跳到正文
实时
#开源/仓库
10月28日周三
  2. Hugging Face Blog78

    NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线

    NVIDIA 发布开源权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答合入同一 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。

    推荐理由: 原文给出多语言转写、说话人分离与翻译的统一权重模型，并附开放数据管线和微调配方，可据此判断语音场景的适配路径。

  9. Hugging Face Daily Papers

    分解矢量量化技术提升离散视觉token质量

    分解矢量量化技术通过在互补特征视图上使用并行码本提升了离散视觉token质量，使其在多模态理解中能匹配连续表示，在工业级多模态数据上训练的模型在九项指标平均上比 UniAR 和 Emu3-Chat 分别高 22.8% 和 59.2%，是目前首个能与 Qwen3-VL 等强连续表示模型竞争的离散表示模型。

  11. Hugging Face Daily Papers65

    Looped Transformers with Truncated Backpropagation 的扩展研究：是否截断训练循环？

    Looped Transformers 在相同计算量下通过完整回溯时训练优于截断回溯，扩展规律表明当模型大小可调时两个循环为最佳。Looped Transformers 通过复用共享层块增加计算深度而不增加可训练参数量，通常使用回溯时训练（BPTT），但为节省训练计算量常截断至最后几循环，这可能导致梯度偏差削弱循环优势。

  13. Hugging Face Daily Papers65

    HABIT-Bench 发布：评估智能体从纵向弱证据中习得习惯的能力

    HABIT-Bench 评估智能体从数百次会话的合成用户历史中习得习惯的能力，要求智能体整合零散证据并选择新请求的适当行动。使用 Qwen3-235B-A22B 和 GLM-5.3-Flash 评估八种记忆方法，最佳配置在四选任务中达到 33.61% 宏平均准确率，优于随机猜测的 25%。即使提供标注证据，仍存在大量错误，表明理解应如何指导决策比单纯回忆历史更重要。

  15. IT之家 · AI65

    前英特尔CEO基辛格押注新AI内存Z2RAM：拟绕开EUV光刻，4年内送样

    前英特尔 CEO 基辛格通过风投机构 Playground Global 支持内存初创公司 Nagare Labs 开发 Z2RAM 内存技术，完成 500 万美元种子轮融资。Z2RAM 采用氧化物半导体材料，计划通过标准后端工艺（BEOL）实现多层存储结构，无需 EUV 光刻，目标比特密度达 SRAM 的 5 倍以上，计划四年内推出样品。

  16. Hugging Face Daily Papers

    OvisOCR3 技术报告

    OvisOCR3是一个0.8B视觉语言模型，通过多导师蒸馏和强化学习统一多种OCR任务，在文档解析、通用OCR、关键信息提取、图文描述和跨页表格重建等任务上达到SOTA结果，在OmniDocBench v1.6上获得96.74分，在OCRBench v2英语和中文拆分中排名第一，并在多个基准测试中超越基线模型。

  19. Hugging Face Daily Papers

    ChronoReplay 训练框架提升流式视觉语言模型的时空推理能力

    ChronoReplay训练框架通过将异构时空监督组织成按时间排序的交互片段、保留特定任务答案格式、平衡不同监督信号学习，使单一模型能学习互补时空能力并保持时间一致性，在 OVO-S-Bench、OST-Bench 和 UCS-Bench 基准测试中均取得提升，OST-Bench 提高 13.41 分，同时通过自适应帧选择优化流式推理性能。

  20. Hugging Face Daily Papers

    Hy-Nomas：面向自由形式交互式世界生成的视频世界模型

    Hy-Nomas 是一个 8B 参数的扩散模型，支持自由形式文本指令和跨多轮交互的相机控制，通过因果注意力与结构化视频描述相结合的方式遵循多轮文本和相机指令，在人类评估中优于现有世界模型，已开源模型权重、代码和基准。

    同一件事 · 2 家
  24. Hugging Face Daily Papers65

    HiP3R：用于长时程 3D 重建的层次位姿图

    HiP3R 使用层次位姿图将局部视频重建合并为全局一致的相机轨迹和 3D 几何，无需重新训练。它首先优化鲁棒的块级 Sim(3) 图以建立全局布局和尺度，然后固定此布局并估计每帧的共享 SE(3) 相机，将重叠窗口预测转换为单一轨迹。实验在多个基准上证明 HiP3R 在改进相机轨迹和 3D 重建方面的有效性，且适用于基于块和流式后端，无需额外训练或微调。

  26. MarkTechPost

    LEANN：开源向量索引将6000万片段RAG索引从201GB压缩至6GB。

    UC Berkeley 的 Sky Computing Lab 开发了开源向量索引 LEANN，通过查询时重新计算嵌入而非保存到磁盘，将 6000 万片段维基百科索引从 201GB 压缩至 6GB。该索引在 NQ 基准上达到 25.5% 的准确率，使用 4GB 存储空间，但检索耗时 2.48 秒（HNSW 为 0.05 秒）。代码采用 MIT 许可，支持在笔记本电脑和工作站上运行。

  32. Latent Space0

    Anthropic 如何将 Claude 的“大脑”与“双手”分离

    Anthropic 在 Opus 5.5 发布中强调模型质量与成本，新模型运行成本低于前身；其产品选择需兼顾模型能力提升与基础设施战略挑战。Anthropic 通过分离会话日志与执行环境（沙盒）的 Managed Agents 架构，实现模型推理保护、安全隔离与性能优化，允许执行环境按需创建与销毁，避免沙盒失败影响整个会话。

  38. LangChain Blog71

    LangChain 如何搭建设计智能体 Content Studio

    LangChain 介绍了其内部设计智能体 Content Studio 的搭建过程，该智能体在 Slack 中接收一句提示词即可产出视频、社交图、UI 图和幻灯片，所有素材均以代码生成。

    推荐理由: LangChain 公开了设计智能体 Content Studio 的完整搭建过程，包括技能、wiki、检查门与异步子智能体的分工方式，可作为构建垂直 Agent 的参考。

  39. Pragmatic Engineer

    OpenAI Sevbot 与 AI SRE 发展现状分析

    OpenAI 开发 Sevbot AI SRE 工具，ING 银行正构建自有 AI SRE 系统。AI SRE 主要通过 Slack 快速调查事故，但关于是否应直接修改代码存在争议。企业普遍采用多代理架构，结合知识图谱与记忆层提升调查效果，同时需通过对抗代理与多模型组合验证准确性，并优化模型路由与提示词以平衡速度与成本。