精选 69 篇，从 670+ 条中筛选
AI深度解读
google/gemma-4-31B-it：31B参数多模态大模型
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。
Qwen/Qwen3.6-35B-A3B：35B参数代码生成利器
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：PII检测与屏蔽，高效数据清洗
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：27B参数代码生成大模型
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-ai/DeepSeek-V4-Flash：百万token长上下文高效MoE模型
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。
deepseek-ai/DeepSeek-V4-Pro：百万token长上下文处理高效模型
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。
SeeSee21/Z-Anime：动漫风格图像生成利器
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。
TenStrip/LTX2.3-10Eros：多模态视频生成，创新层缩放
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：多模态文本视频生成新秀
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：高效数学代码推理大模型
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。
google/gemma-4-26B-A4B-it-assistant：多模态大模型，多语言速推理
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。
Jackrong/Qwopus3.6-35B-A3B-v1-GGUF：35B参数MoE推理增强模型
Jackrong/Qwopus3.6-35B-A3B-v1-GGUF是一款基于Qwen3.6-35B-A3B的推理增强MoE模型，定位为推理模型。该模型具有35B参数，支持高达262k的上下文窗口，采用LoRA进行微调，支持视觉和工具调用。在性能上，该模型在推理和逻辑处理方面表现出色，适用于需要复杂推理和多模态任务的应用场景。
🔥 HiDream-ai/HiDream-O1-Image
HiDream-O1-Image是一款基于Pixel-level Unified Transformer的图像生成模型，定位为多模态模型。其核心技术特点包括无VAE和分离文本编码器，支持文本到图像、图像编辑和主题驱动个性化。性能上，该模型在人工分析文本到图像领域排名第八，具有高分辨率和推理驱动的提示代理。主要应用场景包括图像生成、编辑和个性化定制。开源协议为MIT，硬件需求较高，推理效率良好。
google/gemma-4-31B-it-assistant：31B参数，多语言，高效生成
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。
sensenova/SenseNova-U1-8B-MoT：8B参数多模态通用大模型
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。
🔥 froggeric/Qwen-Fixed-Chat-Templates
🔥 froggeric/Qwen-Fixed-Chat-Templates 是一款针对 Qwen 3.5 和 3.6 版本的固定聊天模板，旨在解决官方模板中的渲染错误、token 浪费和缺失功能。该模型定位为特定领域微调模型，专注于聊天模板的优化。其核心技术包括 Jinja 模板引擎和 Qwen 模型适配，具有参数量小、上下文长度适中、易于部署的特点。在性能表现上，该模型在聊天模板领域表现出色，能够有效提升聊天体验。主要应用场景为聊天机器人、虚拟助手等。实用考量方面，该模型开源协议为 Apache-2.0，硬件需求较低，推理效率较高，与流行推理框架兼容性好。
HiDream-ai/HiDream-O1-Image-Dev：像素级Transformer，高分辨率图像生成
HiDream-O1-Image是一款基于Pixel-level Unified Transformer的图像生成模型，定位为多模态模型。它具有像素级统一Transformer架构，支持文本到图像、图像编辑和主题驱动个性化等功能。该模型在2026年5月5日的人工智能文本到图像领域中排名第8，具有高分辨率图像生成能力。其开源协议为MIT，适用于多种硬件平台，推理效率较高，与流行推理框架兼容。
openbmb/MiniCPM-V-4.6：多模态模型，高效视觉理解
MiniCPM-V 4.6是一款针对移动端优化的多模态语言模型，定位为多模态模型。它基于SigLIP2-400M和Qwen3.5-0.8B LLM构建，具有强大的图像和视频理解能力。该模型在保持高性能的同时，通过混合4x/16x视觉token压缩和LLaVA-UHD v4技术，显著提高了计算效率。在基准测试中，MiniCPM-V 4.6在多个视觉语言理解任务上表现优异，尤其在OpenCompass、RefCOCO等基准上达到Qwen3.5 2B级别的性能。模型适用于移动平台，支持多种推理框架，并开源了边缘适配代码，便于开发者定制。
Supertone/supertonic-3：轻量级文本到语音，31语种支持
Supertone/supertonic-3是一款专注于本地推理的轻量级文本到语音系统，定位为特定领域的微调模型。其核心技术包括ONNX Runtime和多种语言支持，具有高阅读稳定性和低重复/跳过失败率。性能上，Supertonic 3在31种语言中表现出色，支持简单的表情标签，适用于本地设备上的快速语音合成。主要应用场景包括语音合成和多媒体内容创作，使用时需考虑其开源协议和硬件需求。
基于评分标准的策略蒸馏
这篇论文提出了一种基于评分标准（rubric）的在线策略蒸馏（OPD）方法，通过使用结构化的语义评分标准代替教师模型的logits，实现了对模型对齐的扩展，特别是在黑盒场景中。该方法通过从教师-学生对比中诱导特定提示的评分标准，并利用这些标准对学生的输出进行评分，从而优化策略。实验结果表明，该方法在样本效率上优于基于logits的OPD方法，达到了高达10倍的提升。
模型之选：万千模型中寻最佳
这篇论文提出了ModelLens，一个用于在开放模型生态系统中推荐最佳模型的统一框架。它通过分析公共排行榜的交互数据，学习模型在不同评估设置下的能力，从而在无需在目标数据集上运行候选模型的情况下，对未见过的模型和未见过的数据集进行排名。
Q-RAG：基于价值嵌入器的长文本多步检索
这篇论文提出了Q-RAG，一种通过基于价值的嵌入器训练进行长上下文多步检索的新方法。Q-RAG通过强化学习微调嵌入器模型，以实现资源高效的多步检索，从而提高LLM在复杂问题回答中的性能。该方法在BabiLong和RULER等长上下文基准测试中取得了最先进的成果。
基于残差潜行动学习视觉特征世界模型
这篇论文提出了一种基于视觉特征的世界模型（World Model）学习方法，通过引入残差潜在动作（Residual Latent Action, RLA）来预测未来的视觉特征，从而提高模型的预测效率和减少幻觉现象。该方法在模拟和真实世界数据集上优于现有的特征和视频扩散世界模型，并且比视频扩散快得多。
轨迹导航蒸馏：少步离散流匹配新方法
这篇论文提出了一种名为TS-DFM的轨迹形状离散流匹配方法，通过能量导航蒸馏技术，减少文本生成过程中的迭代次数，从而提高效率。该方法通过在训练过程中引导学生模型，使其在少量步骤内模仿教师模型的生成过程，显著降低了困惑度，同时保持了推理成本不变。
Delta-Adapter：单对监督下的可扩展示例图像编辑
这篇论文提出了Delta-Adapter，一种基于示例的图像编辑方法，通过单对监督学习可迁移的编辑语义。它使用预训练的视觉编码器提取语义差异，并通过Perceiver-based adapter将其注入到预训练的图像编辑模型中，从而实现单对监督，无需额外的示例对。实验表明，Delta-Adapter在编辑准确性和内容一致性方面优于现有方法，并有效泛化到未见过的编辑任务。
探索大型语言模型下的强化学习界面
这篇论文提出了一种名为LIMEN的框架，利用大型语言模型（LLM）来发现强化学习任务接口，通过联合进化观察和奖励函数，自动从原始模拟器状态生成有效的任务接口，显著减少了手动工程的工作量。
AI系统若非聊天机器人
这篇论文探讨了人工智能系统如果不仅仅局限于聊天机器人界面，将会带来何种影响。它指出，聊天机器人范式并非中立的界面选择，而是主导的社会技术配置，其广泛采用重塑了社会、经济、法律和环境系统。论文分析了将人工智能主要视为对话助手的结构性弊端，并探讨了聊天机器人介导的互动如何改变工作、学习和决策模式，导致技能退化、知识同质化和对专业知识的期望转变。最后，论文还考察了更广泛的社会影响，包括劳动力转移、经济权力集中和由大规模聊天机器人基础设施持续投资带来的环境成本增加。
重新审视LLM推理中的RL：关键在稀疏策略选择而非能力学习
这篇论文挑战了强化学习在大型语言模型推理能力提升中的作用，指出强化学习并非教会模型新策略，而是重新分配模型已有解决方案的概率质量。通过分析多个模型家族和强化学习算法，论文发现强化学习的有益影响集中在模型不确定的决策点，并提出了一种名为ReasonMaxxer的无需强化学习的方法，通过对比损失仅在熵门控决策点应用，显著降低了训练成本。
便携式跨框架LLM智能体安全技能编译技术
这篇论文提出了SkCC，一个用于跨框架LLM代理的便携和安全的技能编译框架。它通过引入经典编译器设计，将技能语义与平台特定的格式解耦，从而实现跨异构代理框架的便携部署，并增强了安全性和性能。
CGM-JEPA：预测自监督预训练学习一致性连续血糖监测表示
这篇论文提出了一种名为CGM-JEPA的自监督预训练框架，用于学习一致性的连续葡萄糖监测（CGM）表示。该框架通过预测掩码的潜在表示来学习抽象，从而实现跨模态的迁移。实验表明，CGM-JEPA在多个临床队列和不同场景下均优于基线模型，特别是在群体泛化、静脉到CGM迁移和家用CGM方面。
MatryoshkaLoRA：LLM微调的精准层级低秩表征学习
这篇论文提出了MatryoshkaLoRA，一种基于LoRA的参数高效微调框架，通过插入精心设计的对角矩阵P来学习准确的分层低秩表示，从而在保持准确性的同时实现动态秩选择，并提出了AURAC指标来评估分层低秩适配器的性能。
PrefixGuard：LLM-Agent追踪至在线故障预警监控
PrefixGuard论文提出了一种从LLM-Agent追踪到在线故障警告监控的框架，通过离线StepView归纳步骤和监督监控训练，实现了对LLM执行任务过程中的实时监控和故障预警，有效提高了监控的准确性和效率。
稀疏自编码器：VLMs对抗攻击检测的即插即用防火墙
这篇论文提出了一种基于稀疏自编码器（SAEs）的轻量级对抗攻击检测框架SAEgis，用于在视觉语言模型（VLMs）中检测对抗攻击。该框架通过在预训练的VLM中插入SAE模块并使用标准重建目标进行训练，能够有效地捕捉攻击相关的信号，从而实现对输入图像是否被对抗性扰动的高可靠性分类。
文本到SQL排序奖励与重采样方法
R^3-SQL通过统一的排名奖励和重采样技术，解决了现有Text-to-SQL系统在评分一致性和候选查询召回率方面的问题。该方法通过将候选查询分组并统一评分，同时引入了智能重采样机制，显著提高了SQL查询生成的准确性和召回率。
千层扩散Transformer的均值-方差分割残差：均值模式尖叫
这篇论文提出了一种名为Mean-Variance Split (MV-Split) Residuals的方法，用于解决在扩展扩散Transformer（DiT）到数百层时出现的结构性问题，即网络可能进入一个无声的、均值主导的崩溃状态。该方法通过分离均值和方差成分，防止网络崩溃，并在400层单流DiT上显示出优于其他方法的性能。
音乐驱动舞蹈视频生成：动作外观级联专家MACE-Dance
这篇论文提出了MACE-Dance，一个基于音乐驱动的舞蹈视频生成框架，通过级联混合专家（MoE）结构，分别处理运动和外观生成。运动专家使用扩散模型和BiMamba-Transformer架构生成3D运动，外观专家则进行运动和参考条件下的视频合成，以保持视觉身份和时空一致性。实验表明，MACE-Dance在3D舞蹈生成和姿态驱动图像动画方面均达到了最先进的性能。
量子启发的可扩展序列学习：Gated QKAN-FWP
这篇论文提出了一种名为gated QKAN-FWP的快速权重编程框架，该框架结合了快速权重编程（FWP）和量子启发的Kolmogorov-Arnold网络（QKAN），通过单比特数据重上传电路作为可学习的非线性激活，实现了在NISQ设备上的可扩展性和参数效率。
DTap：可控互动AI红队平台
这篇论文介绍了DecodingTrust-Agent Platform (DTap)，一个可控和交互式的AI代理红队平台，用于评估AI代理的安全性。DTap包含14个真实世界领域和50多个模拟环境，并提出了DTap-Red，一个自主的红队代理，用于探索不同的注入向量并发现针对不同恶意目标的攻击策略。通过DTap，研究人员对基于不同骨干模型的流行AI代理进行了大规模评估，揭示了系统性的漏洞模式，并为开发安全的下一代AI代理提供了宝贵见解。
重新审视循环模型中的状态跟踪：误差控制动态
这篇论文提出了通过误差控制动力学重新思考循环模型中的状态跟踪问题。它指出，除了表达性之外，误差控制对于确保状态表示的稳定性同样重要。论文证明了线性循环网络无法在状态分离子空间中纠正错误，并展示了这种失败机制，即当累积的类内分散相对于初始的类间分离变得较大时，跟踪将变得不可读。
Hugging Face推10K Reachy Minis代理机器人应用商店
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。
Tether Data推QVAC MedPsy 边缘设备AI医疗新标杆
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。
LocalAI突破摩尔定律：两年笔记本电脑性能飞跃
这篇公告讨论了在过去两年中，尽管硬件性能没有显著提升，但本地AI模型在笔记本电脑上的性能却以超过摩尔定律的速度增长。文章强调了稀疏混合专家、量化技术和推理训练等创新在推动这一进展中的作用。
深度估计新突破：视频压缩增强AI鲁棒性
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。
商汤联手南洋理工，NEO-unify革新多模态AI学习
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。
开源AI肿瘤决策助手OncoAgent：隐私保护新利器
OncoAgent是一个开源的、保护隐私的肿瘤学临床决策支持系统，它结合了双层微调LLM架构和最先进的LangGraph多智能体拓扑结构，以及一个基于70多个NCCN和ESMO指南的四阶段Corrective RAG管道。该系统旨在通过减少对云API的依赖，保护患者数据主权，并在AMD Instinct MI300X硬件上实现。
AI达人揭秘：KV缓存加速Transformer推理
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。
ShaneAI数学建模新突破FANT与Sparrow模型惊艳亮相
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。
CyberSecQwen-4B: Why Defensive Cyber Needs Small, Specialized, Locally-Runnable Models
LabLab AI和AMD合作发布了一个名为CyberSecQwen-4B的网络安全模型，这是一个小型、专业化的本地可运行模型，旨在提高网络安全防御的效率和效果。该模型在AMD Instinct MI300X上训练，并在多个网络安全任务中表现出色，包括CWE分类、CVE到CWE映射和结构化CTI问答。
用户揭秘：abliteration技术解锁LLM无审查响应新境界
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。
独闯法语LLM训练之旅：1080Ti助力，电力中断也难挡！
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。
探索Pallas：JAX新扩展让Python用户轻松定制GPU/TPU内核
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。
Hugging Face携手JFrog Artifactory升级AI存储库布局
这篇公告介绍了Hugging Face与JFrog Artifactory的集成，强调了即将到来的技术更新，包括2026年6月前的迁移到新的机器学习存储库布局，以及Hugging Face Enterprise Plus的新功能，如Model Gateway，旨在解决企业级AI工作负载的挑战。
Python实战：用户亲授RAG系统构建教程
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。
用户名揭秘：Transformer模型中张量维度处理技巧
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。
AI进化揭秘：GRPO到GSPO强化学习新突破
本文介绍了从GRPO到DAPO再到GSPO的强化学习技术演进，重点关注了在大型语言模型中如何优化长文本输出和复杂任务的性能。文章详细讨论了每种方法的原理、优势和局限性，并展示了如何通过改进采样、剪枝和梯度计算等细节来提高效率和稳定性。
AI专家驳无分词器论：分词器不可或缺
本文讨论了自然语言处理中的分词器（tokenizer）的重要性，反驳了“无分词器”语言模型的观点，并强调了分词器在语言模型中的作用和重要性。
AI评估成新计算瓶颈 资源瓶颈制约AI发展
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。
AI专家揭秘：打造无需重训的RAG法律应用
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。
Hugging Face推BM25S库 Python搜索速度提升500倍
Hugging Face发布了BM25S，一个用于Python的词法搜索库，旨在实现高性能和低依赖性。该库通过利用`scipy`的稀疏矩阵，与流行的Python库`rank-bm25`相比，实现了高达500倍的搜索速度提升，同时保持在Python生态系统内。BM25S提供与Elasticsearch相当的性能，易于安装，并支持多种BM25变体，如Original、ATIRE、BM25L、BM25+和Lucene。
OpenAI推出DeployCo助力企业构建智能生态
OpenAI宣布成立OpenAI部署公司，旨在帮助企业将前沿AI技术融入实际应用场景，通过收购Tomoro并引入150名专家，该公司将协助企业构建和部署可信赖的人工智能系统，实现可衡量的业务成果。
2026年初ChatGPT应用拓展
2026年第一季度，ChatGPT的采用率显著增长，35岁以上的用户增长最快，性别使用更加平衡，这标志着更广泛的AI主流化。然而，由于抓取链接失败，无法获取更多详细信息。
GraphReAct：多步图推理的推理与行动
GraphReAct论文提出了一种图推理-行动框架，通过结合推理和行动来增强大型语言模型在图学习上的表现。该框架通过设计图基动作空间，包括拓扑检索和语义检索，动态扩展推理上下文，并通过上下文精炼动作支持多步推理，最终在六个基准数据集上实现了优于现有方法的性能。
基于LLM代理的层次化泛化规划：学习与策略分解重用
这篇论文提出了一种名为HCL-GP的动态策略学习方法，用于基于LLM的智能体进行分层广义规划。该方法通过自动分解学习组件，将成功执行中的可重用组件组织成组件库，以实现策略的组合生成。论文解决了组件学习、组件泛化和高效检索三个挑战，并在AppWorld基准测试中取得了显著的性能提升。
统一测度理论视角下的扩散、评分和流匹配生成模型研究
这篇论文提出了一种统一的理论框架，将扩散模型、基于分数的生成模型和流匹配视为学习时间依赖向量场的方法，该向量场由连续性和Fokker-Planck方程控制，从而统一了这些生成模型的方法论。论文推导了反向时间采样，展示了概率流ODE如何连接扩散模型和基于似然的正态化流，并解释了流匹配作为直接回归速度场的方法。
BalCapRL：基于强化学习的平衡多模态图像描述框架
这篇论文提出了BalCapRL，一个平衡的基于强化学习的多模态大型语言模型（MLLM）图像描述框架。该框架旨在解决现有图像描述方法中存在的质量权衡问题，通过联合优化实用性、正确性和语言质量，实现了更高质量的图像描述。
视觉带宽再思考：世界模型中VLA策略的帧级token
这篇论文提出了一种新的视觉语言动作（VLA）模型，称为OneWM-VLA，通过自适应注意力池化将每帧视图压缩成一个语义标记，以减少视觉带宽，同时保持长期性能。该方法在MetaWorld~MT50、LIBERO-Long和Fold Cloth任务上显著提升了成功率和性能。
AI辅助理论物理：何时批判能提升？结构化批判-代理推理循环（SCALAR）
这篇论文提出了SCALAR，一个用于AI辅助理论物理学的Actor--Critic--Judge框架，通过研究不同角色和策略对AI推理结果的影响，探讨了如何通过交互结构优化AI驱动的科学发现。
多模态交错智能搜索基准评测：InterLV-Search
这篇论文提出了InterLV-Search，一个用于评估交错语言-视觉代理搜索的基准。该基准通过重复使用文本和视觉证据来指导搜索过程，包含三个级别的示例，并展示了当前系统在交错多模态搜索方面的挑战。
链接感知RAG系统超链技术文档检索策略
这篇论文提出了LARAG，一种轻量级的链接感知检索策略，用于增强RAG系统在超链接技术文档中的应用。LARAG通过利用HTML文档中已有的超链接结构，将超链接关系编码为块表示中的元数据，从而实现一种类似于图式的本地相关内容检索，提高了答案质量，同时减少了检索的块数和生成的标记数。
基于深度理解的Moodle智能辅导系统
这篇论文介绍了一种基于Moodle的AI教学辅助系统，该系统利用检索增强生成（RAG）技术提供高质量、无幻觉的教育内容。系统采用双中心设计，为学生提供互动式、苏格拉底式的辅导，并为教育者提供一个“人机交互”的工作空间。通过将大型语言模型（LLM）的响应与教师提供的材料相结合，该系统解决了信息失真的风险，并鼓励深入的概念掌握。通过Ragas框架和初步用户研究验证了其有效性。
