Hugging Face Daily Papers3838OmniDR-Bench：视频中心深度研究报告生成基准评测
研究人员推出 OmniDR-Bench 基准和评测框架，用于视频中心深度研究智能体，该智能体能合成外部证据生成与视频时刻关联的交互式报告。该任务具有直接实用价值，能帮助用户定位相关视频片段、验证声明、复现演示步骤。OmniDR-Bench 包含 50 个中英文任务，涵盖 19 个现实子类别，共 6,414 条标准，最佳系统得分为 63.3 分。
实时
#Hugging Face
- Hugging Face Daily Papers3838
- Hugging Face Daily Papers6565
Cola2：自适应分层语言模型通过持续语义压缩和平衡离散生成改进分层语言生成。
Cola2 通过动态跨度分割、掩码扩散解码和流匹配先验联合优化持续语义压缩、重建-生成平衡和编码器-解码器自适应，在五个下游任务上验证了其核心设计，使用 2100 亿训练 token 显示出有竞争力的非饱和扩展性，3460 亿源 token 的未收敛检查点在八个任务上平均达到 60.10 分，并在 HellaSwag 和 StoryCloze 上超越 Llama-3-8B。
- Hugging Face Daily Papers2222
RouteWeaver: 统一 LLM 路由模式选择与执行
RouteWeaver 通过协同训练和渐进式探索统一了异构 LLM 路由模式，在多种推理任务中提升了准确性；其平均准确率达到 61.4%，相比最强基线相对提升 11.03%，并在五个领域均超越所有对比基线。
- Hugging Face Daily Papers6565
不同任务，不同时间步：扩散语言模型的时序任务感知量化 T²Quant
T²Quant 框架通过少量无标签校准提示预测精度敏感性，在固定比特宽预算下分配激活精度，在 3 个扩散语言模型和 6 个基准测试中改进现有量化方法达 6.7 个百分点，无需增加平均精度预算。
Hugging Face Blog精选6666微软与 Hugging Face 用 ThinkingBox 数据库校验作 RL 奖励训练智能体
微软与 Hugging Face 发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的确定性校验直接当作强化学习奖励，用 GRPO 对 Qwen3.8-27B 训练 50 步。
推荐理由: 微软与 Hugging Face 把数据库终态校验直接当作强化学习奖励，并公开了任务筛选与训练代码，可迁移到其他有状态智能体训练。
- Hugging Face Daily Papers6565
Quant-Arena：基准量化交易研究的大语言模型代理
Quant-Arena 通过评估语言模型能否在历史A股数据上构建盈利交易策略，并验证其在封闭未来年份数据上的表现，进行基准量化研究。该平台让模型构建特征和股票评分代码，仅基于2022-2023年反馈，冻结策略并在2024年评估。GPT-6 Astra 在九个前沿模型中得分最高，但无模型超越2024年等权市场表现。Quant-Arena 对所有模型或智能体开放。
- Hugging Face Blog
Hugging Face 发布 OlmoEarth v1.3：全球卫星嵌入模型取得新进展
Hugging Face 发布 OlmoEarth v1.3，一款卫星嵌入模型，提供全球预计算嵌入（10米分辨率，64及128维度），用户无需登录或技术知识即可使用。模型在27项评测中表现最佳，128维度嵌入在20项评测中得分最高，64维度嵌入在18项评测中领先。模型训练成本较v1.2降低53%，较v1降低18%，碳排放也相应减少，权重、数据和代码全部开源。
- Hugging Face Daily Papers6565
LASAGNA评估检索增强生成（RAG）管道的组成性
LASAGNA评估了450种RAG管道配置在8个基准和5K-200K文档语料库上的表现，发现不同阶段单个技术优势不必然组合有效，检索质量与答案忠实度优化方向不同，最佳组合随语料库规模变化，表明孤立测试结果不可靠，新RAG技术需在完整环境中评估。
The Decoder精选7474Recursive 发布首个由 Eureka Machine 参与研发的模型 Flint
AI 初创公司 Recursive 发布首个语言模型 Flint，开发过程中名为 Eureka Machine 的 AI 系统参与提出想法、搭建、测试并规划后续实验。
推荐理由: Recursive 首次公开由自动化研究系统参与开发的模型，读者可据此观察 AI 辅助研发能走到哪一步。
- Hugging Face Daily Papers
AKV 引入缓存工程管理 LLM 智能体键值缓存
AKV 提出缓存工程方案，通过 drop 和 repos 操作管理 LLM 智能体键值缓存，提升效率与准确性；实验显示，工具响应滚动 drop 缓存策略使平均基准分数提升 1.7 分，成本降低 27.7%，输出吞吐量最高提升 1.2 倍，P95 请求延迟加速 1.5 倍。
- Hugging Face Daily Papers6565
未来块预测（FCP）提升自回归视频生成的物理合理性
未来块预测（FCP）通过引入未来块监督，改进自回归视频扩散模型，生成更符合物理规律的视频并降低训练成本。该方法在教师强制（teacher forcing）框架下，预测时间上分离的视频块而不依赖中间视觉上下文，直接利用训练视频提供监督，无需额外预训练视觉编码器且不改变自回归推理。
- Hugging Face Daily Papers6565
StreamEval: 评估交互式流式视频生成模型的基准
StreamEval 基准测试了交互式流式视频生成模型在五个任务上的表现，发现可靠的请求执行和持续的状态一致性仍是主要挑战。该基准包含 300 个脚本化测试用例，涵盖角色对话、角色表演、世界生成、指令编辑和参考编辑任务，通过四个评估维度（任务执行、状态一致性、视觉保真度和视听协调）进行评分。
- Hugging Face Daily Papers7070
Spectral-Spatial Interpretation (SSI) 发布：通过空间单元和频谱通道的符号归因解释模型分数
Spectral-Spatial Interpretation (SSI) 发布，使用符号归因解释模型分数，为每个空间单元和频谱通道分配贡献度。SSI 在三个数据集和两种掩码基线下的三个指标平均表现最佳，例如 HLS 联合删除的均值基线得分 0.1545 高于 KernelSHAP 的 0.2096。SSI 在空间定位、频谱 Hit@K 和通道删除方面领先于比较方法。
NVIDIA NewsroomNVIDIA 与合作伙伴推出 RFD4-Proteina 开源模型加速药物研发和癌症治疗
英伟达与华盛顿大学医学院蛋白质设计研究所联合发布 RFD4-Proteina 开源模型，结合可编程蛋白质设计与搜索能力，在四项基准测试中超越基线模型，帮助科学家探索药物设计候选者。
IT之家 · AI5050一汽-大众捷达 M6 上市，搭载地平线征程 6M 辅助驾驶
一汽-大众捷达 M6 今日上市，提供 465 Pro（7.98 万元）、555 Max（8.98 万元）、555 Ultra（9.98 万元）三种配置，搭载地平线征程 6M 芯片支持城区/高速 NOA、跨层记忆泊车，OTA 后支持车位到车位全链路领航；内置千问+DeepSeek+豆包三大模型，配备 113kW/145kW 驱动电机，续航 465km/555km。
MarkTechPostGoogle 开源 TorchTPU：云 TPU 的原生 PyTorch 后端
Google 开源了 TorchTPU，一个为云 TPU 设计的原生 PyTorch 后端，取代了 PyTorch/XLA 并支持 eager-first 执行。
- Hugging Face Blog
Hugging Face 发布 IBM Granite 时间序列模型集成预测方案
Hugging Face发布IBM Granite时间序列模型集成预测方案，结合四款Granite模型（PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1、TTM-r3）提供无微调的集成预测。
- Hugging Face Blog精选7878
NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可预测
NVIDIA 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做预测，无需任务特定训练、特征工程或表展平。模型在 15 个数据库的 41 个任务上超过监督式关系深度学习和专家特征工程梯度提升树，在 SAP SALT 基准上 MRR 比 AutoGluon 集成高 8%。
推荐理由: 原文给出预训练关系模型在 41 个任务上的对比结果与开源入口，读者可据此判断它能否替代现有 XGBoost 流水线。
- Hugging Face Blog
Hugging Face 介绍 TorchNeuron 在 AWS Trainium 上的系统级性能分析
Hugging Face 介绍了如何使用 TorchNeuron 在 AWS Trainium 上进行系统级推理性能分析，通过 torch.profiler 配置 Neuron 后端捕获干净 traces，并利用 key_averages() 表识别耗时操作。
- Hugging Face Blog
如何通过专精SLM词汇表在真实应用中将推理成本降低77%。
Qwen3-4B的专精词汇表VocabX通过聚焦每个token的成本而非频率，在不改变基础模型的情况下将推理成本降低77%。该方法针对葡萄牙语作文评分器，将输出层词汇表从约152,000行缩减至约65,000行，显著减少token分割和未使用词汇项的计算开销。
NVIDIA Blog精选6262NVIDIA 扩展开放模型家族，覆盖语言、机器人、生物与量子计算
NVIDIA 扩展其开放模型家族，覆盖语言、机器人、生物和量子计算，包括新的 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt。
推荐理由: NVIDIA 一次性铺开语言、机器人、生物、量子四条线的开放模型，读者可据此判断其开源生态的覆盖范围。
- Hugging Face Blog5858
NVIDIA 在 Hugging Face 发布 SimReady Central，开放 2000 多个仿真就绪 3D 资产库
NVIDIA 在 Hugging Face 上线 SimReady Central Library，汇集 2000 多个可直接用于仿真的 OpenUSD 资产，覆盖机械臂、夹爪、仓储设备、机架和冷却设施，免费且无需申请即可使用。
O'Reilly Radar7575AI 安全现状：威胁、工具与技能差距
52% 的受访者称其工作很少或从未涉及 AI 生成攻击，但 55% 的受访者观察到 AI 生成钓鱼攻击，30% 观察到漏洞扫描和利用，26% 观察到 AI 辅助恶意软件生成；49% 的受访者最担心无人工验证就过度依赖 AI 工具和通过 AI 工具泄露敏感数据。
TechCrunch · AI5050Hugging Face 政策主管：嵌入式 AI 评估器并非易事
Hugging Face 政策主管 Irene Solaiman 表示，AI 实验室对模型基准测试的依赖存在方法复杂且未成熟的问题，测试需要形成更一致的科学体系。当前测试的可重复性存疑，且不同评估间缺乏有效比较标准，评估生态系统亟待标准化。评估正从仅测试模型本身扩展至测试模型全系统，包括用户工具和智能体，但 Agentic 评估既困难又昂贵。
- TechCrunch · AI6565
Hugging Face CEO Clem Delangue 质疑 Netflix《AI Gone Rogue》对 OpenAI 事件的描述准确性
Hugging Face CEO Clem Delangue 表示 Netflix 的《AI Gone Rogue》纪录片对 OpenAI 代理攻击其公司的描述不准确，称其过度拟人化技术和渲染末日氛围。他称自己曾花费两小时纠正片中错误，强调代理只是技术系统而非外星人，并指出纪录片将技术解释与邪恶机器人、人类对 AI 的恐惧等情节混为一谈，且未提及安全漏洞和 Hugging Face 的防御措施。
- Hugging Face Blog5858
FairStress: 一个更深入评估 LLM 决策公平性的基准
FairStress 基准通过 300 个跨 29 个领域（如招聘、医疗）的决策场景，评估 LLM 在人口统计公平性方面的表现，包含 13 百万测试用例。研究发现，相同说服性前缀（adversarial prefixes）对模型决策的影响因人口群体而异，且模型在解释含人口信息决策时存在差异。
- Hugging Face Blog5858
ALTK-Evolve如何通过学习记忆在τ²-bench客户服务任务中超越前沿模型
ALTK-Evolve 使用 GPT-4.1 学习并应用客户服务剧本，在 τ²-bench 客户服务代理基准测试中超越零售领域所有零售条目，得分达 67.5% Pass^4，且无需更新模型权重。该模型基于基本 ReAct 代理和 GPT-4.1，通过分析任务尝试并使用 GPT-4.1 将成功与失败蒸馏为简短行为规则，然后将这些指南添加到代理的系统提示中，无需权重更新或人工标注。
- Hugging Face Blog5858
AnyLanguageModel 1.0 发布：一年支持苹果平台本地模型进展
AnyLanguageModel 1.0 发布，一年支持苹果平台本地模型进展。新增支持 OpenAI Chat Completions、Anthropic Messages、Google Gemini 等云端模型，本地模型支持 llama.cpp、MLX、Core ML，工具调用与引导生成功能扩展。云端模型具备本地模型相同功能，API 密钥支持闭包动态获取。
- Hugging Face Blog精选6262
PyTorch 2.15 为 MPS 后端带来 FP8 与更快的 LLM 解码
Hugging Face 的 PyTorch 团队介绍 PyTorch 2.15 在 MPS 后端的更新，新增 torch.float8_e4m3fn 张量与 F.scaled_mm，FP8 张量占用为 BF16 的一半。
推荐理由: 原文给出 MPS 后端在 FP8、MoE 解码和显存占用上的具体数字，可据此判断 Mac 本地跑模型的实际变化。
- Hugging Face Blog
Hugging Face 推出 TorchTPU：原生 PyTorch 后端支持 TPU
Hugging Face 发布 TorchTPU，使 TPU 成为 PyTorch 的原生后端设备。Transformers、Diffusers 和 Kernels 现可直接在 TPU 上运行，用户只需从 Hugging Face Hub 选择模型，指定 device_map="tpu" 即可。
Transformers releases3535Transformers releases发布v5.20.2补丁更新
Transformers 发布 v5.20.2 补丁更新，修复了 generate 函数中输入类型丢失的问题，该问题影响多模态模型；同时解决了其他若干问题，包括输入字典类型转换、bfloat16 专家并行梯度为零、仅报告文本的 VLM 输入模态声明以及 eager_mask 中的主机到设备复制。
n8n Blog如何在 NVIDIA DGX Spark 上本地运行 n8n AI 工作流，无需云 API
n8n 工作流可在 NVIDIA DGX Spark 上本地运行，无需调用云 API。通过在 DGX Spark 上部署 35B 混合专家模型 Qwen3.6-35B-A3B（NVFP4 格式）及 8 个其他模型，支持转录、OCR、图像生成等任务，所有模型均通过 OpenAI 兼容端点供 n8n 调用。部署需缓存模型并使用 vLLM 0.30.0 版本，确保离线运行和许可合规。
腾讯混元 · Hugging Face 新模型腾讯发布 Hy-Memory-30B-A3B-GGUF 模型量化文件
Tencent 混元发布的 Hy-Memory-30B-A3B-GGUF 模型量化文件采用 imatrix 校准和 MoE 感知的混合精度量化方案，在 llama.cpp 上实现高效本地推理，其中 ~8 GB 的 expert-mixed 构建文件大小降至约 24.71 GB，性能仅比 Q6_K 下降 1.53%。
- Hugging Face Blog
TorchNeuron：在 AWS Trainium 上运行 HF 模型变得前所未有的简单。
TorchNeuron 为 PyTorch 在 AWS Trainium 提供新原生后端，Transformer、Diffusers 和 Kernels 均原生支持，使在 Trainium 上运行模型和在 HF Hub 分享模型变得前所未有的简单。
LangChain Deep Agents releases1717LangChain Deep Agents 0.1.86 发布
LangChain Deep Agents 发布 0.1.86 版本，新增 NVIDIA OpenShell 作为沙盒提供者，修复了多个 Bug，包括改进别名匹配、准确报告工作区拒绝、替换重复线程恢复错误、在调回提示时替换聊天输入、在页脚显示过期提示缓存、在 Groq 工具限制时提供可操作错误、比较有效解释器权限等。
- 腾讯混元 · Hugging Face 新模型
混元 Qwen3-8B-DSpine-b16 发布：并行草稿与深度条件注入的推测解码模型
混元发布 Qwen3-8B-DSpine-b16，采用并行草稿与深度条件注入的推测解码技术，在 Qwen3-8B 上实现 10.55 的平均接受长度分数。模型支持 8192 token 上下文长度，使用 bfloat16 数据类型和 fa3 注意力后端，安装需 git clone 并 pip 安装，通过 sglang serve 运行。
Comfy BlogBlack Forest Labs 发布 FLUX 3 Image Klein 开源模型
Black Forest Labs 发布 5.6B 参数的 FLUX 3 Image Klein 开源模型，在文本到图像和多参考生成任务上优于 Qwen-Image 2.1，支持 Base 和 Distilled 两种版本，后者可实现 4.3-9.3 倍速度提升，适用于消费级 GPU。
Mistral AI · Hugging Face 新模型Mistral AI 发布 Timestral-123M 时间序列基础模型
Mistral AI 发布 Timestral-123M 时间序列基础模型，参数量 123M，采用 patch-based Transformer 架构，上下文长度 32,768 时间步，单次预测可覆盖 1,024 时间步，输出 21 个分位数。该模型在 GIFT-Eval、TIME 和 fev-bench 评测中实现零样本预测的最优精度，并采用 Modified MIT 许可证。
- Mistral AI · Hugging Face 新模型
Mistral AI 发布 Timestral-28M 时间序列基础模型
Mistral AI 发布 Timestral-28M 时间序列基础模型，含 2800 万参数，采用基于 patch 的 Transformer 架构，上下文长度达 32,768 时间步，单次前向预测范围 1024 时间步，在 GIFT-Eval、TIME 和 fev-bench 评测中实现零样本预测的最优精度，模型已开源并采用 Modified MIT 许可证。
Anthropic Newsroom精选6060Anthropic 向 METR 开放员工级访问权限评估模型风险
Anthropic 宣布已开始向非营利机构 METR 的一个团队提供接近员工的内部访问权限，用于评估其前沿模型风险，METR 将公开发布评估结果。Anthropic 表示不能否决 METR 的发布，但可要求隐去预设类别信息，并称最终由 Anthropic 判定哪些信息属于这些类别。
推荐理由: 原文公开了三级评估权限的具体划分和 METR 的发布权边界，可用来对照其他前沿实验室的第三方评估安排。
