精选 69 篇，从 380+ 条中筛选
Jackrong/Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled-GGUF 是一个基于 Qwen3.5 架构的推理模型，专注于结构化推理逻辑。该模型采用 CoT 技术和 Claude-4.6 Opus 的推理链进行微调，具有高效的推理效率和减少冗余认知循环的能力。模型定位为推理模型，具有 27B 参数量，支持多种语言，适用于需要复杂推理和精确解决方案的场景。性能方面，模型在相关基准测试中表现良好，具有开源协议，适合在多种硬件和推理框架上使用。
Voxtral-4B-TTS-2603是一款专注于语音合成的LLM，定位为特定领域微调模型。其核心技术包括Transformer架构和Voxtral TTS模型，支持多语言和方言，具有低延迟和高性能的特点。在基准测试中表现出色，适用于客户支持、金融服务等多个场景。开源协议为CC BY-NC 4.0，对硬件要求较高，推理效率高。
Chroma Context-1是一款基于gpt-oss-20b的20B参数的检索增强型模型，旨在提高检索效率和性能。该模型通过查询分解、并行工具调用和自我编辑上下文等特性，实现了在降低成本的同时，提供与前沿LLM相当的性能，且推理速度可快10倍。它适用于需要复杂查询和大量文档检索的场景，如法律、金融和Web搜索等。
CohereLabs的cohere-transcribe-03-2026模型定位为特定领域微调模型，专注于语音识别与转录任务。该模型采用自动语音识别技术，具有自动化的数据处理流程。技术特点包括Transformer架构和自动语音识别技术。性能方面，模型在Hugging Face排行榜上表现良好，具有高效的处理速度和准确的转录结果。主要应用场景包括语音转文本、会议记录等。该模型适合对语音识别和转录有较高要求的场景，具有较好的开源协议和硬件兼容性。
LiquidAI/LFM2.5-350M是一款针对边缘设备部署的混合模型，具有350M参数量，支持多种语言。该模型在性能上与更大规模的模型相媲美，同时具备快速边缘推理能力。它采用了扩展的预训练和强化学习方法，具有16层结构，上下文长度为32,768 tokens。在性能表现上，该模型在MMLU、GPQA、IFEval等基准测试中表现出色。主要应用场景包括边缘设备上的自然语言处理任务，如文本生成、问答等。其开源协议、硬件需求以及与流行推理框架的兼容性使其在实用考量方面具有优势。
🔥facebook/sam3.1是一款热门的通用大模型，具有强大的多模态处理能力。该模型采用Transformer架构，上下文长度可达3.1K，参数量庞大，训练数据丰富。在MMLU、GPQA等基准测试中表现优异，尤其在代码生成和数学推理方面具有显著优势。开源协议为Apache-2.0，硬件需求较高，推理效率良好，兼容主流推理框架。
Holo3-35B-A3B是一款专注于GUI Agent的视觉语言模型，属于多模态模型类别。该模型采用35B参数的稀疏MoE架构，基于Qwen3.5-35B-A3B进行微调，具有强大的视觉理解和文本推理能力。在OSWorld-Verified基准测试中达到77.8%的分数，展现出在计算机使用和网页导航方面的卓越性能。模型适用于需要多模态交互和复杂推理的场景，如企业级应用和智能导航系统。
Bonsai-8B-GGUF-1bit 是一款基于 llama.cpp 的端到端 1 位语言模型，具有高效率、低能耗的特点。该模型定位为通用大模型，采用 1 位权重和 GGUF Q1_0_g128 格式，参数量仅为 1.15 GB，适合在多种平台上运行。其在 6 个类别上的平均得分为 70.5，与全精度 8B 模型相当，但体积缩小了 14 倍。该模型适用于需要高性能和低功耗的场景，如移动设备和边缘计算。
TRIBE v2是一款多模态脑编码模型，结合了LLaMA 3.2（文本）、V-JEPA2（视频）和Wav2Vec-BERT（音频）等先进特征提取器，通过统一的Transformer架构预测自然刺激的fMRI脑响应。该模型在LLM生态中定位为多模态模型，具有独特的脑编码能力。技术特点包括多模态融合和Transformer架构。在性能上，模型在自然刺激的脑响应预测方面表现出色。主要应用场景包括神经科学研究和多模态内容分析。开源协议为CC BY-NC 4.0，对硬件需求较高，推理效率取决于具体应用。
Gemma-4-E4B-it是一款由Google DeepMind开发的通用多模态大语言模型，支持文本和图像输入，并生成文本输出。该模型具有高达256K的上下文窗口，支持超过140种语言。它采用Dense和MoE架构，适用于文本生成、编码和推理等任务。Gemma-4-E4B-it在代码生成、数学推理和指令遵循等方面表现出色，同时支持本地设备上的高效执行。该模型在Hugging Face平台上具有广泛的下载量和点赞数，表明其在LLM领域的受欢迎程度。
microsoft/harrier-oss-v1-0.6b 是微软开发的多语言文本嵌入模型，定位为通用大模型。该模型采用仅解码器架构，具有高维嵌入和L2归一化技术，适用于检索、聚类、语义相似度等任务。在Multilingual MTEB v2基准测试中取得优异成绩。模型具有大规模参数量，支持多种语言，适用于需要多语言能力的场景。开源协议为MIT，硬件需求较高，推理效率良好。
HauhauCS/Qwen3.5-9B-Uncensored-HauhauCS-Aggressive 是一款通用大模型，具有9B参数和32层，支持多语言和上下文长度可扩展至1M。该模型在HuggingFace平台上具有较高下载量和点赞数，其核心能力在于无审查的文本生成，具有更强的拒绝处理能力。在性能表现上，该模型在MMLU、GPQA、IFEval等基准测试中表现良好，具有多模态支持，适用于需要无审查文本生成的场景。其开源协议为Apache-2.0，硬件需求较高，推理效率中等，与vLLM、TGI等流行推理框架兼容。
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-4-26B-A4B-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。该模型具备强大的推理和编码能力，支持文本、图像等多种输入，并生成文本输出。其核心能力包括扩展的多模态处理、Dense 和 MoE 架构、优化的设备本地执行等。在性能上，Gemma-4-26B-A4B-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。模型适用于需要高效率、高准确性的场景，如文本生成、编码和推理等。
Jackrong/Qwopus3.5-9B-v3-GGUF是一款推理增强型模型，基于Qwen3.5-9B，旨在提升推理稳定性和正确性，优化推理效率，实现更强的跨任务泛化能力。该模型在HumanEval基准测试中表现出色，尤其在编程任务上具有显著优势。模型定位为推理模型，核心技术为推理增强和结构对齐，性能表现在同类模型中处于领先地位。主要应用场景包括代码生成、数学推理等，适合对推理能力要求较高的场景。
HauhauCS/Qwen3.5-35B-A3B-Uncensored-HauhauCS-Aggressive 是一个基于 Qwen3.5-35B-A3B 的开源模型，专注于图像-文本到文本的转换。该模型定位为多模态模型，具有无审查的特性，适用于需要生成丰富文本内容的应用。其核心技术包括MoE架构和Qwen3.5-35B-A3B基座模型，支持多语言，上下文长度大，参数量高。在性能上，该模型在多个基准测试中表现出色，尤其在图像-文本转换任务中具有显著优势。主要应用场景包括内容生成、图像描述等。该模型开源，硬件需求较高，推理效率中等。
Jackrong/Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled 是一个基于 Qwen3.5 架构的推理模型，专注于结构化推理逻辑。该模型通过从 Claude-4.6 Opus 中提取的 CoT 技术进行微调，具有高效的推理效率和减少冗余认知循环的能力。模型定位为推理模型，具有 27B 参数量，支持文本生成。在性能上，模型在推理任务上表现出色，特别适合需要复杂推理和逻辑分析的场景。开源协议为 Apache-2.0，适合在多种硬件和推理框架上使用。
Qianfan-OCR是一款由百度Qianfan团队开发的4B参数端到端文档智能模型，定位为多模态模型。其核心技术为统一的视觉-语言架构，支持直接从图像到Markdown的转换，具有文档解析、布局分析和文档理解等功能。在OmniDocBench和OlmOCR Bench等基准测试中表现出色，尤其在文档解析和OCR任务上取得了领先成绩。该模型适用于文档智能处理、信息提取等场景，具有开源协议Apache-2.0，适合在多种硬件和推理框架上使用。
Nemotron-Cascade-2-30B-A3B是一款开源的30B MoE模型，具备强大的推理和代理能力。该模型在数学和计算机科学竞赛中表现出色，具有推理和指令遵循模式。其核心技术包括MoE架构、强大的推理能力，以及针对特定数据集的微调。在基准测试中，该模型在数学推理任务中取得了优异成绩。适用于需要高级推理能力的应用场景，如数学问题解决和代码生成。
这篇论文提出了AgentWatcher，一个基于规则的提示注入监控工具，旨在解决大型语言模型（LLMs）在提示注入攻击下的检测难题。AgentWatcher通过将LLM的输出归因于一小部分因果影响语境片段，并使用规则定义提示注入，提高了检测的效率和可解释性。
这篇论文研究了基于LLM的代理在软件工程基准测试中的行为一致性，发现一致性越高，准确性越高。论文通过对比Claude、GPT-5和Llama-3.1-70B模型在不同任务上的表现，揭示了行为一致性如何放大正确和错误的解释，并指出在部署中，解释准确性比执行一致性更重要。
这篇论文研究了在长时程网络导航任务中，如何评估可中断智能体在用户中断（如添加需求或修改目标）时的表现。论文提出了InterruptBench，一个基于WebArena-Lite的基准，用于合成高质量的干扰场景，并评估了六种强大的LLM在单轮和多轮中断设置下的适应性和恢复效率。
这篇论文提出了S0 Tuning方法，通过调整循环层的状态矩阵来优化混合循环-注意力模型，实现了零开销的模型自适应。该方法在HumanEval基准测试中比LoRA提升了10.8个百分点，同时在多个任务上展现了显著的性能提升。
这篇论文研究了手机使用代理在完成良性移动任务时是否尊重用户隐私。作者提出了MyPhoneBench，一个用于评估移动代理隐私行为的可验证框架，并通过实验发现，任务成功、隐私合规的任务完成和后续会话中保存的首选项的使用是三种不同的能力，没有单一模型在所有三个方面都占主导地位。
这篇论文研究了在语言模型中，限制输出长度如何影响模型性能。通过在多个数据集上对31个不同规模的模型进行评估，发现较大的模型在简短回答任务中表现不如较小的模型，并且通过限制输出长度可以显著提高准确性，缩小性能差距。
这篇论文研究了在合并睡眠障碍中，深度学习模型在睡眠分期上的泛化能力不足问题。作者通过引入一个新的临床标注的缺血性卒中数据集iSLEEPS，并使用SE-ResNet加上双向LSTM模型进行单通道EEG睡眠分期，发现模型在健康和疾病人群之间的跨域性能较差，并指出需要开发具有临床验证的、针对特定疾病的主观或疾病特定模型。
这篇论文对基于策略的蒸馏（On-Policy Distillation, OPD）在大型语言模型（LLMs）中的应用进行了全面综述。OPD通过让学生生成自己的轨迹并从教师那里获得反馈，解决了传统离策略蒸馏中训练和测试数据不匹配的问题。论文提出了一个统一的f-散度框架，并从反馈信号、教师访问和损失粒度三个维度对OPD方法进行了分类，系统地分析了代表性方法，并探讨了工业应用和开放性问题。
这篇论文研究了大型语言模型（LLMs）在复杂推理任务中的表现，发现不同语境下推理模型的推理轨迹会显著缩短，并分析了这种变化对模型性能的影响。
这篇论文提出了MemRerank，一个基于偏好记忆的个性化产品重排序框架，通过将用户购买历史转化为简洁的、与查询无关的信号，用于个性化产品重排序。该方法通过强化学习训练记忆提取器，并在1-in-5选择任务中取得了显著的性能提升。
这篇论文提出了ClawKeeper，一个针对OpenClaw自主代理运行时的实时安全框架，通过技能、插件和监视器三个层面的综合保护机制，解决OpenClaw在工具集成、本地文件访问和shell命令执行等强大功能中引入的安全漏洞问题。
这篇论文提出了UniMixer，一个统一的推荐系统缩放架构，通过将基于规则的TokenMixer转换为参数化结构，构建了一个通用的参数化特征混合模块，并设计了一个轻量级的UniMixing模块，以提升缩放效率和模型性能。
这篇论文提出了一种针对大型语言模型（LLM）内存处理流水线的优化方法，通过将优化措施统一为四个步骤：准备内存、计算相关性、检索和应用于推理，显著提高了LLM推理的效率和性能。
这篇论文通过构建IKEA-Bench基准测试，对视觉语言模型（VLMs）在跨描述装配指令对齐任务中的表现进行了评估和分析。研究通过实验发现，通过文本可以恢复装配指令理解，但同时也降低了图到视频的对齐；架构家族比参数数量更能预测对齐准确性；视频理解是一个难以克服的瓶颈，不受策略影响。此外，机制分析揭示了图和视频占据了不同的ViT子空间，添加文本会使模型从视觉推理转向文本驱动推理。
这篇论文提出了Vision2Web，一个用于视觉网站开发的分层基准，它通过静态UI到代码生成、交互式多页面前端复制以及长期全栈网站开发等任务，对视觉语言模型（VLM）在网站开发中的应用进行了系统评估。
这篇论文提出了MiroEval，一个用于评估多模态深度研究代理的基准和评估框架。MiroEval通过真实用户需求构建了100个任务，并从适应性合成质量、事实性验证和过程中心评估三个维度进行评估，以解决现有基准评估的不足。
这篇论文提出了一个名为PaperRecon的评估框架，用于量化现代编码代理撰写的论文的质量和风险。该框架通过比较AI生成的论文与原始论文，将评估分解为呈现和幻觉两个维度，并引入了PaperWrite-Bench基准测试，以评估AI写作论文的质量。
这篇论文提出了Proactive Agent Research Environment (Pare)，一个用于构建和评估主动代理的框架，通过模拟活跃用户来评估主动助手。Pare通过将应用建模为有限状态机，实现了对用户交互的模拟，并提供了143个不同任务的基准测试，以检验上下文观察、目标推断、干预时机和多应用编排能力。
这篇论文提出了QuitoBench，一个平衡的时序预测基准，它覆盖了八个趋势-季节性-可预测性（TSF）制度，旨在捕捉预测相关的属性。该基准基于Quito，一个包含来自支付宝的九个业务领域的应用流量的大规模时序语料库。通过在232,200个评估实例上对10个模型进行基准测试，论文发现深度学习模型在短上下文中表现良好，而基础模型在长上下文中占主导地位，同时强调了可预测性是主要难度驱动因素，并指出增加训练数据量比增加模型规模更有益。
这篇论文通过实验分解了多LLM流水线中第二次处理带来的收益，揭示了这些收益并非单一来源，而是由重新求解、支架和内容三个部分组成，并探讨了这些收益如何依赖于任务结构、草稿质量和草稿信息类型。
本文介绍了作者Niels Rogge如何利用编码智能体Codex将VidEoMT模型贡献到Hugging Face的Transformers库中，强调了自2025年12月以来编码智能体在代码编写能力上的显著提升，以及如何通过提供清晰的提示和利用文件系统等方法，有效指导智能体完成模型移植等任务。
Cohere Labs 发布了 cohere-transcribe-03-2026，这是一个拥有20亿参数的先进语音识别模型，在 Hugging Face 上以 Apache 2.0 许可证开源。该模型专为14种企业关键语言训练，包括中文普通话，实现了最先进的准确性，并具有高效率。它在英语识别方面在 Hugging Face Open ASR 排行榜上位居第一，在其他13种语言中也表现出色。
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。
WM Bench，一个针对世界模型认知智能的新基准测试，旨在评估模型是否真正理解其环境，而非仅仅渲染它。该基准测试通过感知、认知和具身三个核心支柱来评估模型，并引入了多个前所未有的评估类别，如自主情感升级和身体互换可扩展性。同时，WM Bench还发布了基线世界模型PROMETHEUS v1.0，以供社区参考和评估。
暂无摘要
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。
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。
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。
NVIDIA发布Nemotron 3 Nano 4B，这是Nemotron 3系列中最紧凑的成员，采用混合Mamba-Transformer架构，专为边缘设备部署优化，提供高效、准确的小型语言模型，支持FP8和Q4_K_M GGUF量化，旨在降低模型大小和VRAM使用，提高吞吐量和降低延迟。
MiniMax AI 发布了Forge，一个可扩展的Agent强化学习框架和算法，旨在解决大规模Agent RL在系统吞吐量、训练稳定性和Agent灵活性之间的冲突。Forge通过灵活的系统架构、算法设计、优化的异步调度和极致的训练-推理效率，实现了对复杂现实世界Agent的大规模强化学习训练，并在MiniMax M2.5模型中取得了显著成果。
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。
NVIDIA近日发布了Alpamayo 1.5模型，这是一个基于推理的自动驾驶汽车（AV）的开放平台，旨在提供更强大的推理模型、灵活的仿真工具和高质量的数据集。该平台包括文本引导的轨迹规划、灵活的多摄像头支持、用户问答等功能，并支持在更广泛的驾驶数据上进行评估。
暂无摘要
SKT AI LABS发布了其Sovereign AI项目，旨在为印度开发自主的AI技术。该项目包括大型语言模型（LLMs）和复杂架构的研究，以及无缝的数字体验。SKT AI LABS强调其创新能力和对AI技术的深入理解，旨在通过其工具和平台推动AI的普及和高效利用。
这篇Hugging Face博客文章介绍了状态空间模型（SSM）的基本概念，包括其在控制理论和深度学习中的应用。文章详细解释了SSM的三个视图：连续视图、递归视图和卷积视图，并讨论了它们各自的优势和局限性。
本文探讨了将大型语言模型（LLMs）作为操作系统的实现方法，受到Andrej Karpathy关于AI类似操作系统的愿景的启发。文章重点介绍了在终端会话中集成LLMs的实用考虑，提出了一种将状态机注入解码过程的新方法，以实现实时代码执行和交互。此外，文章还提出了“通过系统反馈的强化学习（RLSF）”技术，这是一种应用于代码生成任务的强化学习技术，通过Python子进程执行来评估代码的正确性，从而提高LLM的性能。这些发现为LLMs的动态控制和潜在应用提供了见解。
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。
本文探讨了当前常见的AI模型格式，包括GGUF、PyTorch、Safetensors和ONNX，并分析了每种格式的特点、优缺点以及适用场景。GGUF适用于生产环境和服务模型，PyTorch简单易用但存在安全性和效率问题，Safetensors注重安全性，ONNX提供跨框架互操作性。
Google DeepMind发布了Gemma 4，这是其迄今为止最智能的开放模型家族，专为高级推理和代理工作流设计。Gemma 4提供了四种尺寸，包括E2B、E4B、26B MoE和31B Dense，这些模型在性能上超越了同类模型，并支持多种语言和硬件。Gemma 4旨在推动AI边界，为开发者提供强大的工具。
OpenAI 发布 Codex 的按需付费定价模式，为 ChatGPT 商业版和企业版团队提供更灵活的付费选项。此模式允许团队根据令牌消耗付费，无需固定席位费用，同时降低年费并增加新功能，如插件和自动化，以促进 Codex 在团队中的采用。
这篇论文提出了一种名为HERA的多智能体检索增强生成（RAG）框架，通过联合进化多智能体编排和角色特定的智能体提示，解决了现有RAG方法在复杂多跳任务上的脆弱性能问题。HERA通过全局和局部两个层次优化智能体行为，实现了高效的协调和鲁棒的推理。
这篇论文提出了一种名为OmniMem的统一多模态记忆框架，用于终身AI代理。通过自主研究流程，该框架在两个基准测试中实现了最先进的性能，显著提升了F1分数，并证明了自主研究在AI系统设计中的潜力。
这篇论文提出了PixelPrune，一种通过预测编码在像素级别进行视觉标记减少的方法，旨在减轻视觉语言模型（VLMs）在文档理解和GUI交互等应用中的计算负担。PixelPrune通过在Vision Transformer（ViT）编码器之前剪枝冗余的像素块，实现了像素无损压缩和可控有损压缩，同时保持了任务准确性和加速了推理和训练过程。
这篇论文介绍了BloClaw，一个专为AI科学（AI4S）设计的统一、多模态操作系统。它通过三个创新架构解决了现有研究环境中的问题，包括XML-Regex双通道路由协议、运行时状态拦截沙盒和状态驱动动态视口UI。通过在多个领域进行基准测试，证明了其在化学信息学、蛋白质折叠、分子对接和RAG方面的强大性能。
这篇论文提出了Uni-SafeBench，一个针对统一多模态大型模型（UMLMs）的安全基准，旨在评估UMLMs在处理多样化任务时的整体安全性。通过开发Uni-Judger框架，论文揭示了统一架构虽然提升了模型能力，但也显著降低了其内在安全性，并发现开源的UMLMs在安全性方面表现不如专门针对生成或理解任务的模型。
这篇论文提出了一种名为S0 tuning的新方法，通过调整循环层的状态矩阵来优化混合循环-注意力模型，实现了零开销的模型自适应。该方法在HumanEval基准测试中比LoRA提升了10.8个百分点，同时在多个任务上展现了显著的性能提升。
这篇论文提出了HabitatAgent，一个基于LLM的端到端多智能体系统，用于住房咨询。该系统通过四个专门的智能体角色（记忆、检索、生成和验证）提供可审计和可靠的住房咨询工作流程，显著提高了住房咨询的准确性和可靠性。
这篇论文提出了RAGShield，一个针对政府检索增强生成系统（RAG）中知识库中毒攻击的深度防御框架。该框架通过供应链溯源验证，结合加密文档认证、信任加权检索、形式化污染格、溯源感知生成和NIST SP 800-53合规映射等五层防御措施，有效防御了知识库中毒攻击。
这篇论文提出了VeriAct，一个基于验证引导的智能框架，用于自动合成和修复形式化规范。它通过一个闭环的LLM驱动的规划、代码执行、验证和Spec-Harness反馈来迭代地生成规范，从而提高了规范的正确性和完整性。
