精选 69 篇，从 460+ 条中筛选
Gemma-4-31B-it 是一款由 Google DeepMind 开发的多模态大型语言模型，定位为通用大模型。该模型具备高达 31B 的参数量和 256K 的上下文长度，支持文本、图像等多种输入和文本输出。其核心技术包括 Dense 和 MoE 架构，并针对移动设备进行了优化。在性能上，Gemma-4-31B-it 在多个基准测试中表现出色，尤其在代码生成和推理任务上具有显著优势。模型开源协议为 Apache 2.0，适用于从手机到服务器的多种部署环境。
Gemma-4-31B-JANG_4M-CRACK是一款定位在通用大模型领域的模型，具有31B的参数量和18GB的模型大小。其核心技术包括Dense Transformer架构和Hybrid Sliding/Global Attention机制，支持多模态输入。在MMLU基准测试中，该模型保持了93.7%的合规性，显示出其在知识理解和推理方面的能力。该模型适用于需要高知识合规性和多模态处理的应用场景，如安全与渗透测试、代码生成等。其开源协议、硬件需求以及推理效率等特性使其在LLM领域具有差异化优势。
Qwen3.6-35B-A3B是一款专注于代码生成的LLM，具有35B参数和10倍MoE结构，支持长达1,010,000个token的上下文。其核心能力在于Agentic Coding和Thinking Preservation，通过优化前端工作流程和推理上下文，提升开发效率。在性能上，模型在代码生成任务中表现出色，具有较好的稳定性和实用性。开源协议为Apache-2.0，与Hugging Face Transformers兼容。
OpenAI Privacy Filter是一款专注于个人身份信息（PII）检测和屏蔽的token-classification模型，适用于高吞吐量数据清洗工作流程。该模型具有小型化、可微调、长上下文处理和运行时控制等特点，适用于需要快速、上下文感知且可调整的模型场景。它基于GPT-oss架构，具有1.5B参数，支持在浏览器或笔记本电脑上运行。该模型在性能和效率方面表现出色，适用于数据安全和隐私保护领域。
Qwen/Qwen3.6-27B是一款专注于代码生成的LLM，具有27B参数和64层结构。它具备前端工作流和仓库级推理的能力，上下文长度可扩展至1,010,000 tokens。该模型在Agentic Coding和Thinking Preservation方面有显著提升，适合开发者和研究人员使用。性能方面，具体基准测试结果未提供，但模型在代码生成和推理方面有优势。开源协议为Apache-2.0，与Hugging Face Transformers兼容。
DeepSeek-V4-Flash是一款面向高效百万token上下文理解的混合专家（MoE）语言模型。该模型具有284B参数，支持一百万token的上下文长度，采用混合注意力机制，结合压缩稀疏注意力（CSA）和重度压缩注意力（HCA）以提升长上下文效率。性能方面，模型在权威基准测试中表现优异，具有代码生成、数学推理、多语言能力等优势。开源协议为MIT，硬件需求较高，推理效率良好，与流行推理框架兼容。
🔥 unsloth/Qwen3.6-27B-GGUF 是一款基于 Qwen3.6-27B 的开源模型，专注于图像到文本的转换。该模型具有27B参数，上下文长度可达200K，采用GGUF技术进行量化，旨在提高推理效率。它在代码生成、数学推理等方面表现出色，适用于需要多模态交互的场景。模型遵循Apache-2.0开源协议，支持在Unsloth Studio中进行运行和微调。
NVIDIA Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16是一款多模态大型语言模型，定位为通用大模型，具备视频、音频、图像和文本理解能力。该模型采用NVIDIA开发的Nemotron架构，结合了多种技术创新，如视频+语音理解、GUI、OCR和语音转录功能。性能上，模型在多个基准测试中表现出色，适用于企业级问答、摘要、转录和文档智能工作流程。主要应用场景包括客户服务、媒体娱乐、文档智能和GUI自动化等。
DeepSeek-V4-Pro是一款通用大模型，具有1.6T参数，支持一百万token的上下文长度。其核心技术为混合注意力机制，结合了压缩稀疏注意力和高度压缩注意力，显著提高了长上下文处理效率。性能方面，模型在MMLU、GPQA、IFEval等基准测试中表现出色。主要应用场景包括文本生成、对话系统等，具有开源协议、硬件需求适中、推理效率较高的特点。
Mistral Medium 3.5 是一个通用大模型，具有128B参数量和256k的上下文长度。它支持指令遵循、推理和编码，具有多模态输入和输出能力。该模型在推理和编码任务上表现出色，支持多种语言，并具有强大的系统提示和代理能力。它在MMLU、GPQA、IFEval等基准测试中表现出色，适用于需要复杂推理和代码生成的场景。该模型开源，适用于商业和非商业用途，具有较好的硬件兼容性和推理效率。
🔥 unsloth/Qwen3.6-35B-A3B-GGUF 是一款基于 Qwen3.6-35B-A3B 的开源模型，专注于图像到文本的转换。该模型定位为通用大模型，具有35B参数量和A3B架构，支持多模态输入。它在性能上表现出色，尤其在图像到文本转换任务中具有显著优势。模型采用Apache-2.0开源协议，适用于多种硬件平台，推理效率高，与vLLM等框架兼容。
SeeSee21/Z-Anime是一款基于Z-Image Base架构的动漫风格图像生成模型，属于特定领域微调模型。该模型采用S3-DiT架构，具有丰富的动漫美学风格和强大的风格多样性。它在HuggingFace平台上的下载量和点赞数表明其受到社区的认可。模型在性能上表现出色，支持自然语言提示，适用于动漫风格的图像生成。其主要应用场景包括动漫艺术创作、游戏设计等。该模型开源，支持BF16、FP8等高效计算格式，对硬件要求较高，适合在具有强大计算能力的设备上运行。
Laguna-XS.2是一款定位在通用大模型领域的33B参数Mixture-of-Experts模型，专注于代码生成和长周期任务。其核心技术包括混合SWA和全局注意力布局、KV缓存FP8量化、本地推理支持等。在性能上，Laguna-XS.2在基准测试中表现出色，具有强大的推理效率和本地运行能力。主要应用场景包括代码生成、数学推理等，适合对性能和效率有较高要求的场景。
SenseNova-U1-8B-MoT是一款多模态模型，定位为通用大模型，具有强大的跨模态理解和生成能力。其核心技术为NEO-Unify架构，支持多模态数据直接处理，上下文长度大，参数量达到8B。在MMLU、GPQA等基准测试中表现优异。适用于图像编辑、文本到图像、图像到文本等多种场景，具有开源Apache-2.0协议，对硬件要求较高，推理效率较高。
TenStrip/LTX2.3-10Eros是一款专注于视频场景生成的多模态模型，具有独特的架构和训练数据。该模型在LLM生态中定位为多模态模型，具有较大的参数量和较长的上下文长度。其核心技术包括基于Sulphur-2-base的数据融合和创新的多步骤层缩放合并。在性能表现上，模型在特定视频生成任务上表现出色，但缺乏权威基准测试结果。实用考量方面，模型支持BF16和FP8_mixed_learned的加载，具有较好的硬件兼容性。
SulphurAI/Sulphur-2-base是一款基于LTX 2.3的文本到视频生成模型，定位为多模态模型。该模型具有prompt enhancer功能，支持t2v和i2v格式，并具备与其他ltx 2.3格式兼容的特点。模型在性能上具有创新性，但未提供具体的基准测试结果。其开源协议、硬件需求和推理效率等信息未明确，但与流行推理框架的兼容性可能是一个考量点。
Zyphra/ZAYA1-8B是一款专注于推理优化的领域大模型，具有8.4B参数，特别擅长数学和代码推理任务。其架构采用混合专家模型，参数效率高，推理速度快，适用于设备端部署。在MMLU、GPQA等基准测试中表现出色，与同类模型相比具有显著优势。
Gemma-4-26B-A4B-it-assistant是一款由Google DeepMind开发的通用大模型，具备多模态处理能力。该模型采用Dense和MoE架构，支持超过140种语言的上下文，具有高达256K的上下文窗口。其在推理速度和生成质量上均有显著提升，特别适合低延迟和设备端应用。性能表现在MMLU、GPQA、IFEval等基准测试中表现优异，具有推理速度快、生成质量高的特点。主要应用场景包括文本生成、代码生成、推理等，适用于从高端手机到服务器的多种环境。
Gemma-4-31B-it-assistant 是一款由 Google DeepMind 开发的多模态大型语言模型，定位为通用大模型。该模型具有高达 31B 的参数量，支持超过 140 种语言的上下文，并具备 Dense 和 MoE 架构。其在推理速度和生成质量上均有显著优势，尤其在代码生成和推理任务上表现出色。性能方面，Gemma-4-31B-it-assistant 在多个基准测试中取得了优异的成绩，如 MMLU、GPQA 等。该模型适用于需要高效率、高质量文本生成的场景，如低延迟应用和设备端部署。
这篇论文提出了KinDER，一个用于机器人学习和规划的物理推理基准，它包含25个程序生成的环境，旨在解决机器人学习中的物理推理挑战，并通过实验表明现有方法在这些环境中存在显著差距。
这篇论文提出了CreativityBench，一个用于评估大型语言模型（LLM）创造性推理能力的基准。通过构建一个包含物体、部分、属性和可执行用途的大规模知识库，论文研究了模型如何通过推理物体的属性和功能来重新利用现有工具，以解决需要非显而易见但物理上可行的解决方案的任务。实验结果表明，模型在创造性工具使用方面存在挑战，这为未来智能体规划和推理模块的设计提供了启示。
这篇论文提出了SWE-WebDev Bench，一个用于评估编码代理应用平台的框架，通过模拟虚拟软件开发机构的能力，评估其在理解业务需求、做出架构决策、编写生产代码、处理迭代修改和维护业务准备方面的表现。
这篇论文提出了一种名为phi_first的新方法，通过分析单个解码过程中的第一个内容承载词的top-K logits的标准化熵来检测幻觉。这种方法在封闭式短答案事实问答任务中与语义一致性相当，且成本更低。
这篇论文提出了MiniCPM-o 4.5，一个旨在实现实时全双工多模态交互的模型。该模型通过Omni-Flow框架，实现了感知和响应的实时同步，并能够主动发出提醒或评论，从而提升了多模态交互的实时性和效率。
这篇论文提出了TT4D，一个用于从单目视频中重建乒乓球4D数据的管道和数据集。它通过一个新颖的重建流程，将未分割的2D球轨迹提升到3D，从而实现可靠的时间分割和重建，为虚拟回放、深入球员分析和机器人学习提供了新的基础。
这篇论文提出了Side-by-Side (SxS) Interleaved Reasoning方法，通过控制LLM在生成过程中的信息披露时机来优化推理性能。该方法通过匹配答案前缀与支持推理前缀来构建蕴含对齐的交错轨迹，并使用强化学习来恢复新的格式下的推理性能，从而在保持准确性的同时减少内容延迟。
这篇论文提出了一种将扩散模型应用于语义分割的新方法，通过将输入图像和真实掩码编码到潜在空间，并使用扩散U-Net进行条件化，实现了文本条件下的语义和开放词汇分割。该方法在标准语义分割基准测试中表现出色，并在多个领域表现出强大的泛化能力和跨域迁移能力。
这篇论文提出了一种名为ResRL的负样本投影残差强化学习方法，旨在提升大型语言模型（LLM）的推理能力，同时保持生成多样性。该方法通过将负样本的隐藏表示投影到基于SVD的低秩正子空间，并使用投影残差来调节负梯度，从而在不牺牲多样性的情况下提高推理能力。
这篇论文提出了三种参数高效的多元视角技能水平评估方法，通过选择性多视角融合、时间采样优化和条件语言生成，实现了在Ego-Exo4D数据集上达到最先进的准确率，同时减少了训练参数和训练时间。
这篇论文提出了APEX，一个用于AI生成音乐的大规模多任务学习框架，它能够预测基于参与度的流行度信号和音乐的美学质量维度。该框架在超过211k首歌曲上训练，并展示了美学特征在预测音乐偏好方面的价值。
这篇论文介绍了OpenSearch-VL，一个开源的多模态搜索代理训练方法。该方法通过构建高质量的训练数据、设计统一的工具环境以及提出多轮致命感知GRPO训练算法，实现了在多个基准测试中的性能提升，并达到了与商业模型的相当水平。
Stream-T1论文提出了一种针对流式视频生成的测试时间缩放（TTS）框架，通过流式处理和优化噪声传播、奖励剪枝和记忆下沉等步骤，显著降低了计算开销，同时提高了视频生成的时序一致性、运动平滑性和帧级视觉质量。
这篇论文提出了In-context Sparse Attention (ISA)框架，用于解决视频编辑中的计算瓶颈问题。该框架通过预选择策略和动态查询分组机制，实现了高效的稀疏注意力计算，显著降低了注意力模块的延迟，同时保持了视觉质量。
这篇论文提出了一种名为JoyAI-Image的统一多模态基础模型，该模型结合了空间增强的多模态大型语言模型（MLLM）和多模态扩散变换器（MMDiT），通过共享的多模态接口实现感知和生成的交互。论文通过统一的指令调整、长文本渲染监督、空间定位数据和通用及空间编辑信号，构建了一个可扩展的训练方案。实验表明，JoyAI-Image在视觉理解、文本到图像生成、长文本渲染和编辑基准测试中取得了最先进或高度竞争的性能。
这篇论文提出了Stream-R1，一个基于可靠性-困惑度感知的奖励蒸馏框架，用于流媒体视频生成。Stream-R1通过自适应地重新加权蒸馏目标，在学生模型的训练过程中考虑了不同rollout的可靠性和不同时空元素之间的困惑度，从而提高了视频生成的质量。
这篇论文介绍了RLDX-1，一种基于多流动作转换器（MSAT）的通用机器人策略，用于灵活操作。它通过整合异构模态和系统级设计选择，如合成训练数据、专门的学习过程和推理优化，解决了复杂现实任务中的挑战，如运动感知、记忆感知决策和物理感知。实验表明，RLDX-1在模拟基准和需要广泛功能能力的真实世界任务中优于其他前沿的视觉语言动作模型。
这篇论文提出了BRIGHT-Pro，一个扩展查询并包含多方面黄金证据的专家标注基准，以及RTriever-Synth，一个用于训练检索器的合成语料库。通过这些工具，论文评估和提升了在代理搜索系统中的检索器性能，特别是在推理密集型检索方面。
这篇论文提出了PhysForge，一个基于物理的3D资产生成框架，通过结合功能逻辑和分层物理，生成适用于交互式虚拟世界的功能合理的3D资产。
这篇论文提出了D-OPSD，一种针对步长蒸馏扩散模型的训练范式，通过在策略自蒸馏过程中实现监督微调，从而在保持模型少步骤推理能力的同时，连续调整模型。
Hugging Face宣布推出适用于10,000个Reachy Minis的代理机器人应用商店。用户可以使用自然语言描述他们想要的机器人行为，然后AI代理将编写、测试和部署代码到机器人上。该平台旨在降低机器人编程的门槛，使非技术用户也能轻松创建机器人应用。
这篇公告讨论了AI评估正成为计算瓶颈的新趋势。它揭示了AI评估的成本正在上升，特别是在大规模模型和复杂任务中，这导致评估成为限制AI研究和发展的关键因素。
这篇公告介绍了如何通过将视频压缩作为数据增强策略来提高深度估计模型的鲁棒性。研究聚焦于深度估计任务，特别是如何通过训练模型以处理压缩视频中的几何失真，从而提高模型在视频压缩环境下的准确性。
商汤科技与南洋理工大学合作推出了NEO-unify，这是一种端到端原生多模态统一模型，旨在直接处理原始像素和文本输入，摆脱传统多模态AI中视觉编码器和变分自编码器的依赖，实现文本和视觉的统一学习，并展现出高数据扩展效率。
本文介绍了KV缓存技术，这是一种优化Transformer推理效率的方法。通过缓存中间计算结果，模型可以避免重复计算，从而加快文本生成速度，提高效率。
本文介绍了名为“abliteration”的技术，该技术可以取消任何大型语言模型（LLM）的审查机制，使其能够响应所有类型的提示。这项技术通过修改模型权重来阻止模型拒绝请求，从而提高了模型的灵活性和响应能力。
Tether Data发布了QVAC MedPsy，这是一系列先进的医疗和健康语言模型，专为边缘设备部署设计。这些模型在医疗推理能力上达到了新的标准，同时保持了高效的参数效率，为智能手机、可穿戴设备和资源受限的医疗环境提供了临床级的AI。
Pallas是一个实验性的JAX扩展，用于编写针对GPU和TPU的定制内核。它允许用户使用Python编写代码，并使用许多熟悉的JAX原语，同时保持JAX跟踪和jax.numpy的易用性。Pallas旨在提供对生成代码的细粒度控制，同时保持JAX的易用性。
这篇公告主要介绍了AI技术分析师Shane在数学建模和AI模型构建方面的经验，包括他如何使用FANT模型在数学评估中取得优异成绩，以及他新开发的Sparrow模型在数学问题解决上的卓越表现。
本文介绍了如何从头开始构建一个简单的检索增强生成（RAG）系统，该系统结合了信息检索和文本生成，以增强语言模型的表现。文章详细解释了RAG系统的关键组件，包括检索模型和语言模型，并提供了使用Python和ollama实现RAG系统的示例代码。
本文详细介绍了如何使用PyTorch和Hugging Face工具微调大型语言模型（LLM），以将英文翻译成尤达语（Yoda-speak）。通过量化模型、设置低秩适配器（LoRA）、格式化数据集以及使用Hugging Face的`trl`库中的`SFTTrainer`进行监督式微调，展示了整个过程。LoRA技术允许在量化模型上进行高效训练，显著减少了可训练参数的数量，使其仅占原始大小的1%或更少，从而能在资源有限的消费级GPU上进行训练。
NVIDIA发布了NVIDIA Isaac GR00T N1.7，这是一个开源的商业许可Vision-Language-Action模型，用于人形机器人。该模型基于人类数据，旨在提高机器人智能的可扩展性，并支持多步骤任务推理和精细操作。
Hugging Face的社区科学团队通过使用大型语言模型（LLM）自动化联系作者，以促进更多研究人员将他们的工作发布到Hugging Face平台上，并使用元数据和链接来正确记录这些工作。该团队开发了一个工作流程，使用LLM来识别论文的GitHub URL，扫描README文件以查找新工件，并根据需要创建GitHub问题和Hub拉取请求。
本文介绍了一种构建法律RAG应用程序的方法，该应用程序使用检索增强生成技术，旨在提供准确、更新的法律信息，而不需要重新训练大型语言模型。文章详细介绍了如何使用semchunk、Kanon 2 Embedder、Kanon 2 Reranker、LangChain和Gemini等工具和技术来实现这一目标。
一位AI技术分析师独自使用1080 Ti GPU，从头开始训练了一个法语语言模型（LLM），并在训练过程中遭遇了电力中断。他详细描述了从数据收集、清洗、分词、模型架构设计到训练过程，以及如何通过多阶段训练和对比学习来提高模型性能。
这篇公告介绍了如何使用一种新的技术，在单个4GB GPU上运行70B大型语言模型（LLM）的推理。这项技术通过层状推理、Flash注意力优化、模型文件分片、元设备和开源库AirLLM等方法，显著降低了内存需求，使得在资源受限的硬件上也能运行大型LLM。
这篇博客详细介绍了在Transformer模型中处理张量维度的重要性，包括矩阵乘法、嵌入层、位置编码、解码器层和注意力机制等关键概念，旨在帮助读者更好地理解Transformer架构。
这篇公告列出了2025年开源的AI代理项目列表，包括多种类型的代理框架和工具，旨在帮助开发者构建和测试自己的多智能体系统。
这篇公告详细介绍了小型语言模型（SLM）的概念、制作方法、优势、局限性以及在实际应用中的使用。SLM是一种轻量级的语言模型，适用于资源受限的环境，如智能手机和嵌入式系统。它们保留了核心的自然语言处理能力，同时具有低计算需求、低能耗和快速推理等优势。公告还介绍了如何使用Ollama和PocketPal等工具在边缘设备上运行SLM，以及如何通过微调来提高模型性能。
Parloa公司利用OpenAI的模型推出了可扩展的语音驱动AI客户服务代理，使企业能够设计、模拟和部署可靠的实时交互服务。
OpenAI发布了GPT-5.5和GPT-5.5-Cyber，旨在扩展网络安全中的可信访问，帮助验证的防御者加速漏洞研究并保护关键基础设施。
这篇论文介绍了DALPHIN，一个用于数字病理学AI辅助诊断的多中心公开基准，评估了AI辅助诊断系统在辅助病理学家进行日常诊断中的潜力。通过包含来自6个国家、14个亚专业和300个病例的1236张图像的数据集，论文比较了通用和病理学特定AI辅助诊断系统的性能，并提供了与31位来自10个国家的病理学家的人类表现基准。
这篇论文提出了一个名为SWE-ZERO到SWE-HERO的两阶段微调方法，通过蒸馏开放权重前沿LLMs在SWE-bench上实现了最先进的成果。SWE-ZERO使用大规模的无执行轨迹来掌握代码语义和仓库级推理，而SWE-HERO则通过有针对性的、基于执行的细化策略将这些语义直觉转化为严格的工程工作流程。实验结果表明，该方法在开源模型中达到了新的基准。
这篇论文提出了一种统一的理论框架，用于严格分析和系统构建深度神经网络（DNNs）。该框架通过显式建模张量操作的结构来填补现有理论的空白，并实现了两个新目标：分析深度学习历史中架构复杂性的演变，以及基于新型张量操作自动构建新的架构。研究揭示了突破性架构与不同类型架构复杂性增加之间的联系，并确定了几个尚未探索的高复杂性架构类别。
这篇论文提出了一种名为EvoLM的自进化语言模型训练方法，通过构建显式的判别性标准来提升模型的自评估能力，从而实现无需外部监督的自我改进。EvoLM在单个语言模型中交替训练两个能力：生成针对特定实例的评估标准，以及使用这些标准作为奖励的训练策略。实验表明，EvoLM在多个任务上优于GPT-4.1和其他奖励模型。
这篇论文提出了MHPR，一个多维人类感知和推理基准，用于评估大型视觉-语言模型在人类中心场景中的联合感知和推理能力。它通过多级别的数据设计和自动化的描述/问答生成管道，评估了视觉语言模型在细粒度属性和高级语义上的表现，并展示了在特定数据集上的性能提升。
ScrapMem 论文提出了一种基于生物启发机制的框架，用于在设备上实现个性化智能体记忆。该框架通过集成多模态数据到“剪贴簿页面”，引入光学遗忘机制，降低存储成本，并通过构建事件记忆图（EM-Graph）保持语义一致性，实现了长期个性化记忆的存储和检索。
这篇论文提出了iWorld-Bench，一个用于交互式世界模型训练和测试的全面基准。该基准通过构建一个包含330k视频片段的多样化数据集，并引入一个统一的行为生成框架，旨在评估世界模型在距离感知和记忆等交互相关能力上的表现。
这篇论文研究了在GRPO（GRPO-style training）中如何聚合token-level policy gradient terms，提出了Balanced Aggregation（BA）方法来解决token aggregation和sequence aggregation带来的优化偏差问题，通过实验验证了BA在提高训练稳定性和最终性能方面的有效性。
这篇论文提出了一种名为DoGMaTiQ的自动化问答片段生成方法，用于报告评估。该方法通过三个阶段生成高质量的问答片段集，并与AutoArgue框架结合，实现报告的自动评估。实验表明，该方法在跨语言TREC共享任务中表现出色。
