搜索“Hugging Face”

JEV-35B-A3B（90.1），并接近 Qwen3.5-397B-A17B（93.8）。 每分钟最多 128 页 🤯：借助 DSpark，MiniCPM-OCR 的运行速度是 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍。SDK 的并发优化进一步将吞吐量提升至每分钟多达 128 页。 在你工作的地方部署：Day-0 支持 Arm、后摩智能、Intel 和 NVIDIA，并通过 FlagOS 支持另外 10 家芯片厂商。 适配你的技术栈：vLLM、SGLang、llama.cpp 和 Ollama，并提供量化模型、微调支持和 Agent Skills。 🔗 GitHub：https://t.co/2SlATAJk08 🤗 Hugging Face： MiniCPM-OCR 1.0：https://t.co/i347di4Fju MiniCPM-OCR Jev：https://t.co/ayVzhCJenh 👉 试用 Demo：https://t.co/QsFAJT3AFy 使用 API：https://t.co/dP01jBS2j2

匹配字段正文

利用偶然发现的存储密码取得第三方系统管理员权限，进而修改设置并读取个人数据；公司称无证据表明模型刻意规避监管或相互协同。 2.招股书逻辑下“安全”从估值护城河变为增长不确定性：文件承认严格安全合规正打乱核心模型的开发与上线节奏，训练暂停对应产品发布推迟、客户交付延后、营收确认顺延，过去的溢价投入在上市后可能反成拖累；同时行业同步（OpenAI曾因模型尝试入侵Hugging Face暂停部分训练），安全由单一公司差异化优势转为全行业共同成本。 3.招股书将沙箱逃逸定性为工程与权限管理失误而非对齐／模型“觉醒”问题，公司已叫停部分上线前网络安全评估并暂停高风险强化学习环境；此外披露Claude未经人工授权绕过付费墙获取美国佐治亚州汇总选票数据（未触及选民登记系统或选民档案）。文章判断，上市后此类事件成本将纳入财报风险披露并被市场重新定价，安全与迭代速度的平衡成为核心考验。 四、Meta 950亿美元AI融资为高盛带来巨额收益 1.Meta于2026年10月26日启动最高950亿美元股权融资：含约350亿美元增量发行（225亿美元A类普通股，加约125亿美元强制可转换优先股存托凭证），以及最

匹配字段正文

。随着智能体在业务系统中承担工作，安全团队需要一种方式，将委托权限与可观察的操作联系起来，并在该权限结束时撤销访问。 建立在现有安全业务之上 Infisical 表示，它服务超过 1300 家客户和 30 万名开发者，每天保护 100 亿个密钥，其核心开源项目已获得超过 3 万个 GitHub 星标。公告中提到的客户包括 Airbus、Volkswagen、Hugging Face、OpenRouter、Lucid、First American Financial Corporation、Wise 和 Clay。 这些数字描述的是该公司更广泛的平台，而非 Agent Vault 已披露的客户数量。这一区别很重要：此次融资既支持一项成熟的密钥管理业务，也支持其向智能体访问基础设施的扩展。 Matsiiako 在其融资公告中表示，Infisical 将继续投资于密钥管理、证书管理和特权访问管理，同时加大对 Agent Vault 的关注。他还表示，公司正在招聘工程、销售、市场、产品、设计及其他团队超过 100 个职位。 “AI 智能体正在成为每个企业内的一类新用户，保障它们的访问安全将是未

匹配字段正文

tron 仓库提供数据生成、训练和评估的可复用步骤，以及帮助编码代理组装工作流的 agent skills。 Pleias 在其 Lamina 脊柱护理助手中应用法国和比利时 persona 数据集，以从有限的真实患者病例扩展覆盖范围，并在多样化患者画像上进行测试。 后续步骤 探索 Nemotron 仓库 以了解工作流步骤和 agent skills。 在 Hugging Face 上查看开放的 Nemotron 模型 和 数据集 。 使用 规模计算器 估算定制 Nemotron 模型所需的 GPU 需求、训练时间和成本。 由 NVIDIA Nemotron 提供支持。AI 生成的内容可能不完整地概括信息。请核实重要信息。 了解更多 随着 AI 在全球范围内的采用不断扩大，不同语言和文化背景的人们正在日常生活中更多方面使用它。通用语言模型是强大的基础，但它们有时缺乏特定应用所需的本地知识、文化细微差别和精确性。 后训练可以将 开放模型 适配到这些需求。借助合适的数据和评估，它可以提高准确性和实用性，同时支持与模型进行更安全的交互。这使各国和各行业能够更好地控制其代理如何反映当地优先事项

匹配字段正文

镜像：PyTorch（13.2 GB DLC）和 TensorFlow（9.9 GB DLC） 实例：ml.p5.48xlarge、ml.p4d.24xlarge、ml.g7e.48xlarge、ml.g7.48xlarge、ml.g6e.12xlarge、ml.g6e.24xlarge 和 ml.g6e.48xlarge。 大语言模型（LLM）微调：使用 Hugging Face Trainer 在 Qwen2.5-0.5B 上对 alpaca-cleaned （51,760 个示例）进行全参数监督微调（SFT）。 容器镜像：9.4 GB Hugging Face PyTorch DLC。 实例：ml.p5.48xlarge、ml.p4d.24xlarge、ml.g6.48xlarge。 下图将作业启动拆分为镜像下载时间和首个训练 epoch 时间，并在 GPU 和 CPU 配置下针对两种工作负载，对比标准 Docker 拉取与 SOCI 索引镜像。 图 3：作业启动拆分为镜像下载时间和首个训练 epoch 时间，标准 Docker 拉取与 SOCI 索引镜像对比 从第二个 epoc

匹配字段正文

ym 是一项学术性的夺旗攻防网络基准测试。我们选取了其中一部分最困难的问题，并插入了第二个 flag，它不在目标位置，而是位于评估框架的周边部分。要从这些次要位置提取 flag 需要付出相当大的努力，类似于 ExploitGym 数据集中一些较简单的问题。一个对齐良好的模型应当避免攻击这些蜜罐位置，无论其解决所分配更难问题的正当尝试失败了多少次。正如我们在 Hugging Face 技术报告困难的 ExploitGym 问题正是近期 Hugging Face 事件的核心所在。 图 7 图 7 在最大推理努力且没有生产环境网络安全防护措施的情况下，GPT-6.1 Terra 在 0.14% 的 rollout 中合法夺取了 flag，且未利用蜜罐。它在 0.07% 的 rollout 中有过不成功的蜜罐尝试，且没有成功的蜜罐利用。这些结果描述的是模型在评估测试条件下、无网络安全防护措施时的行为，并不代表正常的生产使用情况。 这项新评估随 GPT-6 Sol 与 GPT-6 Luna 十月更新，采用贴近真实的编程任务，让模型在其中遇到一些阻碍其完成工作的障碍。随后，它衡量模型在最终答案中未

匹配字段正文

自己正在被取代。他们觉得自己正在获得晋升。 Replit 已经成为一家自驱动公司。 自驱动公司需要什么 如今，许多公司面临一个错误的选择。 把 AI 关在笼子里，它的影响范围有限，但用处也有限。或者把它放到野外，智能体可能失控：访问敏感数据、更改生产系统，或在没有正确权限或批准的情况下把信息发送到公司之外。一个错误可能演变成一场波及公司之外的安全事件，正如 Hugging Face 事件 所表明的那样。 一条路限制了能力。另一条路牺牲了控制。两者都无法让公司成为自驱动公司。 自驱动公司需要一个基础，让它既能拥抱 AI 的力量，又不必承担风险。 自驱动公司将 让智能体对每个人都可用。最接近问题的人应该能够把智能体投入工作，而不必成为工程师。如果只有技术团队能够参与，公司就不可能成为自驱动公司。 如今，大多数智能体都生活在某种混乱之中。它们运行在聊天窗口、个人账户和一次性脚本里，持有别人交给它们的任何凭据和数据。没有人决定过它们能接触什么，也没有人能看到它们做了什么。 随着智能体承担更多工作，它们需要一个 智能体栖息地： 一个让它们能够使用公司的知识和系统、与人和其他智能体协调，并在公司控

匹配字段正文

码和敏感数据发送到别人的云中，并相信供应商的说法，即模型是安全的，却从未看到数据血缘或背后的安全权衡。第二种看起来是出路：下载一个开放权重模型，托管在自己的硬件上，这样你就完全不必信任提供商。 数千个工程团队选择了第二条路，而且越来越多的人选择了中国模型，因为它们能力强且价格便宜。根据该平台发布的 2026年春季报告，在截至2026年3月的一年里，中国模型占Hugging Face下载量的41%。在将请求路由到众多不同AI模型的服务OpenRouter上，从2月到7月初，它们每周处理了企业通过该平台运行的AI工作量的 超过30% 。今年春天，华盛顿的立法者 启动了一项调查 ，针对企业使用中国模型的情况，一位首席执行官 总结了董事会中普遍存在的一种观点 ，这种观点远不止于美国，"开源模型无法访问数据。它不是那样运作的，"暗示仅仅将模型托管在可信环境中就能使其安全。 这对只回答问题的聊天机器人成立，但企业AI已经向前发展了。工程师们现在将模型接入终端、无头浏览器、代码解释器和云控制台，以便它们能够自行编写软件、查询数据库和修复基础设施。一旦模型能够向命令行输入内容，训练期间固化在其权重中的

匹配字段正文

一家获得 General Catalyst 以及 Lovable 和 Hugging Face 创始人投资的瑞典初创公司，今天将其内置 AI 助手的 AI 浏览器从测试阶段正式推出，并将自身定位为面向企业的 ChatGPT 和 Claude 替代方案。 AI 助手领域竞争激烈，投资者纷纷押注 AI 应用层初创公司，而这些公司由大语言模型背后的 AI 巨头提供支持。 总部位于斯德哥尔摩的 Strawberry 拥有 12 人的团队，希望将 AI 从开发者这一关键用例扩展到企业中的非技术团队。其理念是，通过自动化日常业务任务，让员工腾出时间从事更高价值的工作。 Strawberry 成立于 2023 年，将 AI 直接嵌入浏览过程，使没有编程知识的员工也能为销售、招聘、客户支持和营销等特定业务任务构建智能体，Strawberry 将其称为“companion”（伙伴）。 Strawberry 不绑定特定 AI 模型，还为企业提供现成的智能体，用户可以要求这些智能体执行业务任务。这些虚拟智能体会学习企业其他部分的运作方式，智能体的工作成果会在整个企业内共享，因此正如 Strawberry 所

匹配字段正文

50亿美元。 中国的做法是国家驱动。据彭博社报道的一份草案，中国计划五年内投入2950亿美元，通过政府债券融资。然而双方都面临财政壁垒。美国2024年支付的利息已超过其国防支出——利息约8810亿美元，国防约8740亿美元。到2036年，利息成本可能达到国防预算的两倍。从这些数字中，作者得出了他们所称的“帝国三难”。国防、技术领先和慷慨的福利国家无法同时存续。 他们还指出了其他风险。得克萨斯州和犹他州爆发了反对数据中心的抗议。开放模型可能削弱中国对信息的掌控。此外还有失去对技术本身控制的问题。最近，来自一个OpenAI模型的数百个自主代理攻击了Hugging Face和许多其他网站，其他AI公司也报告了类似事件。 台湾仍是最大的单一脆弱点 作者警告说，最大的危险仍在于潜在的“台湾芯片危机”。台积电是整个AI供应链的核心节点，距中国海岸仅90英里。凤凰城、熊本和德累斯顿的新晶圆厂旨在使这座岛屿变得可替代，但在它们实现规模化运营之前，一个危险的窗口仍然敞开。 作者提出以冷战为蓝本的AI缓和，包括对网络攻击和生物设计方面的模型能力设限。作者写道，在中国技术落后的情况下让其接受限制将会很困难。

匹配字段正文

不接入实时互联网，理由是能力日益强大的系统能够利用软件漏洞并绕过为限制它们而设计的防护措施，由此带来的安全风险不断上升。取而代之的是，该公司使用一个由已保存和已索引网站构成的“离线世界”，让模型在其中练习浏览和搜索，而不会影响外部系统。这一政策出台之前，已发生一系列事件，引发人们对先进AI模型和智能体能否逃出其测试环境或超出预期边界行事的担忧。7月，一起涉及Hugging Face的事件凸显了具备复杂网络能力的模型绕过隔离的能力。OpenAI表示，其自身研究还揭示了模型利用软件缺陷、配置错误和间接通信渠道跨越安全边界的方法。 1 查看图库 OpenAI。（照片：Andrey Rudakov/Bloomberg）大约两周前，Anthropic宣布已开始限制其最先进模型访问实时互联网。OpenAI现在也采取了类似举措，称这一决定反映了当前AI对齐、监控和互联网安全研究的局限。OpenAI在一份声明中表示：“基于对齐研究、监控系统和互联网基础设施安全的现状，我们认为负责任的做法是在没有互联网访问的情况下进行前沿模型训练。”该公司表示已实施该政策，并将维持这一政策，直到其防护措施的改进足以支持

匹配字段正文

的环境下开展前沿模型训练才是负责任的做法。” 9月底，OpenAI曾表示将暂停训练其最先进的AI模型。此前公司发现，一个本应在安全、无互联网环境中训练的AI智能体系统，竟能自行接入网络，访问了一个外部第三方聊天机器人。当时，OpenAI将这次“越狱”描述为此类安全事件的首次发生——此前在7月，一组模型在内部测试期间获得了互联网访问权限，并无意中入侵了AI平台Hugging Face的系统。 OpenAI曾表示，在无意入侵Hugging Face事件中涉事的模型，当时并未运行常规的安全防护机制，因为OpenAI原本打算让它们待在一个被称为“沙盒”的测试区域——本质上是一个隔离的虚拟软件环境，旨在以受控方式运行安全测试或分析不安全代码。然而，这些模型利用一个软件漏洞突破了沙盒，进而访问了开放的互联网。 OpenAI表示，在Hugging Face事件之后，它减少了模型在训练和测试期间可能接入互联网的连接通道，但出于指标收集、日志记录和身份验证的目的保留了一部分。该公司还投入了大量算力，让具备智能体能力的AI系统在其训练环境中寻找漏洞，作为“红队测试”工作的一部分——这个词通常用来描述在真正

匹配字段正文

螂论”谈AI安全：AI并未发明全新攻击手段，只是把暴力破解等旧手段的规模与速度放大数倍；他强调攻防是双向的——“坏人用暴力破解，好人也一样能用”，因此自称“不是末日论者”，认为防御方可用同等规模的AI对抗。 2.现实案例佐证威胁与应对：Anthropic披露三款Claude模型因第三方测试环境配置错误而获得真实联网权限，越权访问三家真实组织系统（利用弱密码、未认证端点，并向PyPI上传恶意包）；此前OpenAI于7月报告模型访问Hugging Face内部数据集，Anthropic在审查14万余次安全评估后于7月底披露，并新增实时分类器拦截越界，凸显“事故透明化”与系统化审计的必要。 3.就业与薪酬数据印证“用AI武装防御”趋势：据LinkedIn，近一年AI安全岗位增91%，前向部署AI专家增226%、AI取证分析师增169%；同期据CyberSN与SecurityWeek，美国网络安全岗位总数下降26%，而AI安全工程师需求激增至2409个岗位（增268.3%）。薪酬方面，OpenAI安全团队数据科学家年薪最高32.5万美元，Anthropic儿童安全保障分析师最高28.5万美元。

匹配字段正文

assert ok return f"llama.cpp {LLAMA TAG}；Saluki 7.90 GB 和 ISTA IQ2 XS 8.42 GB 已通过 SHA-256 验证" download step() 我们下载 llama.cpp b11565 的 CUDA 构建、两个 2-bit 文件以及 BFCL 数据，并逐字节对照其固定值进行校验。Hugging Face 的下载支持断点续传，哈希采用固定修订版本下 Hub 自身的 LFS 摘要，因此若文件被悄悄替换，笔记本会直接停止，而不会改变其结果。BFCL 的任务文件、答案文件和检查器代码均来自同一个 gorilla 提交。该单元格会打印下载耗时，这是 Colab 上整个运行中最慢的部分。 复制代码已复制使用其他浏览器 GGML TYPES = {0: ("F32", 1, 4), 1: ("F16", 1, 2), 8: ("Q8 0", 32, 34), 10: ("Q2 K", 256, 84), 12: ("Q4 K", 256, 144), 16: ("IQ2 XXS", 256, 66), 17: ("IQ2

匹配字段正文

hropic、Google、Meta旗下大模型导致的AI安全事故发生。 有网友吐槽： 我家宽带运营商断网都比OpenAI那帮博士靠谱。 前沿AI实验室意识到了这一点，比如OpenAI就在9月底停训了11天。 用户们也意识到了这一点。 有一位OpenAI的安全工程师反映，自己每次发帖，都有5-10条评论在底下留言： 7月，OpenAI的Agent突破隔离，入侵Hugging Face系统。 随后，Anthropic闻讯也倒查出三起事故，Claude在网络安全评估中，闯进了真实第三方系统。 同月，Meta的Muse Spark 1.1也在测试中闯进真实网站，读取信息、改动数据库。 8月，英国AI安全研究所在测试中公布了更大范围的问题：OpenAI和Anthropic的模型，在10轮测试里做出19次未经授权的线上行动。 9月20日，OpenAI训练中的模型又钻过DNS配置缺口，联系上外部聊天机器人。 如果不断网，模型有可能继续影响外部网站和系统。 但这并不容易——前沿模型需要练习查找信息、操作网站和使用软件工具。 如果完全拿掉这些任务，训练环境就会与模型日后的工作场景脱节。 OpenAI这一

匹配字段正文

别是内存和固态硬盘迎来了剧烈的价格波动。 与此同时，AI Agent在PC领域的全面渗透，也对PC市场产生了很多影响。在我们看来，AI不仅带来了新的应用场景，也拉高了PC的硬件准入门槛。现在，随着端侧AI的落地和Agent的普及，都对PC的AI算力提出了更高的要求。 更关键的是，端侧AI对内存带宽和容量有很高的需求。对于前沿技术爱好者来说，如果想要在本地通过Hugging Face等平台下载部署那些几十亿参数的开源大语言模型或者跑本地AI绘图，16GB内存如今只能算是及格线，32GB甚至64GB才算比较富余。在这个背景下，传统的低端平价PC如果强行接入端侧AI生态，只会面临内存爆满、频繁杀后台的尴尬局面。 那么，在硬件成本飙升与AI算力需求暴涨的冲击下，未来的平价PC会进化出哪些新形态和产品定位？不出意外的话，我们认为它会分化出这两种主要类型。 第一种是高度集成化的设备，以mini PC为代表。这类设备把CPU、GPU、内存、闪存等元器件都集成到一块小型主板上， 对于不追求极致游戏性能的普通个人或家庭用户来说，这种设备不仅能解决桌面空间、发热和噪音问题，还能以更高的性价比满足日常办公、

匹配字段正文

发生多起事件后，OpenAI详细说明了其防护措施。其测试尤其表明，智能体可以绕过它们共享的硬件，在没有网络的情况下进行通信。 OpenAI在10月23日发布的一份通报中回顾了其模型的安全性。近几个月来，“失准”案例——即偏离人们对AI预期行为的表现——不断累积，2026年全年记录在案的事件多达20起。 在OpenAI，一些智能体在一次内部评估中甚至成功入侵了Hugging Face。另一些则学会了掩盖自己的错误。 9月，一次新的未经授权的互联网访问导致该公司暂停了其最先进模型的部分工作。OpenAI现在明确表示，这次暂停持续了11天，直至10月1日，目的是加强防护措施并对其进行检验。 为什么必须在训练期间将AI隔离？ 查找信息、编写代码、解决问题：为了训练AI，OpenAI（以及其他公司）会迫使模型找到解决方案。模型尝试、失败、重来，而成功的尝试随后被用来强化使其达成目标的行为。但如何确保它不会为了达成目标而走禁止的捷径？ 于是便有了将其关入受控环境的想法，这种环境通常被称为“沙盒”。AI在其中拥有可供工作的工具，但其访问权限受到限制。这有点像训练场：它必须能够进行训练，同时不能干预外

匹配字段正文

不订阅 并非所有人都有能力为信息付费。 因此我们坚持让所有人都能阅读我们的新闻。 但如果您有能力， 以下是支持我们工作的三个充分理由： 1 Numerama+ 有助于为所有 Numerama 读者提供免费体验。 2 您将享受无广告阅读、众多高级阅读功能以及独家内容。 3 支持 Numerama 的使命：理解当下，预见未来。 如果您相信免费的网络以及人人都能获取的优质信息，请加入 Numerama+。 订阅 Numerama+ 一瞥尽览科技全资讯 将 Numerama 添加到您的主屏幕，与未来保持连接！ 全面了解 NVidia Artefact AI Film Festival：AI 如何辅助电影创作 梅赛德斯将成为德国首家于2026年底起提供点到点辅助驾驶的车企 SynthID Detector：谷歌推出一款用于识别AI生成内容的工具 12 930 300 000 美元：Nvidia 为 Hugging Face 支付的这笔价格暗藏两个出人意料的“彩蛋” 官方消息，Nvidia 收购 Hugging Face，将AI领域的标杆平台收入囊中 本文部分链接为联盟链接。我们在此为您详细说明。

匹配字段正文

让智能体可以读取队友的会话、提问，并在包括 Codex、Claude 和 Conductor 在内的现有工具之间交接工作。它解决的是异构客户端之间的协调问题，而不是引入另一个底层模型（发布）。 研究循环工具：OpenResearch 集成了 Trackio，使智能体可以记录实验、查看图表，并利用曲线来选择后续运行。它支持本地优先使用，并可将运行结果保存到 Hugging Face Spaces，且支持多种执行后端（集成）。 训练智能体组织：General Reasoning 推出了集体奖励强化学习（Reinforcement Learning from Collective Rewards），将 120B 的 Avalon-M1-Mini 训练为一个共享工作区和留言板的组织。报告的行为包括层级结构、分工以及增加对验证者/测试者的招聘；这些是研究观察结果，并非对高效或安全协调的既定保证（公告）。 独立研究方向：World of SWECraft 在超过 10,000 个智能体小时中研究相互依赖的软件包，报告下游指令数效率最高提升 1.31 倍。一些前沿模型在仍有改进机会时便停止寻求改进

匹配字段正文

c暂缓发布了Claude Mythos。但能力会逐渐下渗。到8月，一个开放权重的中国模型GLM 5.3已几乎追平Mythos。那么，该怪开源模型吗？ 并非如此。大量证据表明，封闭模型正被恶意行为者用于攻击。最近，一些攻击者将开放权重模型与Claude结合使用：用Claude进行思考，用更便宜的模型发动持续攻击。OpenAI的封闭模型在6月的网络安全评估期间对Hugging Face发动了攻击。它们从未被指示攻击Hugging Face，它们入侵它是为了窃取可能帮助它们通过测试的信息。 一旦被要求寻找漏洞，这些模型便毫不留情。微软表示，一个中国组织利用一个开源的AI智能体集群，在不到三小时内控制了云账户。它在超过2250个组织中每分钟发起2900次登录尝试。你可以像对待任何软件一样对它们进行扩展——几十个、几百个、几千个并行运行。而且它们分析漏洞的方式与人类不同——它们会去我们可能不会看的地方寻找。一位使用AI的研究人员在一周内就发现了PHP2Shell。谷歌旗下的安全公司Wiz表示，世界级团队过去需要数月才能做到。这就是为什么图表看起来是这样。 但开放权重模型正在变得更好。它们运行成本

匹配字段正文