精选 49 篇，从 520+ 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。
Gemma-4-31B-JANG_4M-CRACK是一款定位在通用大模型领域的模型，具有31B的参数量和18GB的模型大小。其核心技术包括Dense Transformer架构和Hybrid Sliding/Global Attention机制，支持多模态输入。在MMLU基准测试中，该模型保持了93.7%的合规性，显示出其在知识理解和推理方面的能力。该模型适用于需要高知识合规性和多模态处理的应用场景，如安全与渗透测试、代码生成等。其开源协议、硬件需求以及推理效率等特性使其在LLM领域具有差异化优势。
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。
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。
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。
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。
Mistral Medium 3.5 是一个通用大模型，具有128B参数量和256k的上下文长度。它支持指令遵循、推理和编码，具有多模态输入和输出能力。该模型在推理和编码任务上表现出色，支持多种语言，并具有强大的系统提示和代理能力。它在MMLU、GPQA、IFEval等基准测试中表现出色，适用于需要复杂推理和代码生成的场景。该模型开源，适用于商业和非商业用途，具有较好的硬件兼容性和推理效率。
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。
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。
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。
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。
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。
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。
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。
Jackrong/Qwen3.5-9B-DeepSeek-V4-Flash-GGUF是一款高效的推理模型，基于Qwen3.5-9B参数空间，通过DeepSeek-V4的高质量数据进行蒸馏。该模型在结构化推理、多步问题解决和工具辅助工作流程方面表现出色。它具有高效的推理速度和较小的参数量，适用于需要快速、准确推理的场景。在LLM领域，该模型以其高效的推理能力和结构化推理能力脱颖而出。
这篇论文研究了在训练推理模型时，模型何时应该开始依赖监督信号。作者提出了一种基于Tsallis熵的损失函数，通过调整参数q来平衡强化学习和密度估计，从而解决模型在初始成功概率低时的冷启动问题。实验表明，这种方法在多个问答数据集上显著提高了模型的性能。
这篇论文对LLM强化学习中的rollout策略进行了全面调查，提出了一个名为GFCR的生命周期分类法，将rollout流程分解为四个模块：生成、过滤、控制和重放，并提供了相应的可靠性、覆盖率和成本敏感性标准，以优化LLM的推理能力。
这篇论文提出了一种名为Predictive Video VAE (PV-VAE)的视频生成模型，通过引入预测学习来提高视频生成质量。该模型通过同时训练解码器重建观察到的帧并预测未来的帧，鼓励潜在空间编码时间预测结构，从而提高生成质量。
这篇论文介绍了ARIS（Auto-Research-in-sleep），一个开源的自主研究工具，它通过对抗性多智能体协作来协调机器学习研究工作流程。ARIS通过提供技能、模型集成、持久化研究wiki和确定性图像生成等功能，旨在解决长周期研究工作流程中的证据支持问题。
这篇论文提出了Skills-Coach，一个旨在提升大型语言模型（LLM）智能体技能自进化能力的自动化框架。该框架通过四个核心模块，包括多样化的任务生成、轻量级优化、比较执行和可追溯评估，实现了技能的全面覆盖和优化。实验结果表明，Skills-Coach在多个技能类别上实现了显著的性能提升。
这篇论文提出了X2SAM，一个统一的分割多模态大型语言模型（MLLM），它能够将图像分割能力扩展到视频。X2SAM结合了LLM和掩码记忆模块，能够处理文本和视觉提示，生成视频的时序一致掩码。论文还引入了视频视觉基准（V-VGD），用于评估模型从交互式视觉提示中分割视频对象跟踪的能力。
这篇论文提出了一种名为TTS-STT Flywheel的方法，通过合成实体密集型音频来缩小印度语语音识别（ASR）的差距。该方法利用开源的印度语语音合成管道生成大量实体密集型代码混合语音，并通过LoRA微调提高了ASR的性能。
这篇论文提出了ESARBench，一个用于评估MLLM驱动的无人机在高度逼真的搜救场景中的综合基准。该基准通过构建基于真实GIS数据的开放环境，并模拟动态变量，如天气条件和随机线索放置，来评估无人机在复杂环境中的自主搜索和救援能力。
这篇论文提出了一种名为StateSMix的在线无损压缩算法，该算法结合了Mamba风格的时态空间模型和稀疏N-gram上下文混合，以及算术编码。它能够在不使用预训练权重、GPU或外部依赖的情况下，对文件进行在线训练和压缩。通过实验，StateSMix在标准enwik8基准测试中实现了比LZMA2更高的压缩率。
这篇论文提出了一种名为TCDA的新框架，用于对话情感四重分析。该框架结合了线程约束有向无环图（TC-DAG）和话语感知旋转位置嵌入（D-RoPE），以解决现有方法在处理对话中的复杂关系和时序问题时存在的不足。
这篇论文提出了一种名为Chain of Evidence (CoE)的视觉归因框架，用于迭代检索增强生成（iRAG）。该框架利用视觉语言模型直接对检索到的文档截图进行推理，以解决现有iRAG系统在处理视觉丰富文档时的粗粒度归因和视觉语义损失问题。
这篇论文提出了PatRe，一个用于专利审查全流程的基准，包括办公室行动生成和申请人反驳。PatRe包含480个真实案例，支持预言机和检索模拟评估设置，旨在通过模拟专利审查的交互性和迭代性，评估大型语言模型在专利审查中的性能。
这篇论文研究了通过编排跟踪来优化基于大型语言模型（LLM）的多智能体系统的强化学习（RL）。它提出了奖励设计、信用信号和编排学习等关键技术，并通过与工业界的对比，揭示了学术研究与工业实践之间的差距。
这篇论文提出了一种名为SplAttN的新方法，用于点云补全。该方法通过使用高斯软喷溅和注意力机制来连接2D和3D数据，解决了传统硬投影在多模态学习中的连接问题，从而提高了点云补全的性能。
这篇论文提出了一种名为PRISM的多模态强化学习预对齐方法，通过黑盒在线策略蒸馏，在监督微调和强化学习之间插入显式的分布对齐阶段，以解决多模态模型在强化学习中的分布漂移问题。该方法使用混合专家（MoE）判别器提供解耦的纠正信号，从而引导策略向监督分布靠拢，并在多个多模态基准上显著提升了下游强化学习性能。
这篇论文提出了HeavySkill，一种将深度思考视为模型内部技能的方法，通过并行推理和总结两个阶段的管道，在多个代理的协调中实现复杂推理任务。该方法在多个领域表现出色，优于传统的Best-of-N策略，并通过强化学习进一步扩展了深度思考的深度和宽度。
这篇论文提出了一种名为Healthcare AI GYM的医疗智能体训练环境，通过多轮强化学习在10个临床领域进行训练，旨在提高医疗AI的泛化能力。论文分析了多轮智能体强化学习的挑战，并提出了Turn-level Truncated On-Policy Distillation（TT-OPD）方法，以提升训练效率和稳定性。
这篇论文提出了一种名为SVGS的新方法，通过在单个高斯原语中使用空间变化的颜色和透明度来增强高斯喷溅，从而提高场景的表示能力。该方法使用二维高斯曲面作为原语，显著提升了新视角合成的同时保持了高质量的几何重建。
这篇论文提出了iWorld-Bench，一个用于评估交互式世界模型在感知、推理和动作方面的能力的综合基准。该基准通过构建一个包含330k个视频片段的多样化数据集，并引入一个统一的行为生成框架来统一评估和设计任务，以评估模型在视觉生成、轨迹跟随和记忆方面的性能。
这篇论文提出了 Workspace-Bench 1.0，一个用于评估AI代理在涉及大规模文件依赖的 workspace 学习任务上的基准。通过构建包含多种文件类型和复杂依赖关系的真实工作空间，该基准旨在评估AI代理在跨文件检索、上下文推理和适应性决策方面的能力。
OpenAI宣布了ChatGPT Futures Class of 2026，这是一个由26名学生组成的创新者群体，他们使用AI技术进行建设、研究和推动现实世界的影响。这个项目旨在重新定义学习、创造力和机会。
这篇论文提出了一种名为AutoRAGTuner的声明式框架，用于自动优化RAG（检索增强生成）管道。该框架通过模块化架构和自适应贝叶斯优化引擎，自动化RAG的生命周期，包括构建、执行、评估和优化，显著减少了工程开销，并提高了RAG系统的性能。
这篇论文提出了一种神经符号多智能体系统，用于无幻觉的需求重用。该系统通过将需求重用重新概念化为模型驱动获取过程，利用大型语言模型（LLM）作为非确定性启发式算法，在形式化的需求格子上进行遍历，并通过符号验证器确保所有结构约束，从而有效消除幻觉需求组合。
这篇论文提出了一种利用大型语言模型（LLM）指导的进化搜索（AlphaEvolve）来自动发现多目标跟踪中的闭式功率分配解的新方法。该方法将高维雷达状态编码为物理启发式特征，然后通过进化一个紧凑且可解释的评分函数，通过确定性约束满足转换将其转换为可行的功率分配。实验表明，该方法在跟踪精度、泛化能力和速度方面都优于传统迭代求解器。
这篇论文提出了MemFlow，一个基于意图驱动的内存编排框架，用于解决小型语言模型在处理长时程、多轮对话时的记忆问题。MemFlow通过外部化内存规划，将查询分类并分配到不同的内存处理层级，从而提高模型的准确性和效率。
FINER-SQL通过引入精细的执行反馈和改进的奖励机制，提升了小型语言模型在文本到SQL转换任务中的性能，解决了传统方法在推理和指令遵循方面的不足，同时降低了计算成本和延迟。
这篇论文提供了一整套从分词到强化学习从人类反馈的全面NLP实践指南，包括对低资源语言的原创研究，旨在帮助读者理解和实施从经典机器学习到最先进的基于大型语言模型的方法。
这篇论文提出了一种名为ViewSAM的弱监督跨视图指称多对象跟踪方法，通过利用基础模型的能力，减少对昂贵的帧级空间标注和跨视图身份监督的依赖。论文通过设计一个亲和力引导的跨视图重提示策略和ViewSAM模型，实现了在仅使用对象类别标签作为粗粒度监督的情况下，进行鲁棒的跨视图指称跟踪。
这篇论文提出了BiMind，一个用于检测错误信息的双头推理模型。该模型通过注意力几何适配器、自检索知识机制和不确定性感知融合策略，有效地结合文本内容验证和外部知识修改，解决了在注意力几何折叠下的平衡问题。
这篇论文提出了E-MIA，一种针对RAG系统的黑盒成员推理攻击方法。E-MIA通过将目标文档中的可验证硬证据转化为客观可评分的考试问题，利用多个证据针对问题的综合分数作为成员信号，从而在严格设置中提高成员与非成员的可分性，同时保持查询的自然性和隐蔽性。
