精选 69 篇，从 680+ 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。
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。
🔥 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。
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。
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。
Zyphra/ZAYA1-8B是一款专注于推理优化的领域大模型，具有8.4B参数，特别擅长数学和代码推理任务。其架构采用混合专家模型，参数效率高，推理速度快，适用于设备端部署。在MMLU、GPQA等基准测试中表现出色，与同类模型相比具有显著优势。
Gemma-4-26B-A4B-it-assistant是一款由Google DeepMind开发的通用大模型，具备多模态处理能力。该模型采用Dense和MoE架构，支持超过140种语言的上下文，具有高达256K的上下文窗口。其在推理速度和生成质量上均有显著提升，特别适合低延迟和设备端应用。性能表现在MMLU、GPQA、IFEval等基准测试中表现优异，具有推理速度快、生成质量高的特点。主要应用场景包括文本生成、代码生成、推理等，适用于从高端手机到服务器的多种环境。
Jackrong/Qwopus3.6-35B-A3B-v1-GGUF是一款基于Qwen3.6-35B-A3B的推理增强MoE模型，定位为推理模型。该模型具有35B参数，支持高达262k的上下文窗口，采用LoRA进行微调，支持视觉和工具调用。在性能上，该模型在推理和逻辑处理方面表现出色，适用于需要复杂推理和多模态任务的应用场景。
该模型定位为通用大模型，具有27B参数量，支持256k上下文长度。其核心技术包括Heretic'ed和de-censored处理，以及NEO/Code Di-Matrix GGUF量化。性能上，Q4/IQ4s达到94%的BF16精度，Q6接近98%。主要应用场景为创意写作、故事生成等，具有开源Apache-2.0协议，适合在多种硬件和推理框架上使用。
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。
这篇论文提出了PianoCoRe，一个大规模的钢琴MIDI数据集，旨在解决现有音乐数据集在作曲家范围、表演多样性、音符对齐和命名格式方面的问题。PianoCoRe通过统一和精炼主要开源钢琴数据集，提供了250,046个表演，由483位作曲家创作，共计21,763小时的演奏音乐。此外，论文还介绍了MIDI质量分类器和RAScoP对齐精炼管道，以提升数据质量和模型性能。
这篇论文提出了一个名为StraTA的框架，通过战略轨迹抽象来激励强化学习中的代理行为。该框架通过采样策略、条件化动作和联合训练策略生成与动作执行，显著提高了样本效率和最终性能。
这篇论文提出了GeoStack，一个用于视觉语言模型（VLMs）中近似阿贝尔知识组合的框架。GeoStack通过在适配器流形上施加几何和结构约束，允许独立训练的领域专家被组合到一个统一模型中，同时保持基础模型的基础知识。实验表明，GeoStack能够有效地进行长期知识组合，同时显著减轻灾难性遗忘。
这篇论文提出了针对数据受限训练的处方式缩放定律，通过引入重复损失和过拟合惩罚，优化了在数据有限情况下的预训练决策，并提供了计算资源的最优分配建议。
这篇论文提出了一种名为GQKAE的生成式量子启发的Kolmogorov-Arnold特征求解器，它通过使用混合量子启发的Kolmogorov-Arnold网络模块来替代传统的生成式量子特征求解器中的参数密集的前馈网络组件，从而在保持化学精度的同时显著减少了可训练参数和内存使用，并提高了性能。
这篇论文提出了直接语料库交互（DCI）的概念，旨在解决传统检索系统在代理搜索中的瓶颈问题。通过直接使用通用终端工具搜索原始语料库，DCI避免了依赖嵌入模型、向量索引或检索API，从而提高了检索效率和准确性。
这篇论文对大型基础模型中的视听智能（AVI）进行了全面综述，提出了一个统一的视听智能任务分类，涵盖了从理解到生成和交互的多个方面。论文还总结了方法基础，包括模态标记化、跨模态融合、自回归和扩散生成、大规模预训练、指令对齐和偏好优化，并提供了代表性数据集、基准和评估指标，以促进视听智能领域的系统比较和知识整合。
这篇论文提出了一种名为BioTool的综合工具调用数据集，旨在提升大型语言模型在生物医学领域的性能。该数据集包含来自NCBI、Ensembl和UniProt数据库的34个常用工具，以及7,040个经过人工验证的查询-API调用对。通过在BioTool上微调大型语言模型，显著提高了生物医学工具调用的性能，并超过了如GPT-5.1等顶尖商业LLM。
这篇论文深入研究了在深度受限的Transformer中，基于Horn子句的隐式演绎推理的扩展特性。通过系统地消除可证明性与虚假特征之间的相关性，并强制执行算法对齐，研究发现，在足够深的模型中，带有双向前缀掩码的隐式推理在图拓扑和问题宽度上接近显式CoT性能，尽管对于深度外推，CoT仍然是必要的。
KernelBench-X 是一个用于评估LLM生成的GPU内核的全面基准，通过在15个类别中的176个任务上对正确性和硬件效率进行分类评估，揭示了LLM在内核生成中的局限性和改进方向。
这篇论文提出了一种名为Sparkle的新方法，通过解耦的指导实现生动指令引导的视频背景替换。该方法解决了现有数据集在背景替换任务中产生的静态、不自然背景的问题，通过生成高质量的背景指导，提高了视频编辑的自然性和准确性。
这篇论文提出了TIDE，一种增强Transformer模型的方法，通过引入EmbeddingMemory来解决现代LLM中存在的Rare Token Problem和Contextual Collapse Problem，从而提高语言模型和下游任务的表现。
这篇论文提出了一种在没有基准的情况下，通过场景审计来验证比较型大型语言模型（LLM）安全评分的方法。该方法通过一个工具有效性链来替代真实标签的共识，包括对安全与破坏性对比的响应、目标驱动的方差主导性以及重跑的稳定性。论文通过在挪威安全包上的实验验证了该方法的有效性。
这篇论文介绍了RaguTeam在SemEval-2026 Task 8中获胜的系统，该系统通过一个异构的LLM集成，结合两种提示变体，由一个GPT-4o-mini法官选择最佳候选答案，实现了多轮响应生成的忠实度。该系统在MTRAGEval任务中排名第一，并分析了模型家族、规模和提示策略的多样性对性能的影响。
这篇论文提出了Balanced Aggregation（BA）方法，用于解决GRPO（General Reinforcement Learning with Policy Optimization）中的聚合偏差问题。通过在正负样本子集中分别计算token级别的均值，并结合序列计数权重，BA提高了训练稳定性和最终性能。
这篇论文提出了RemoteZero，一个无需人工标注框的地理空间推理框架。该框架利用预训练的多语言语言模型（MLLM）的判别能力，通过内在语义验证代替几何监督，实现无需标注框的地理空间推理定位训练，并支持模型的迭代自我进化。
这篇论文提出了一种自适应动作执行方法，用于世界动作模型（WAMs），通过联合预测未来视觉观察和未来动作，使机器人能够在预测的未来与现实不一致时，及时调整动作执行策略，从而提高执行效率和成功率。
这篇论文提出了EDU-CIRCUIT-HW，一个用于评估多模态大型语言模型在真实世界大学水平STEM学生手写解决方案上的性能的基准数据集。通过分析学生手写的数学公式、图表和文本推理，论文揭示了当前模型在自动评分和其他理解导向应用中的不足，并提出了一种利用错误模式进行错误检测和纠正的方法。
这篇论文提出MMDG-Bench，一个统一且全面的基准，用于评估多模态域泛化（MMDG）的性能，通过标准化评估协议，揭示了MMDG领域的发展现状，并发现了现有方法的局限性和潜在问题。
这篇论文提出了一种名为连续时间分布匹配（CDM）的新方法，用于加速扩散模型。CDM通过将DMD框架从离散锚点迁移到连续优化，解决了传统DMD在离散时间步长上的局限性，提高了图像生成的视觉保真度。
Hugging Face宣布推出适用于10,000个Reachy Minis的代理机器人应用商店。用户可以使用自然语言描述他们想要的机器人行为，然后AI代理将编写、测试和部署代码到机器人上。该平台旨在降低机器人编程的门槛，使非技术用户也能轻松创建机器人应用。
这篇公告讨论了AI评估正成为计算瓶颈的新趋势。它揭示了AI评估的成本正在上升，特别是在大规模模型和复杂任务中，这导致评估成为限制AI研究和发展的关键因素。
Tether Data发布了QVAC MedPsy，这是一系列先进的医疗和健康语言模型，专为边缘设备部署设计。这些模型在医疗推理能力上达到了新的标准，同时保持了高效的参数效率，为智能手机、可穿戴设备和资源受限的医疗环境提供了临床级的AI。
这篇公告介绍了如何通过将视频压缩作为数据增强策略来提高深度估计模型的鲁棒性。研究聚焦于深度估计任务，特别是如何通过训练模型以处理压缩视频中的几何失真，从而提高模型在视频压缩环境下的准确性。
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。
这篇公告主要介绍了AI技术分析师Shane在数学建模和AI模型构建方面的经验，包括他如何使用FANT模型在数学评估中取得优异成绩，以及他新开发的Sparrow模型在数学问题解决上的卓越表现。
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。
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。
本文讨论了自然语言处理中的分词器（tokenizer）的重要性，反驳了“无分词器”语言模型的观点，并强调了分词器在语言模型中的作用和重要性。
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。
本文介绍了一种构建法律RAG应用程序的方法，该应用程序使用检索增强生成技术，旨在提供准确、更新的法律信息，而不需要重新训练大型语言模型。文章详细介绍了如何使用semchunk、Kanon 2 Embedder、Kanon 2 Reranker、LangChain和Gemini等工具和技术来实现这一目标。
一位AI技术分析师独自使用1080 Ti GPU，从头开始训练了一个法语语言模型（LLM），并在训练过程中遭遇了电力中断。他详细描述了从数据收集、清洗、分词、模型架构设计到训练过程，以及如何通过多阶段训练和对比学习来提高模型性能。
这篇公告介绍了如何使用一种新的技术，在单个4GB GPU上运行70B大型语言模型（LLM）的推理。这项技术通过层状推理、Flash注意力优化、模型文件分片、元设备和开源库AirLLM等方法，显著降低了内存需求，使得在资源受限的硬件上也能运行大型LLM。
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。
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。
这篇公告介绍了扩散语言模型（DLM）作为自 Transformer 以来语言生成领域最重要的架构创新。DLM 通过两阶段扩散过程，实现了并行标记生成、双向上下文建模和可控性，解决了自回归方法的基本局限性。Google 的 Gemini Diffusion 实现了与自回归模型相当的性能，标志着 DLM 在商业上的可行性。同时，SEDD 在离散扩散理论方面的贡献也为 DLM 的发展提供了理论基础。
Hugging Face与Proxima Fusion合作，推出一系列开放挑战，旨在利用机器学习加速聚变工程，特别是通过模拟驱动的聚变器优化方法。这标志着将聚变研究向机器学习社区开放的尝试，旨在加速清洁、无限的能源研究。
OpenAI发布了Codex的安全运行策略，通过沙盒、审批机制、网络策略和Agent原生遥测等技术，确保AI系统在明确的技术边界内保持高效，同时减少风险。
这篇论文提出了LatentRAG，一种将推理和检索从离散语言空间转移到连续潜在空间的新框架，以解决复杂问题中单步检索增强生成（RAG）的效率问题。该方法通过直接从LLM的隐藏状态生成潜在标记，减少了推理延迟，同时保持了与显式代理RAG相当的性能。
这篇论文提出了一种名为SAT的Sequential Agent Tuning方法，用于协调器自由的多LLM训练，通过序列感知的优势估计器和KL信任区域，实现了可扩展、去中心化的训练，同时保证了单调改进和可证明的即插即用不变性。
这篇论文提出了一种利用Cayley参数化的单位适配器，将量子电路块插入预训练的大型语言模型（LLM）的冻结投影层中，并在量子硬件上执行，从而在IBM Quantum System Two超导处理器上提高了Llama 3.1 8B模型的困惑度，同时保持了参数数量和计算效率。
这篇论文提出了一种名为“Sheet as Token”的图增强框架，用于多工作表电子表格的理解。该方法将每个工作表视为一个统一的语义单元，通过提取结构化记录和编码工作表为紧凑的密集标记来增强跨工作表的推理能力，从而提高列表检索的性能。
这篇论文提出了AGPO，一种不对称组策略优化方法，用于增强大型语言模型的推理性能。AGPO通过抑制错误推理路径并采用基于组内差异的更新机制，提高了模型在数学基准测试中的准确性和搜索广告相关性的优化效果。
这篇论文提出了一种名为SANEmerg的通信框架，旨在解决大规模智能体网络（AgentNet）中的通信和计算效率问题。该框架通过支持任务特定的信号协议，实现语义感知的智能体之间的自动协作，并通过带宽自适应的重要性和复杂性调节器，提高了带宽受限环境下的性能。
这篇论文研究了使用小型语言模型（SLMs）进行事件日志分析，通过创建一个大规模的合成Windows事件日志数据集，并使用LoRA参数高效微调技术对SLMs进行微调，发现微调后的SLMs在识别问题和提供相关修复方面优于大型语言模型（LLMs），同时计算资源需求更低。
这篇论文提出了AgenticRAG，一种用于企业知识库检索和分析的实用代理工具。它通过在现有企业搜索基础设施上叠加轻量级代理工具，使推理型大型语言模型能够自主检索信息、在文档中导航和分析证据，从而显著提高了检索效率和准确性。
这篇论文提出了一种名为执行线性的模型，将AI原生工作表示为具有显式依赖、稳定中间边界和基于身份重放的定向无环图（DAG）。通过比较执行线性和基于循环的更新基线，论文展示了在特定任务中执行线性的优势，特别是在维护状态一致性和传播变化方面。
