精选 24 篇，从 330+ 条中筛选
AI深度解读
Hugging Face发布FINAL Bench：AI自我修正瓶颈揭秘
Hugging Face发布了FINAL Bench，这是一个新的基准测试，旨在衡量人工智能系统的元认知能力，即AI识别和纠正自身错误的能力。该测试通过100项任务评估AI的自我修正能力，揭示了AI在自我纠正方面的瓶颈，并提出了对AI安全的警示。
Hugging Face发布VAB基准测AI审美能力
Hugging Face发布了VAB（视觉美学基准），这是一个测试前沿AI模型是否能进行细致美学判断的基准。该基准通过成对和基于集合的比较，以及超过13,000项专家评估，来评估模型在美术、摄影和插画领域的表现。目前表现最好的模型准确率仅为26.5%，远低于人类专家的68.9%。VAB旨在克服现有美学评估基准中的客观性陷阱，通过结构化和专家判断来确保评估的专业性。
月之暗面AI发布Kimi K2.5：两周后仍值得期待
北京月之暗面AI公司发布了Kimi K2.5，这是一个拥有1.04万亿参数的大型开放权重模型，引入了“Agent Swarm”概念，通过并行代理强化学习框架提升任务处理效率。K2.5在多个基准测试中表现出色，但在某些领域如通用知识和创意写作方面仍存在不足。
Follow the White Rabbit: Using Embeddings So You Never Get Lost in Translation
本文介绍了如何利用嵌入模型来评估多语言书籍翻译的忠实度，通过实验对比了《爱丽丝梦游仙境》的英法两个版本，展示了如何使用Hugging Face Inference Endpoints上的Qwen3-Embedding-4B模型进行章节和段落匹配，以及段落层面的语义合并对齐策略，从而有效评估翻译质量。
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。
NVIDIA发布Nemotron ASR：实时语音识别新标杆
NVIDIA发布了一种名为Nemotron Speech ASR的新实时语音识别模型，该模型通过缓存感知流式处理技术，实现了更高的效率和更低的延迟，为实时语音代理提供了新的基准。
探索SSM奥秘：Hugging Face揭秘三视图优势
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。
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。
LightOnAI发布轻量级OCR新模型LightOnOCR-2-1B
LightOn AI 发布了 LightOnOCR-2-1B，这是一个10亿参数的第二代端到端视觉-语言 OCR 模型，旨在将文档页面转换为高质量文本，同时提供轻量级布局信息。该模型在性能和速度上均优于同类产品，并支持Hugging Face Transformers生态系统，便于社区使用。
NVIDIA发布Cosmos Policy：机器人控制新突破
NVIDIA发布了一项名为Cosmos Policy的新研究，这是一项用于高级机器人控制和规划的技术，通过后训练世界基础模型Cosmos Predict-2来实现。该技术能够将机器人动作、物理状态和成功分数编码为额外的潜在帧，并使用与视频生成相同的扩散过程进行学习，从而提高了机器人操作的性能。此外，NVIDIA还宣布了Cosmos Cookoff，一个开放式黑客马拉松，旨在推动物理AI的发展。
体验未来计算：我让龙虾助手OpenClaw掌控我的Jetson！
这篇公告介绍了OpenClaw，一款将计算机从被动工具转变为主动协作伙伴的AI代理。它能够自主设置开发环境、优化硬件配置，并通过自然语言与用户交流，执行复杂指令并提供主动反馈。尽管成本较高，但OpenClaw代表了计算领域的新范式，预示着计算机使用方式的转变。
GEM Image: Building an AI That Actually Gets Educational Diagrams Right
暂无摘要
Hugging Face发布MAEB：音频嵌入技术新基准
Hugging Face发布了MAEB（大规模音频嵌入基准），这是一个旨在评估音频嵌入模型性能的统一框架。MAEB包含98个任务，涵盖多种语言和模型，旨在帮助研究人员和开发者更好地理解不同模型在各个任务上的表现，推动音频嵌入技术的发展。
OpenAI Codex与Figma联手打造代码到设计无缝体验
OpenAI 与 Figma 合作推出了一项新的 Codex 集成，实现了代码与设计之间的无缝转换，允许团队在实现和 Figma 画布之间迭代和快速交付。这一集成支持双向工作流，用户可以从 Codex 生成 Figma 设计，也可以将 Figma 设计转换为代码中的 UI，从而提升效率并模糊化工程师和设计师之间的角色界限。
太平洋西北国家实验室与OpenAI携手加速联邦许可审批
OpenAI与美国能源部下属的太平洋西北国家实验室（PNNL）合作，推出名为DraftNEPABench的新基准，旨在通过AI技术加速联邦许可流程，特别是国家环境政策法案（NEPA）文件起草工作，预计可缩短15%的起草时间，从而提高政府工作效率和准确性。
AI智能体场论记忆：持续动态保真上下文
这篇论文提出了一种基于场理论的记忆系统，用于AI智能体。该系统将存储的信息视为由偏微分方程控制的连续场，而不是数据库中的离散条目。这种方法借鉴了经典场理论，使记忆在语义空间中扩散，根据重要性进行热力学衰减，并在多智能体场景中通过场耦合进行交互。论文在两个长期上下文基准测试中评估了该系统，实现了显著的性能提升。
基于隐状态推测解码：让每一稿都算数
这篇论文提出了一种基于隐藏状态的可预测解码方法，旨在提高大型语言模型（LLM）推理的效率。通过将废弃的草稿转换为可重用令牌，该方法减少了计算浪费，并通过使用自动回归预测和高效的令牌信息注入机制，实现了高达3.3倍的速度提升。
AngelSlim：大型模型压缩的更易用、全面、高效工具包
这篇论文介绍了AngelSlim，一个由腾讯云天元团队开发的用于大型模型压缩的综合工具包。它集成了量化、推测解码、token剪枝和蒸馏等前沿算法，提供了一套从模型压缩到工业规模部署的统一流程。AngelSlim通过集成先进的FP8和INT8后训练量化算法，以及超低比特率研究，实现了高效的加速。此外，它还提出了与训练对齐的推测解码框架和无需训练的稀疏注意力框架，以及针对多模态模型的专用剪枝策略。
向量数据库中基于相似度检索的任务感知LoRA适配器组合
这篇论文提出了一种基于相似性检索的动态LoRA适配器组合框架，通过在向量数据库中检索相似训练示例，实现了对未见任务的零样本泛化。该方法通过构建任务感知的向量数据库，并在推理时动态合并相关的LoRA适配器，显著提高了多任务学习的性能。
ARLArena：稳定强化学习统一框架
这篇论文提出了ARLArena，一个用于稳定代理强化学习的统一框架。它通过构建一个干净和标准化的测试平台，将策略梯度分解为四个核心设计维度，并评估每个维度的性能和稳定性。此外，论文提出了SAMPO，一种旨在减轻代理强化学习中不稳定性的稳定策略优化方法，通过实验证明了其在多种代理任务中的稳定性和高性能。
