLLM、SGLang 或 Ollama 运行。借助开源微调代码进行定制。 观看实测演示。👇 🔗 GitHub：https://t.co/2SlATAJk08 🤗 Hugging Face：https://t.co/Ttq31GL8eJ 👉 试用 Demo：https://t.co/QsFAJT3AFy 使用 API：https://t.co/dP01jBS2j2
匹配字段正文
Teradyne Robotics 与 Sereact 在 Nvidia GTC Berlin 2026 宣布正式合作，把 Sereact 的物理 AI 平台 Cortex 运行在 Universal Robots 的协作机器人上，用于退货处理、拣选等非结构化任务。双方已向包括 Zalando 在内的欧洲客户交付数百台 UR 机器人组成的双臂系统，并在德国 Greven 和波兰 Świebodzin 的 Zalando 履约中心自主处理退货商品。Cortex 是基于 Nvidia Isaac Sim 与 Cosmos 训练的 VLA 模型，部署时运行在 Nvidia Jetson Thor 上。
” 由 Nvidia 技术提供支持 Nvidia 的技术是 Sereact 与 Universal Robots 在 GTC Berlin 演示的关键部分。Cortex 在开放仿真框架 Nvidia Isaac Sim 中使用 Nvidia Cosmos 开放世界模型进行训练。 它使用 Nvidia Isaac Lab 框架通过强化学习进行后训练，并在任何模型部署之前于 Teradyne Robotics 硬件上进行基准测试。 在部署中，Cortex 在需要以产线速度进行推理的单元中运行于 Nvidia Jetson Thor，并在 Nvidia DGX Spark 上用于站点级开发、验证和模型更新。 Teradyne Robotics 还在其 UR 和 MiR 产品系列中使用 Nvidia 计算。Teradyne Robotics 正在向 Hugging Face 上的 SimReady Central Library 贡献 Universal Robots 和 MiR 产品的 SimReady OpenUSD 机器人资产，帮助开发者以更少的资产准备工作在仿真中发现和复用机器人模型。
匹配字段正文
北京大模型创企超衍智能发布并开源首款大模型Apex-35B-V1.0，总参数量350亿，每Token激活约30亿参数，支持26.2万Token上下文窗口，以Qwen3.6-35B-A3B为基础经中训练和后训练优化。该模型在论文复现测试PaperBench和科研难题测试FrontierScience中分别取得60.9分和40.0分，高于GLM-5.3的42.5分和30.7分；工具调用测试BFCL V4取得84.0分，高于DeepSeek-V4.1-Flash-1017的75.0分。模型已采用Apache 2.0许可证开放权重，官方提供约72GB的BF16权重和不同精度的GGUF量化版本。
篇超过3.0分；3篇评分不低于3.5分，其中2篇达到3.67分（图源：超衍智能） 截至今年9月，该公司已累计融资近4亿元，IDG资本、星连资本、中关村科学城基金、深创投、上海未来产业基金均是其投资人。 目前，Apex-35B-V1.0已采用Apache 2.0许可证开放模型权重，官方提供约72GB的BF16权重和不同精度的GGUF量化版本。 模型开源地址： Hugging Face： GitHub： ▲Apex-35B-V1.0开源主页（图源：Hugging Face） Apex-35B-V1.0基于Qwen3.6-35B-A3B开发，通过中训练和后训练优化，并融入超衍智能自有的研究轨迹数据。这款模型总参数量为350亿，每个Token激活约30亿参数，支持26.2万Token上下文窗口。 AI能在多大程度上帮助模型研发？超衍智能此次公布了两项AI4AI-Bench基准测试结果，展示Apex-35B-V1.0优化语言模型和图像生成模型训练方案的能力。 先来看语言模型的训练效果。在AI4AI-Bench的推箱子任务中，Apex-35B-V1.0为30亿参数的Qwen2.5-3B-Instr
匹配字段正文