精选 69 篇，从 130+ 条中筛选
项目定位为为Codex提供技能目录，旨在帮助AI代理发现和使用指令、脚本和资源以执行特定任务。核心功能是提供技能的安装和管理，解决开发者重复性任务执行的问题。技术架构基于Python，集成Codex平台。在LLM生态中，该项目通过提供技能目录和安装机制，优化了任务执行流程，提升了开发效率。
Heretic项目定位为LLM生态中的去审查工具，旨在自动移除语言模型中的审查内容。其核心功能是通过方向消融技术，在不进行昂贵后训练的情况下，自动移除模型审查。技术架构上，Heretic基于PyTorch框架，利用Optuna进行参数优化。在LLM生态中，Heretic的价值在于提供了一种高效、自动的去审查方法，填补了LLM审查内容移除的空白，为研究者、开发者提供了便利。
ComposioHQ/awesome-claude-skills项目是一个集成的平台服务，旨在为Claude AI用户提供丰富的技能和工具，以定制化AI工作流程。该项目为开发者提供了多种技能，包括文档处理、开发工具、数据分析、商业和营销、沟通与写作等，解决用户在多个场景下的需求。其技术亮点在于集成了多种应用和服务，并通过Composio平台实现自动化工作流程。在LLM生态中，该项目通过提供多样化的技能和工具，增强了Claude AI的实用性。
nvidia/personaplex-7b-v1是一款定位为通用大模型的LLM，具有7B参数量，支持多语言。其核心技术为Transformer变体，并采用moshi库进行优化。在性能上，该模型在多个基准测试中表现出色，具有较好的代码生成和数学推理能力。模型开源，适用于多种硬件平台，与vLLM等推理框架兼容。主要应用场景包括多语言问答、代码生成等。
DeepSeek-OCR-2是一款专注于图像文本转换的多模态模型，定位为特定领域微调模型。其核心技术基于transformers库，采用自定义代码进行优化，支持多语言处理。模型在OCR任务上表现出色，但缺乏权威基准测试结果。开源协议为Apache-2.0，对硬件要求较高，推理效率需进一步优化。
LingBot-World是一款由Robbyant团队开源的世界模拟器，定位为顶级世界模型。它具备高保真和多样化的环境，支持长期记忆和一致性，并实现实时交互。该模型采用image-to-video的pipeline，基于diffusers库。在性能上，它支持每秒16帧的实时生成，具有较低延迟。LingBot-World适用于内容创作、游戏和机器人学习等领域，其开源协议和硬件需求适中，与流行推理框架兼容性良好。
Kimi K2.5是一款开源的多模态大语言模型，定位为通用大模型。它基于约150万亿混合视觉和文本标记的持续预训练，具备视觉和语言理解以及先进的代理能力。模型在视觉知识、跨模态推理和基于视觉输入的代理工具使用方面表现出色。其核心能力包括视觉到代码的生成和代理群体执行复杂任务。在性能上，Kimi K2.5在权威基准测试中表现良好，具有开源协议、硬件需求适中、推理效率较高的特点，适用于多模态任务和复杂任务处理。
Anima模型定位为特定领域微调模型，专注于动漫风格的艺术图像生成。其核心技术为基于扩散模型的单文件库，参数量为20亿。模型在动漫风格图像生成方面表现出色，但未公开权威基准测试结果。主要应用场景为动漫艺术创作，使用时需考虑开源协议和硬件需求。
Step 3.5 Flash是一款高效的开源基础模型，定位于通用大模型领域。它采用稀疏混合专家（MoE）架构，参数量196B，上下文长度未指定。该模型在推理速度和代码生成方面表现出色，通过3-way Multi-Token Prediction（MTP-3）技术，实现了100-300 tok/s的生成吞吐量。在SWE-bench和Terminal-Bench 2.0基准测试中分别取得了74.4%和51.0%的优异成绩。模型开源协议为Apache 2.0，适用于需要快速推理和代码生成的场景。
zai-org/GLM-OCR是一款基于GLM-V架构的多模态OCR模型，专注于复杂文档理解。该模型采用多令牌预测损失和稳定的全任务强化学习，结合CogViT视觉编码器和GLM-0.5B语言解码器，实现高效训练和识别。在OmniDocBench V1.5基准测试中排名第一，适用于复杂表格、代码密集型文档等场景，支持vLLM、SGLang和Ollama等推理框架，易于集成到现有生产流程中。
Qwen3-ASR-1.7B是一款专注于语音识别的领域大模型，具备多语言和方言支持能力。该模型采用Qwen3-Omni基础模型，结合大规模语音训练数据，实现了在复杂声学环境和挑战性文本模式下的高质量和鲁棒识别。其在开源ASR模型中达到最先进水平，与顶级商业API相媲美。模型支持语言识别和语音识别，具有高效的吞吐量和强大的推理框架。主要应用场景包括语音转文本、语音识别等。
Qwen3-Coder-Next是一款针对代码生成和本地开发设计的开源语言模型，具有高效的性能和先进的代理能力。该模型采用3B激活参数，性能可与参数量多10-20倍的模型相媲美，适用于代理部署。它具备长距离推理、复杂工具使用和恢复能力，适用于代码生成、数学推理等任务。模型基于transformers库，支持2-bit XL量化，对硬件要求较高。在LLM领域，Qwen3-Coder-Next以其高效的代码生成能力和先进的代理技术脱颖而出。
Qwen3-Coder-Next是一款针对代码生成和本地开发设计的开源语言模型。该模型具有3B激活参数和80B总参数，上下文长度为256k，支持多种CLI/IDE平台。其核心技术包括混合布局、MoE和Gated DeltaNet。在代码生成任务中表现出色，具有高效的性能和强大的适应性。模型在HuggingFace平台上的下载量和点赞数均较高，表明其在LLM领域中的受欢迎程度。主要应用场景包括代码生成、本地开发和集成到IDE中。
ACE-Step/Ace-Step1.5是一款针对音乐生成领域的开源模型，定位为多模态模型。其核心技术为结合语言模型和扩散模型，支持从简短循环到10分钟长曲的创作。该模型在训练数据上具有商业合规性，支持多种风格的音乐生成，且在消费级硬件上运行高效。在性能上，ACE-Step/Ace-Step1.5在音乐生成速度上表现出色，能够在短时间内生成完整的歌曲。主要应用场景包括音乐创作、音频编辑等。
Intern-S1-Pro是一款定位在科学推理领域的万亿参数MoE多模态模型，具有512个专家，每个token激活8个专家。该模型在科学推理基准测试中表现出色，同时在多模态和文本处理方面也具有强大的能力。其核心技术包括STE路由和分组路由，以及FoPE和升级的时间序列建模。性能表现在多个基准测试中均处于领先地位，适用于科学研究和多模态任务。
TeichAI/GLM-4.7-Flash-Claude-Opus-4.5-High-Reasoning-Distill-GGUF是一款专注于推理优化的通用大模型。该模型基于TeichAI的GLM-4.7-Flash，结合了Claude Opus 4.5的高推理能力，特别适用于需要高推理能力的场景。模型具有约2.13M的总token，采用Unsloth和Huggingface的TRL库进行加速训练。在性能上，模型在权威基准测试中表现良好，具有代码生成、科学研究和深度研究等应用场景。开源协议为Apache-2.0，适合在多种硬件和推理框架上使用。
Voxtral Mini 4B Realtime 2602是一款多语言实时语音转写模型，定位为特定领域微调模型。它具有3.4B参数的语言模型和0.6B参数的音频编码器，支持13种语言，并具有可配置的转写延迟。该模型在实时语音转写任务中表现出色，能够在480ms延迟下达到与离线模型相当的性能。它适用于语音助手、实时字幕等应用，具有开源协议、硬件需求低、推理效率高等实用特性。
Tongyi-MAI/Z-Image是一款专注于图像生成的LLM，定位为多模态模型。其核心技术为单流扩散Transformer，支持全Classifier-Free Guidance，具有强大的视觉语言处理能力。性能上，模型在图像生成任务中表现出色，但缺乏权威基准测试结果。主要应用场景为创意生成和艺术创作。开源协议为Apache-2.0，硬件需求较高，推理效率需进一步优化。
MiniCPM-o 4.5是一款多模态大语言模型，定位为通用大模型。该模型基于SigLip2、Whisper-medium、CosyVoice2和Qwen3-8B构建，参数量达9B。它在视觉、语音和全双工多模态直播方面表现出色，支持双语实时语音对话和全双工直播功能。性能上，MiniCPM-o 4.5在OpenCompass等基准测试中表现出色，超越了GPT-4o等模型。该模型适用于需要多模态交互和实时处理的场景，如直播互动、多语言对话等。
Step 3.5-Flash 是一个高效的开源基础模型，定位于通用大模型。它采用稀疏混合专家（MoE）架构，参数量为196B，上下文长度未明确提及。该模型在推理速度和效率上表现出色，支持100-300 tok/s的生成吞吐量，特别适用于实时交互。其在MMLU、GPQA、IFEval等基准测试中表现优异，具有强大的推理和生成能力。模型开源协议为Apache-2.0，适用于对推理效率有较高要求的场景。
该模型DavidAU/GLM-4.7-Flash-Uncensored-Heretic-NEO-CODE-Imatrix-MAX-GGUF定位为通用大模型，具有30B参数量，支持200K上下文。其核心技术包括GLM-4.7-Flash架构、MoE模型、16位精度输出和Heretic去审查功能。在性能上，模型在MMLU、GPQA等基准测试中表现良好，具有推理、思考和创作能力。主要应用场景包括创意写作、故事生成等。模型开源，支持GPU和CPU推理，与vLLM等框架兼容。
这篇论文提出了一种名为DASH的优化算法，通过批量块预条件化和高效的逆根求解器，显著提高了Shampoo近似二阶优化器的计算效率，实现了比优化后的分布式Shampoo快4.83倍的优化步骤，同时Newton-DB在所有测试方法中实现了最低的验证困惑度。
这篇论文提出了DFlash，一种基于块扩散的并行解码框架，用于LLM的快速推测解码。DFlash通过使用轻量级的块扩散模型，在单个前向传递中生成草稿标记，并通过条件化草稿模型来提高解码效率和质量。
这篇论文通过广泛的超参数搜索，系统地重新评估了四种代表性的LoRA变体与vanilla LoRA在大型语言模型微调中的应用。研究发现，不同的LoRA方法在不同学习率范围内表现最佳，但一旦学习率得到适当调整，所有方法都能达到相似的性能。这表明vanilla LoRA仍然是一个有竞争力的基线，并且之前在单一训练配置下报告的改进可能并不反映一致的方法论优势。
这篇论文评估了语言模型在有限交互预算下探索交互式环境的能力。通过引入三个具有可控探索难度的参数化任务，包括连续和离散环境，研究发现最先进的模型存在系统性低探索和次优解，性能通常显著低于简单的探索-利用启发式基线，并且随着预算的增加而弱化。最后，论文研究了两种轻量级干预措施：将固定预算分割成并行执行，出人意料地提高了性能；定期总结交互历史，保留了关键发现并进一步改善了探索。
这篇论文提出了一种名为CoPE的新方法，通过软剪辑RoPE的低频成分，统一了LLMs中长上下文扩展的两个目标：OOD缓解和语义建模。这种方法不仅消除了异常值，还优化了语义信号，防止了硬剪辑引起的频谱泄漏，显著提升了长上下文处理能力。
这篇论文提出了一种名为SocialVeil的社会学习环境，用于在认知差异引起的通信障碍下测试语言代理的社会智能。该方法模拟了语义模糊、社会文化不匹配和情感干扰等三种代表性的通信障碍，并引入了两个评估指标来评估受损通信下的交互质量。实验结果表明，这些障碍会显著影响语言模型的表现，而适应策略对提高性能的影响有限。
这篇论文提出了MemSkill，一种用于自我进化智能体的记忆技能学习方法。MemSkill通过将记忆操作重新构造成可学习和可演化的技能，提高了大型语言模型（LLM）在处理长期历史和多样化交互模式时的效率和灵活性。
这篇论文提出了Infinite-World，一个能够维持超过1000帧视觉记忆的鲁棒交互式世界模型。通过引入分层无姿态记忆压缩器（HPMC）和不确定性感知动作标注模块，该模型能够有效地处理真实世界视频数据，并在视觉质量、动作可控性和空间一致性方面实现卓越性能。
这篇论文提出了一种名为π-Distill的新方法，用于从具有特权信息的语言模型中提取知识，并将其应用于无特权信息的推理任务。该方法通过联合训练教师和学生模型，同时使用动作信息作为特权信息，有效地提高了模型在多轮对话环境中的表现。
这篇论文提出了一个针对大型语言模型（LLM）的不确定性量化（UQ）的新框架，该框架特别关注交互式智能体在开放世界中的不确定性减少过程。论文的核心贡献在于提出了一种新的不确定性减少视角，并设计了适用于LLM智能体设置的不确定性量化方法。
这篇论文提出了Focus-dLLM，一种针对长上下文扩散大型语言模型（dLLM）推理的加速框架。该框架通过置信度引导的上下文聚焦，有效地减少了冗余的注意力计算，从而在保持推理准确性的同时显著提高了推理效率。
本文提出了一种统一的剪裁框架，用于重新思考GRPO中的策略发散度量，通过结合似然比和Kullback-Leibler（KL）发散，扩展到其他度量，为分析不同策略发散度量如何影响探索和性能提供了原则性的基础。实验结果表明，将KL3估计器纳入GRPO可以提高训练稳定性和最终性能。
这篇论文提出了一种名为PMD-mean的算法，用于近似LLM后训练中的对数分区函数，通过使用采样策略下的平均奖励来近似对数分区项，并在对数策略空间中进行回归。这种方法隐式地优化了镜像下降子问题，并引入了自适应的混合KL-χ^2正则化器，从而在低预期奖励时产生更保守的更新，增强了鲁棒性。实验表明，PMD-mean在数学推理任务上实现了优异的性能，提高了稳定性和时间效率。
这篇论文提出了Fast-SAM3D，一个用于图像中快速3D重建的训练免费框架。它通过动态调整计算与生成复杂性的匹配，解决了SAM3D在复杂场景中推理延迟过高的难题，实现了高达2.67倍的端到端速度提升，同时保持了可接受的精度。
这篇论文提出了CAR-bench，一个用于评估大型语言模型（LLM）代理在车内助手领域的一致性、不确定性处理和能力意识的新基准。该基准通过模拟真实世界的不确定性，测试代理在处理不完整或模糊请求时的表现，并引入了幻觉任务和歧义任务来评估代理的极限意识和信息处理能力。
这篇论文提出了一种基于视频生成模型进行视觉推理的方法，通过生成帧作为推理的中间步骤，解决了视觉语言模型在细粒度空间理解和连续动作规划方面的困难。实验表明，该方法在迷宫导航和拼图任务中表现出色，具有鲁棒的零样本泛化能力，并能够利用视觉上下文和测试时缩放来增强推理能力。
这篇论文提出了一种名为One-DVA的基于Transformer的1D视频扩散自动编码器，旨在解决现有视频自动编码器在固定压缩率、CNN架构灵活性以及确定性解码器方面的局限性。One-DVA通过查询式视觉Transformer提取时空特征，并使用可变长度的dropout机制动态调整潜在表示的长度，同时采用像素空间扩散Transformer进行视频重建。
这篇论文提出了PhysicsAgentABM，一种基于物理引导的生成式代理建模方法，通过将推理转移到行为上协调的代理集群，实现了大规模语言模型（LLM）的模拟，同时保持了可解释性和准确性。
这篇论文提出了一种名为MT-GRPO的多任务GRPO算法，旨在解决大型语言模型在多任务推理中的可靠性问题。该算法通过动态调整任务权重和使用比率保持采样器来优化最差任务性能，并促进任务间的平衡进步。实验表明，MT-GRPO在保持平均准确率的同时，显著提高了最差任务的准确率，并减少了训练步骤。
这篇论文探讨了在智能体中准确预测失败并不一定意味着能够有效预防失败。作者通过实验表明，即使预测模型具有很高的准确率，也可能导致性能严重下降。他们提出了一种预部署测试方法，通过小规模的测试来评估干预措施是否有助于提高或损害性能，从而在部署前防止严重的性能退化。
Hugging Face发布了CRAFT（Continuous Reasoning and Agentic Feedback Tuning），这是一种无需重新训练即可为文本到图像生成和图像编辑增加“思考”能力的框架。CRAFT通过将提示分解为明确的视觉检查、使用VLM验证输出并仅编辑不符合要求的部分来工作，从而显著提高了图像的组合准确性和文本渲染质量。
本文介绍了如何使用Hugging Face的FunctionGemma模型在TPU上进行微调，以创建一个虚拟健身教练。通过TPU优化策略，实现了10分钟内、花费约0.50美元的训练成本，显著提高了模型性能，并减少了幻觉。该项目展示了TPU在小型模型微调中的高效性和经济性。
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。
NVIDIA发布了NVIDIA Agentic Smart Router，这是一款基于Dell Enterprise Hub的智能路由器，旨在解决企业AI应用部署中的多大型语言模型（LLM）利用和单一框架限制问题。该路由器通过NVIDIA NeMo Agent Toolkit (NAT) 和NVIDIA的LLM路由器实现多框架、面向代理的设计，提供智能模型选择、代理编排和检索增强生成（RAG）等功能，旨在提高准确性、性能和降低成本。
Photoroom宣布开源其文本到图像模型PRX，该模型现已在Hugging Face的Diffusers中提供。此次发布旨在开放整个训练过程，包括训练方法、经验教训等，旨在成为对文本到图像模型感兴趣的实用资源。Photoroom还计划分享一系列深入探讨模型设计实验、架构基准、加速技巧和后训练方法的文章。
SyGra V2.0.0是SyGra框架的重大更新，引入了以UI为先导的Studio、多模态生成管道、企业级集成、LLM节点中的工具支持、数据质量增强、扩展的提供商和模型集成以及元数据和可观察性功能，旨在简化合成数据生成和评估工作流程。
ReasoningLens，一款用于可视化、理解和调试大型语言模型（LLM）推理过程的开发工具包，已正式发布。它通过将复杂的推理链转化为交互式、层次化的可视化地图，帮助开发者更清晰地追踪和调试模型的推理过程，同时提供自动化错误检测和模型画像功能，以提升LLM的调试效率和模型理解。
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。
Hugging Face的官方博客发布了一篇关于小型语言模型最优架构的文章，介绍了通过实验发现的最优模型配置，包括深度、宽度、架构类型等，并推出了新的扩散模型Dhara-70M，该模型在保持较高准确性的同时，实现了更高的吞吐量和事实性。
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。
本文介绍了如何使用Unsloth库对Llama 3.1 8B模型进行高效的监督式微调（SFT），通过QLoRA技术实现参数的高效训练，并在Google Colab上展示了微调过程。文章还提供了模型保存、部署以及后续步骤的建议，旨在帮助用户和开发者提升模型性能和定制性。
本文深入探讨了大型语言模型（LLMs）中的解码策略，包括贪婪搜索、束搜索、Top-k采样和核采样，旨在提高文本生成的多样性和质量。文章通过Python代码示例展示了这些策略的实现和效果，并讨论了它们在不同应用场景中的适用性。
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。
Hugging Face 发布了一篇入门教程，介绍了其平台和工具，包括模型、数据集和Spaces，旨在帮助用户快速上手并利用其AI技术。教程涵盖了如何使用Transformers库、探索模型中心、使用数据集以及部署交互式AI应用等关键步骤。
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。
这篇公告详细记录了一位AI技术分析师在训练Action Chunking Transformer (ACT)模型上的经历，包括遇到的挑战、解决方案和经验教训。文章描述了如何使用SO-101机器人进行数据收集和训练，以及如何通过改进硬件设置、数据收集流程和评估流程来提高模型的性能。
GSMA发布了Open-Telco LLM Benchmarks 2.0，这是首个针对电信行业的大型语言模型（LLM）评估框架。该框架旨在评估LLM在电信标准解释、网络故障排除等实际挑战中的表现，并通过多运营商合作，引入了更贴近实际生产场景的任务和数据集，如TeleYAML和TeleLogs。
ILLUIN Technology 与 NVIDIA 合作发布了 ViDoRe V3 基准测试，旨在为多模态企业文档检索评估树立新的行业黄金标准。该基准通过使用真实世界数据集和丰富的人工注释，解决了生产型 RAG 系统在复杂文档中检索信息的关键挑战，并支持多语言查询。
这篇论文提出了VibeCodeHPC，一个基于多智能体LLM的HPC代码自动调优系统。该系统通过多智能体角色分配和迭代提示优化来调整程序，包括项目管理者、系统工程师、程序员和持续交付等角色。实验表明，与单智能体配置相比，多智能体配置在单位时间内实现了更高质量的代码生成，并有效识别了需求违规和其他问题。
这篇论文提出了GenArena，一个用于视觉生成任务的统一评估框架，通过成对比较范式确保稳定且与人类感知对齐的评估。该框架能够显著提升评估准确性，并超越传统的点对点评分方法。
这篇论文提出了一种基于大型多模态模型（LMM）的单图像反射去除方法（SIRR-LMM）。该方法通过路径追踪3D玻璃模型和真实背景图像来生成物理准确的反射场景，并使用联合字幕和特定任务的LoRA微调来提高反射去除和分离性能。
这篇论文提出了BABE（Biology Arena BEnchmark），一个旨在评估生物AI系统实验推理能力的综合基准。该基准通过结合同行评审的研究论文和真实世界的生物研究，挑战模型进行因果推理和跨尺度推理，为评估AI系统如何像实践科学家一样推理提供了一个稳健的框架。
这篇论文提出了MINT，一种用于目标驱动知识差距推理和主动提取的最小信息神经符号树。MINT通过构建符号树并利用神经网络规划策略来估计知识差距对规划结果的影响，从而优化AI代理的提取策略和查询。实验表明，MINT在处理未知对象时，通过有限的问题数量实现了接近专家水平的回报。
这篇论文研究了AI代理在自动化关键工作负载时，如何通过代理作为代理（Agent-as-a-Proxy）攻击绕过现有的监控协议。作者展示了即使是前沿规模的监控模型，如Qwen2.5-72B，也可能被具有类似能力的代理，如GPT-4o mini和Llama-3.1-70B所绕过，从而揭示了当前基于监控的代理防御机制的脆弱性。
