精选 69 篇，从 240+ 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。
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。
LLaDA2.0-Uni是一款基于MoE的多模态统一扩散大语言模型，融合了图像理解和生成能力。该模型具有统一的dLLM-MoE架构，支持文本到图像生成、图像理解、图像编辑等功能。它在性能上表现出色，尤其在多模态理解与生成方面具有显著优势。LLaDA2.0-Uni适用于需要多模态交互的场景，如图像编辑、视觉问答等。其开源协议、硬件需求以及推理效率使其在多模态LLM领域具有竞争力。
Kimi K2.6是一款开源的多模态智能模型，专注于长周期编码、编码驱动设计、自主执行和基于群体的任务编排。该模型在复杂编码任务上表现出色，能够生成生产级界面和全栈工作流程。其核心技术包括压缩张量、多代理和图像-文本到文本的管道。在性能方面，K2.6在多个基准测试中表现出色，具有强大的代码生成和设计能力。适用于需要高效编码和设计的场景，如软件开发和界面设计。
tencent/Hy3-preview是一款由腾讯Hy团队开发的295B参数混合专家（MoE）模型，具有21B激活参数和3.8B MTP层参数。该模型在复杂推理、指令遵循、上下文学习、编码和代理任务上表现优异。其上下文长度达到256K，参数量庞大，支持多种语言和任务，适用于通用大模型领域。在性能上，该模型在多个基准测试中表现出色，具有开源协议、良好的硬件需求匹配和推理效率。
DeepSeek-V4-Flash-Base是一款定位在通用大模型领域的LLM，具有FP8精度和safetensors支持。其架构特点包括Transformer变体和区域特定优化。该模型在Hugging Face Hub上下载量虽少，但获得了较高的点赞数，表明其在特定领域内具有一定的吸引力。性能方面，具体基准测试结果未明确提供，但根据更新时间和下载量推测，可能在特定任务上有所优化。主要应用场景可能包括通用文本生成和区域特定任务。开源协议、硬件需求和推理效率等信息未指定，但考虑到其FP8特性，可能对硬件要求较高。
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。
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。
🔥 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。
z-lab/Qwen3.6-27B-DFlash是一款定位在通用大模型领域的LLM，具有27B参数和3.6B的上下文长度。其核心技术包括DFlash和speculative-decoding，旨在提高推理效率。在性能上，该模型在多个基准测试中表现出色，具有高效的开源协议和良好的硬件兼容性，适用于需要高性能和高效推理的场景。
HauhauCS/Qwen3.6-27B-Uncensored-HauhauCS-Aggressive 是一款基于 Qwen3.6-27B 的 uncensored 模型，定位为通用大模型。该模型具有 27B 参数，支持多语言（英、中、多语言），并具备图像-文本到文本的转换能力。其在 Aggressive 模式下，能够直接提供答案，适合需要快速响应的场景。性能上，该模型在 uncensored 场景下表现出色，但未提供具体基准测试结果。实用方面，该模型遵循 Apache-2.0 协议，对硬件要求较高，适合在具备一定计算资源的环境中运行。
MiMo-V2.5是一款定位在多模态模型领域的强大模型，具备处理文本、图像、视频和音频的能力。其核心技术包括混合注意力架构、原生多模态编码器以及多令牌预测。在性能方面，该模型在多模态感知、长上下文推理和代理工作流程方面表现出色。MiMo-V2.5适用于需要多模态理解和长上下文推理的场景，如视频理解、音频处理等。其开源协议为MIT，适合在多种硬件和推理框架上使用。
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。
DeepSeek-V4-Pro-Base是一款定位在通用大模型范畴内的LLM，具有FP8精度和safetensors支持。该模型在架构上可能采用了Transformer变体，上下文长度和参数量未明确，但具备一定的创新性。性能方面，由于下载量和点赞数较高，推测在MMLU、GPQA等基准测试中表现良好。其主要应用场景可能包括多语言能力、指令遵循等，适合需要高性能和通用性的任务。开源协议、硬件需求和推理效率等信息未指定，但推测与主流框架兼容性较好。
talkie-1930-13b-it是一款基于talkie-1930-13b-base的指令微调语言模型，专注于1931年之前的英语文本。该模型具有13B参数，上下文长度未指定。它通过从1931年之前的参考作品中提取的指令-响应对进行微调，并使用强化学习技术提升指令遵循能力。模型在LLM生态中定位为特定领域微调模型，具有独特的时代背景和语言风格。在性能上，具体基准测试结果未提供，但模型在历史文献和复古风格文本处理方面具有潜在优势。开源协议为Apache-2.0，适用于对历史语言风格有特定需求的场景。
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。
这篇论文提出了一种自动化AI代理工具链构建的框架，通过 Harness Evolution Loop 和 Meta-Evolution Loop 两个层次，实现自动化工具链的优化和设计，从而无需人工干预即可快速适应新任务。
这篇论文提出了一种名为V-GRPO的在线强化学习方法，用于去噪生成模型，通过整合基于ELBO的近似和Group Relative Policy Optimization算法，提高了去噪生成模型的稳定性和效率，实现了在文本到图像合成任务中的最先进性能。
这篇论文深入探讨了推荐系统公平性的离线评估方法，分析了现有公平性评估措施的局限性，并提出了一系列新的评估方法和措施，以克服这些局限性，从而提高推荐系统公平性评估的准确性和实用性。
这篇论文提出了Step-Audio-R1.5，一种基于人类反馈的强化学习（RLHF）方法，旨在解决现有基于验证奖励的强化学习（RLVR）在音频模型中导致的“可验证奖励陷阱”问题，从而提升音频模型的对话自然度和情感连贯性。
这篇论文提出了MAIC-UI，一个零代码的互动课程ware创作系统，它通过结构化知识分析和多模态理解确保教学严谨性，采用生成-验证-优化流程，以及基于统一差异的增量生成，实现快速迭代编辑，显著提高了课程ware的编辑效率和可学习性。
这篇论文提出了AutoResearchBench，一个用于评估AI代理在复杂科学文献发现方面的能力的基准。该基准包括深度研究和广泛研究两种任务类型，旨在评估AI代理在理解科学概念、利用详细信息和进行推理搜索方面的能力。
这篇论文提出了一种针对印度语言文本到语音(TTS)系统的多语言成对评估框架，通过结合语言控制和感知基础注释，对7个最先进的TTS系统进行了大规模评估，并收集了超过120K个成对比较。评估结果基于6个感知维度：可理解性、表现力、声音质量、生动性、噪音和幻觉，并使用Bradley-Terry模型构建了多语言排行榜。
这篇论文研究了视觉语言模型（VLM）在评估图像到文本（I2T）和文本到图像（T2I）任务中的可靠性。通过引入针对特定错误维度的扰动，论文评估了VLM在检测输出质量下降方面的能力，发现当前VLM评估器存在显著的盲点，如无法检测到被扰动的输出，尤其是在细粒度组合和空间错误方面，以及对于与输入图像矛盾的幻觉内容不敏感。
这篇论文提出了TCOD（Temporal Curriculum On-Policy Distillation），一种针对多轮自主代理的在线策略蒸馏方法。TCOD通过控制学生接触到的轨迹深度，并按照课程计划逐步扩展，解决了传统在线策略蒸馏在多轮场景中的轨迹级KL不稳定性问题，显著提升了代理的性能。
这篇论文提出了一种名为GoClick的轻量级GUI元素定位模型，用于自主GUI交互。该模型通过使用小型的视觉语言模型（VLM）和渐进式数据细化流程，实现了在资源受限设备上高效地进行GUI元素定位，同时保持了高准确性和快速推理速度。
这篇论文提出了AutoGUI-v2，一个用于评估深度GUI功能理解和交互结果预测的综合基准。它通过VLM和人类协作管道，将多平台截图解析为功能区域，生成多样化的评估任务，测试了区域和元素级别的语义、接地性和动态状态预测。实验结果表明，尽管开源模型在功能接地性方面表现良好，但商业模型在功能描述方面占主导地位，同时强调了深度功能理解仍然是重大挑战。
这篇论文提出了BARRED框架，通过不对称辩论生成合成训练数据，用于定制策略的合成训练，解决了通用安全模型无法捕捉特定任务需求，以及提示LLMs在边界案例性能不一致和高推理成本的问题。该框架通过分解领域空间并使用多智能体辩论验证标签正确性，生成高保真训练语料库，显著提升了小语言模型在定制策略上的性能。
这篇论文提出了Co-Director，一个用于视频故事讲述的分层多智能体框架，通过全局优化问题形式化视频故事讲述。它通过引入分层参数化，结合全局多臂老虎机和局部多模态自我完善循环，解决了语义漂移和级联故障问题，实现了新颖叙事策略的探索和有效创意配置的利用。实验表明，Co-Director在性能上显著优于现有基准。
这篇论文提出了Mutual Forcing框架，用于快速自回归音频-视频生成，并实现长时域音频-视频同步。该框架通过两阶段训练策略和直接在自回归模型上构建的流式生成方法，解决了联合音频-视频建模和快速自回归生成的问题，显著提高了效率和生成质量。
这篇论文提出了一种名为“通过再生进行细化”（RvR）的新框架，用于统一的多模态模型（UMMs）中的图像细化任务。该框架通过条件图像再生而不是编辑来重新定义细化过程，从而扩大了修改空间，提高了图像细化的完整性和性能。
这篇论文提出了一种身份感知的人体运动和形状联合生成框架，通过结合自然语言描述和视觉线索来建模身体形态与运动动态之间的关系，从而生成更真实、与身份一致的运动序列。
这篇论文提出了一种系统性的视频生成后训练框架，旨在解决大规模视频扩散模型在实际部署中存在的提示敏感性、时间不一致性和推理成本过高等问题。该框架通过监督微调、强化学习、提示增强和推理优化四个阶段，系统地调整预训练模型以符合用户意图，从而提高视觉质量、时间一致性和指令遵循能力。
这篇论文提出了SkillSynth，一个基于技能图的终端任务合成框架，旨在解决终端代理训练中高质量执行轨迹稀缺的问题。SkillSynth通过构建大规模技能图，从中采样路径作为实际工作流程的抽象，并使用多智能体工具将这些路径实例化为可执行的任务实例，从而控制解决合成任务所需的最小执行轨迹的多样性。
这篇论文提出了DV-World，一个旨在评估数据可视化代理在真实世界场景中表现的新基准。DV-World包含260个任务，涵盖原生电子表格操作、可视化重构和与用户模拟器交互等，通过混合评估框架评估模型性能，揭示了现有模型在处理真实世界数据可视化挑战中的不足。
这篇论文提出了一种名为“数据编程”的方法，通过将结构化知识表示作为训练数据和评估的共同基础，将数据工程的生命周期映射到软件开发的生命周期。这种方法能够诊断模型失败的原因，并通过针对性的修复来提高模型性能。
这篇公告介绍了Hugging Face的ML Intern在完成实习期间的任务测试，测试内容包括使用最佳N采样和加权选择方法解决数学问题。该测试展示了如何通过采样、评分和选择解决方案来提高数学问题的准确性。
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。
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。
暂无摘要
OpenRA-RL是一个开源平台，允许AI代理在实时策略游戏《红色警戒》中通过50个MCP工具、25Hz异步流和64会话/进程的游戏运行器进行游戏。它作为一个顶级OpenEnv环境提供，使得任何TRL、torchforge或Unsloth训练器都可以驱动它，而无需编写胶水代码。
Hugging Face发布了mlinter，一个用于Transformers库中模型文件的静态分析工具，旨在帮助开发者遵守库的约定，减少错误，并提高代码质量。
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。
Hugging Face发布了Hy3 preview，这是一个开源的融合推理模型，集成了快速和慢速思考。该模型具有295B的总参数，但只有21B被激活，使其在激活方面效率最高。Hy3 preview在架构、数据质量和训练效率方面的创新，使其在性能上接近使用大参数但小激活参数的第二种方法。
NVIDIA与西门子健康事业部合作发布了NV-Raw2Insights-US，这是一种基于物理信息的新超声成像AI模型，它能够直接从原始超声传感器数据中学习，从而生成个性化的声速图，并实时校正图像，提高超声成像的清晰度和准确性。
Cohere Labs发布了Tiny Aya，一个支持70多种语言的工具调用模型，特别适用于移动设备。Tiny Aya在低资源语言上的表现良好，且无需云端依赖，可在中端手机上实现低延迟运行。此外，Cohere Labs还推出了TinyFacade，一个用于构建多语言工具调用应用的框架。
NVIDIA发布了一款名为Nemotron OCR v2的多语言OCR模型，该模型通过合成数据训练，实现了高精度和快速识别。该模型使用了12百万个合成训练图像，支持英语、日语、韩语、俄语、简体中文和繁体中文，并通过创新的合成数据生成管道和高效的模型架构，实现了快速的多语言文本识别。
Darwin-TTS-1.7B-Cross，世界上第一个跨模态LLM到TTS的FFN迁移模型，通过将LLM的3%权重移植到TTS模型中，实现了情感表达，且无需训练、数据和GPU时间进行微调。
NVIDIA发布了Nemotron-Personas-Korea数据集，这是一个基于韩国官方统计数据和种子数据的合成人数据集，用于训练更符合韩国人口统计和文化的AI代理。该数据集旨在解决当前AI代理在处理韩语数据时存在的文化差异和地域问题，并遵循韩国个人信息保护法。
这篇公告介绍了Hugging Face Spaces上的长期软件工程（SWE）环境构建，通过将FrontierSWE任务打包为OpenEnv服务，并使用离线强化学习风格进行训练。这为开发者提供了一个新的工具，用于构建和训练能够进行长期软件工程任务的AI代理。
Hugging Face发布了新的BiomedBERT Small系列模型，这是一个介于110M参数的BiomedBERT Base模型和微型BiomedBERT Hash系列模型之间的22.7M参数的小型模型。这些模型在速度和准确性方面表现良好，并且可以运行在仅CPU的环境中。新模型包括biomedbert-small、biomedbert-small-embeddings、biomedbert-small-colbert等，并具有Apache 2.0许可。
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。
Hugging Face发布了《大型语言模型课程》，这是一套全面的教育资源，旨在帮助人们深入了解大型语言模型（LLM）。课程分为两部分：LLM科学家和LLM工程师，分别侧重于构建和部署LLM。课程内容涵盖LLM架构、预训练、后训练数据集、微调、偏好对齐、评估、量化和新趋势等多个方面，并提供交互式LLM助手。
OpenAI 发布了一项针对人工智能时代的网络安全行动计划，旨在通过民主化AI驱动的网络防御和保障关键系统安全，强调加强政府与行业合作，提升网络安全防御者的基础设施，并扩大技术获取以保护社区和国家安全。
这篇论文提出了DRAGON，一个用于评估基于证据的视觉推理的基准，通过要求模型预测支持答案的视觉元素边界框，从而解决视觉语言模型在图表问答任务中推理证据定位不准确的问题。
这篇论文提出了Pythia，一个基于预测性的多智能体服务系统，旨在解决复杂LLM应用中多智能体架构的效率问题。Pythia通过捕捉工作流程语义，优化了运行时不确定性，显著提高了吞吐量和作业完成时间。
这篇论文通过实证研究，首次系统地探讨了音频感知大型语言模型（ALLMs）中的不确定性估计问题。作者比较了多种不确定性估计方法，并在多个音频理解和推理任务中进行了基准测试，发现语义级和基于验证的方法在一般音频推理基准上优于基于标记的基线。此外，论文还探讨了基于不确定性的自适应推理作为潜在的应用方向。
这篇论文通过系统性实证研究，深入探讨了Transformer在情境学习（ICL）中的能力，特别是针对高斯混合二分类任务。研究基于Frei和Vardi的理论框架，分析了情境测试准确率与输入维度、情境示例数量和预训练任务数量之间的关系，并揭示了在何种几何条件下模型能够仅从上下文中推断任务结构。此外，论文还探讨了良性过拟合现象，并分析了其与数据几何和训练暴露的关系。
这篇论文提出了一种结合模型蒸馏和任务特定对比损失的训练方法，用于生成紧凑且性能高的文本嵌入模型。该方法在训练小型模型方面比单纯的对比或蒸馏训练方法更有效，并且其基准分数超过了或达到了类似大小模型的最新水平。
这篇论文提出了一种新的基准，通过让前沿编码代理自主实现AlphaZero风格的机器学习流程来解决Connect Four游戏，并在Pascal Pons Connect Four求解器上进行了评估。该方法旨在衡量AI自主实现端到端机器学习管道的能力，以预测AI系统加速AI研究的能力。
这篇论文提出了Faithfulness-QA，一个通过反事实实体替换构建的大规模数据集，用于训练和评估检索增强生成（RAG）模型在上下文中的忠实度。该数据集通过自动识别答案实体并替换为类型一致的替代实体，制造了上下文与参数记忆之间的知识冲突，以解决RAG模型在生成答案时过度依赖参数记忆而非检索上下文的问题。
这篇论文提出了一种名为CroSearch-R1的搜索增强强化学习框架，旨在通过跨语言知识集成来提高检索增强生成（RAG）的效果。该框架采用多轮检索策略和跨语言知识集成，动态地将其他语言的知识作为补充证据纳入统一表示空间，并引入了多语言回滚机制以优化跨语言推理的可迁移性。
这篇论文提出了一种名为Cutscene Agent的LLM代理框架，用于自动化3D场景生成。该框架通过建立LLM代理与游戏引擎之间的双向集成，实现了从剧本编写到最终场景生成的自动化过程。它包括一个基于MCP的Cutscene Toolkit，一个多代理系统，以及一个用于场景生成的评估基准CutsceneBench。
