阿语LLM质量榜单QIMMA发布
Hugging Face 介绍 QIMMA 阿拉伯语大模型榜单,重点不是简单汇总基准,而是先对评测数据做质量验证。团队发现常用阿语基准存在系统性质量问题,可能扭曲模型排名。
Hugging Face 介绍 QIMMA 阿拉伯语大模型榜单,重点不是简单汇总基准,而是先对评测数据做质量验证。团队发现常用阿语基准存在系统性质量问题,可能扭曲模型排名。
Hugging Face 发文讨论 AI 与网络安全的关系,并以 Mythos 等系统为例说明模型、算力、软件数据和工具脚手架结合后的漏洞发现与修复能力。文章主张开放生态对安全研究和防御能力建设仍然关键。
Hugging Face 介绍 Ecom-RLVE,将可验证环境从单轮推理扩展到多轮、工具增强的电商对话任务。项目提供 8 类环境、程序化生成、难度课程和可验证奖励,并用 Qwen 3 8B 进行 DAPO 训练展示早期结果。
Hugging Face 介绍一套 Skill 和测试框架,帮助贡献者将 transformers 中的语言模型移植到 mlx-lm。文章强调该工具用于辅助开源贡献和评审,而非完全自动化提交 PR。
Hugging Face发布教程,演示用Sentence Transformers微调Qwen3-VL-Embedding-2B以提升视觉文档检索效果。示例模型在作者评测数据上NDCG@10从0.888提升至0.947,并超过多个更大规模VDR模型。
Google DeepMind 发布 Gemini 3.1 Flash TTS,提升语音自然度、可控性和表达力。该模型已通过 Gemini API、Google AI Studio、Vertex AI 和 Google Vids 预览推出,面向开发者、企业和 Workspace 用户。
Hugging Face介绍VAKRA基准,用可执行环境评测AI Agent在企业类场景中的推理、工具调用和失败模式。该基准包含8000多个本地API、真实数据库和62个领域文档集,强调多步工作流的完整执行轨迹评估。
HCompany在Hugging Face介绍HoloTab浏览器扩展,将其电脑使用AI能力带入Chrome。用户可用自然语言描述任务,Agent在网页内导航、填写字段并完成跨网站操作,降低电脑操作模型的使用门槛。
Google DeepMind 发布 Gemini Robotics-ER 1.6,强化机器人在真实环境中的具身推理能力。新模型提升空间推理、多视角理解和环境感知精度,面向更自主的物理世界任务执行。
Overworld发布Waypoint-1.5实时视频世界模型,主打在普通桌面GPU上运行交互式生成世界。新版提升视觉保真度、扩展本地硬件覆盖范围,继续推进无需数据中心级算力的交互式世界模拟。
Hugging Face发布Sentence Transformers多模态嵌入与重排序模型指南,覆盖视觉文档检索、跨模态搜索和多模态RAG等用例。文章介绍安装、输入格式、检索重排流程和受支持模型,并指向配套训练教程。
Hugging Face宣布Safetensors加入PyTorch基金会。Safetensors最初为避免pickle权重格式执行任意代码风险而生,提供简单安全的张量存储、零拷贝加载和惰性读取能力,此举有助于其成为更中立的开源基础设施。
Google DeepMind 发布 Gemma 4 12B,定位为可在笔记本运行的中等规模多模态模型,填补 E4B 与 26B MoE 之间的能力空档。该模型采用统一、无编码器架构,并首次在 Gemma 中型模型中加入原生音频输入。
Hugging Face介绍Falcon Perception,一个0.6B参数早期融合Transformer,用于开放词汇目标定位与分割。模型在SA-Co上Macro-F1达68.0,高于SAM 3,并同步提出PBench诊断基准与0.3B参数Falcon OCR模型。
Hugging Face介绍gradio.Server,允许开发者用React、Svelte或原生HTML/JS构建自定义前端,同时继续使用Gradio的队列、API、MCP、ZeroGPU和Spaces能力。文章以图像背景移除与文字置后编辑器为例展示用法。
Google DeepMind 正在探索 AI 时代的鼠标指针,让指针理解用户所指对象及其上下文意图。该方向希望让 AI 跨工具贴近用户工作流,而不是要求用户把内容搬到单独的 AI 窗口中。
Google DeepMind推出Gemini 3.1 Flash Live,称其为迄今最高质量的实时音频与语音模型,面向语音优先AI应用提升自然节奏、可靠性和任务执行能力。该模型已通过Gemini Live API预览、Gemini Enterprise客户体验场景、Search Live和Gemini Live开放。
Google DeepMind发布关于AI有害操纵风险的新研究,聚焦模型通过对话负面、欺骗性地改变人类想法和行为的能力。团队称已构建首个经实证验证的真实世界AI操纵测量工具包,并公开复现实验所需材料。
Google推出音乐生成模型Lyria 3 Pro,并将Lyria 3能力扩展到更多产品。Pro版本支持生成最长3分钟曲目,可按前奏、主歌、副歌、桥段等结构进行提示控制,面向开发者、企业和创作者场景。
Google DeepMind发布论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》,提出用认知科学框架衡量AI系统通用智能进展。团队同时与Kaggle合作发起黑客松,邀请社区基于该分类体系开发评测方法。