Hugging Face 公布执行框架适配器的完整方案,以及 Qwen3.8-27B 的单一超级适配器
经过连续三天的发布,包括本站昨天报道的 Hermes 适配器,Hugging Face 公布了执行框架适配器的完整方案:在 Qwen3.8-27B 之上,置于智能体执行框架(pi、Hermes Agent 或 OpenCode)中,通过强化学习训练 LoRA。
每日 AI 简报中关于 社区与研究 的全部主题,按时间从新到旧排列。
经过连续三天的发布,包括本站昨天报道的 Hermes 适配器,Hugging Face 公布了执行框架适配器的完整方案:在 Qwen3.8-27B 之上,置于智能体执行框架(pi、Hermes Agent 或 OpenCode)中,通过强化学习训练 LoRA。
亚美尼亚团队 Metric AI 同日发布了面向本国语言的三组模型。
Apple 发布 Depth Pro 2,这组模型可在原生分辨率下,从照片和视频中估计以米为单位的深度。
这款本地服务器现在能够在 Apple、AMD 和 NVIDIA 机器之间分配推理任务:据开发商称,在模拟 64 名用户的测试中,六台机器将输出吞吐量从每秒 112 个词元提高到 534 个,关闭一个节点也不会丢失任何请求。
这款开放的后期交互模型能够通过文本搜索声音,也能通过声音搜索文本,每 0,31 秒音频和每个词各生成一个向量;作者称其在 AudioCaps 和 Clotho 上的平均 Recall@1 为 37,9,是所比较的九个开放模型中表现最好的,并公开了权重和数据。
RadixArk 发布了其首个模型 DaisyRose-27B:基于 Qwen3.8-27B,使用自家的开源框架 Miles,在约 1 200 项长时智能体任务上进行强化学习再训练。
继 pi 和 OpenCode 之后,harness-hub 项目发布了 Qwen3.8-27B 的第三款 LoRA 适配器,此次面向 Nous Research 的智能体运行框架 Hermes,并提供 GGUF 版本。
NeuML 发布了一系列微型文档检索模型,参数量从 840 到 2,800 万不等:其中 9 万参数的稠密模型在 BEIR 子集上的 nDCG@10 达到 0.4257,而参数规模约为其 256 倍的 all-MiniLM-L6-v2 为 0.4802。
一名开发者发布了一个开放权重的日语小模型,按概念生成文本,而非逐个 token 生成:据其介绍,在质量相当的情况下,速度约为自回归模型的 6 倍、扩散模型的 2.4 倍。
NVIDIA 重点介绍了 Nemotron-Labs-Sigma,其权重发布于 Hugging Face,已于 11 月 16 日宣布。
一个研究版本将 Qwen3.8-27B 分配到 Mac M6 的 Neural Engine 和 GPU 上运行:处理 64K 提示词所需的时间,从仅使用 Neural Engine 时的约五分钟缩短至两分半钟;该版本要求关闭 SIP。
两个采用 Apache 2.0 许可的小模型(参数量分别为 7,1M 和 18,2M)可将用拉丁字母输入的高棉语转换为高棉文字;据作者称,字符错误率为 0,052,而现有最佳开放模型为 0,066。
VIDRAFT 发布了一款开源扫描器,向模型提供模拟工具:受测的 20 个开放模型均获 F 级评分,中位模型在 100 次测试中有 40 次尝试执行危险操作。
提供商 OpenUncensored 提供一个解除限制的版本,可处理其测试集中 97 % 合法但处于边界的请求,原版则为 83 %;提供商承认,该版本在智能体循环方面存在弱点。
哈普里特·萨霍塔发布了可导入 FiftyOne 的数据,包含涵盖 50 项任务的 27 500 段双臂操作记录和超过 600 万张图像。
Nutrient 发布了一款开源工具,可将带标注的页面转换为逼真的手机照片或扫描件,同时保留标注,用于训练文档阅读模型。
在系列文章的第三部分中,罗曼·梅利尼克用基于未修改的 Qwen3.8-27B 的文档检索取代微调:在 40 个问题上取得 +1,48 的提升,而其微调适配器的结果分别为 +0,08 和 -0,18。
由 Hugging Face 团队推进的 harness-hub 项目发布 Qwen3.8-27B-pi-adapted,这是一款采用 Apache-2.0 许可证的 LoRA 适配器,专门将 Qwen3.8-27B 适配为编程智能体执行框架 pi 的底层模型。
根据 AutoBench 基准测试(其作者也提供路由器),新版 Auto Router 在 high 设置下有 65.2% 的情况选对模型,旧版为 79.1%;其他设置的表现仍处于随机水平。
出售这类模型访问权限的 OpenUncensored 让 32 个模型执行五项需要调用工具的任务:基于最强原始模型衍生的模型完成了 38% 的任务,其余模型为 28%。
Turkish NLP Suite 发布了 52 000 条针对 12 个群体的土耳其语仇恨言论样本,数据来自 Ekşi Sözlük 论坛,旨在测试模型对文化的理解能力。
VIDRAFT 开放了一项在浏览器中对 ViKernel 进行红队测试的竞赛,分四个赛季,奖金为 4 500 美元。
凯沃尔克·苏拉希安让 GPT-6 Astra 通过直接编辑权重来修正 LeWAM 机器人策略:在 300 个未见过的初始状态上,七次编辑均未优于原始策略(差值为 -2.3 至 +3.0 个百分点)。
Voxel51 转换了 CMU AirLab 数据集中的六条地面机器人轨迹,涵盖医院、港口、沼泽、日本城市、工厂和市中心,包含相机、分割、激光雷达、位姿及 IMU 数据。
Sakana AI 发布 JFinBench(博文日期为日本时间 11 月 17 日)。
超过 200 个可直接用于机器人仿真的 3D 物体开始免费提供,其中 140 个带有关节;这些物体也将加入 NVIDIA 的 SimReady Central,目前已有七个上线。
面对三个月内的 3 181 个拉取请求,以及 GitHub 免费套餐的限制(10 GB 缓存、20 个并发任务),团队如今仅运行受代码差异影响的任务,将 ccache 缓存存储在 Hugging Face Buckets 中,并在 Hugging Face Jobs 上运行大多数 Linux x64 任务。
五篇社区文章围绕 Cohere Labs 的小型多语言模型展开探索,其中大多数来自 Lexsi Labs 的黑客松:经过三轮自我修复,一个数据库智能体的成功率从 0.5% 提升至 49.1%;据作者称,拒答引导显著减少了孟加拉语和斯瓦希里语中的有害回答,但代价是过度拒答增至两倍。
一篇指南展示了如何通过转换权重并在 Hub 上发布模块,在 Diffusers 中使用尚未集成的模型;作者将这项工作交给了搭配 Claude Opus 5.5 的 Claude Code,此前使用 Astra 未能完成转换。
一名开发者发布了两次完整的 Amazon 购物流程,分别由 Android 手机上本地运行的 Qwen3.5 0,8B 和 2B 完成,每次调用的输入中位数为 45 个 token;最慢的一次在 Galaxy A04e 上耗时 4 小时 20 分钟,共进行了 578 次调用。
阿比谢克·森沙尔马以 lucidml 的名义发布了一个 GTA V 世界模型。
哈佛大学人类学研究者安德鲁·彼得斯针对这种约有 300 000 名使用者的语言,使用约 50 000 行数据对 Qwen3.5-4B-Base 进行微调,并配有一本包含 3 619 个词条的词典。
在总计 24 项任务中,智能体有 11 项通过了可见测试,但一个对智能体隐藏的验证器仅认可其中 4 项;据作者介绍,经过一轮 DPO 后,在八项保留任务上,这些测试的通过率从 45 % 升至 55 %,但通过验证的回答比例仍为 12 %。
这家无审查模型供应商称,一周内有 157 名付费客户发出 150,292 次请求:编程智能体占其支出的 49%,所有智能体合计占 65%,聊天和角色扮演占 1.5%。
据开发方称,在 Qwen3.8-27B 上,CQ 4 位量化将模型体积从 55.6 GB 缩小至 18 GB,在九项基准测试中与 BF16 没有显著差异,而 NF4 在 GSM8K 上下降了 12 个百分点;GCMP 适配器仅用 290 万个参数便达到秩为 32 的 LoRA 的表现,后者约有 1.59 亿个参数。
据作者称,使用经过验证的纠正内容进行微调后,Aya Expanse 32B 在 τ²-bench 上的任务完成率从 14.5% 提升至 51.5%;Tiny Aya Fire 拒绝了全部 36 条以乌尔都文字书写的有害请求,但对以拉丁字母转写的乌尔都语请求,仅拒绝了 36 条中的 17 条。
在按构建编号发布版本三年半后,llama.cpp 及其计算库 ggml 发布了首个主版本 1.0.0。
IBM 推出 LLMON,一种专为语言模型设计的标记语言。
两款分别用于药物和解剖信息的提取模型,各有 7390 万个参数,采用 Apache-2.0 许可证;在 200 篇此前未见过的 PubMed 摘要上,两者的 F1 分别从 45,09 提升至 66,81,以及从 26,20 提升至 61,74。
据作者介绍,这款拥有 100 118 个参数、体积为 402 Ko 的越南语语音合成模型,在单个 x86 核心上的运行速度达到实时速度的 40 倍,并可在 Cortex-M 微控制器上运行。
根据 Au-Zone 的测量,其 EdgeFirst 软件让模型在 2 TOPS 的 NPU 上从约每秒 40 帧提升至 84 帧,同时 mAP 提高了 7 个百分点。
这项开放基准将一个多语言提示词路由器与三个本地 LLM 评审模型进行比较:据作者介绍,路由器与评审模型的一致性为 0,807(QWK),评审模型之间为 0,774,而 RouteLLM 的 BERT 路由器为 0,278。
Salesforce 的一个团队在 Hugging Face 上发布 SOV-Transcribe-1,这是该团队首款开放权重语音识别模型,采用 Apache 2.0 许可证。
Zyphra 发布 ZONOS3-Mini,这是一款采用 Apache 2.0 许可证的语音合成模型,无需预先微调即可在 43 种语言中克隆声音(零样本)。
五个开放模型(Qwen3.5-9B 和 27B、Gemma 4 31B、MiniMax-H3、Kolibri-1)无需重新训练,即可转换为体积小 4,3 至 7,5 倍的文件;博文未提供质量保留程度的测量数据。
Voxel51 转换了一台履带机器人在两个建筑工地循环行驶时采集的数据:行驶 1 小时 45 分钟,覆盖 9 760 m 的路段,包含 62 995 张彩色图像及同等数量的 lidar 扫描。
以 QVAC 名义发布成果的 Tether 人工智能团队 Tether AI Research,推出 BotPsy-0.8B。
若昂·加莱戈发布了一个实验性运行时,可以像启动容器镜像一样启动 Hugging Face 模型(Dockerfile 可以以 FROM hf.co/...
OpenMed 发布了两个采用 Apache-2.0 许可的开放模型,可在 CPU 上运行;据团队称,在 DisTEMIST 上微调后,F1 从通用模型的约 36 至 39 提升到了 GLiNER2.5 版本的约 73。
在独立决策时,Qwen3 235B、DeepSeek V4 Pro 和 Llama 3.3 70B 在 Fizzl 测试中分别获得 59、55 和 30 分,无一通过;当支付由代码决定时(x402-safe-fetch),得分提升至 94、100 和 94。
哈普里特·萨霍塔(Voxel51)转换了 NVIDIA 数据集中的 42 段仿真序列,涵盖七种机器人形态,每种六段,并对齐了相机数据与关节遥测数据。
Jiaju Ma(斯坦福大学与 Figma)和三位来自 Figma 的共同作者发布 MotionGraphicsBench,这项基准测试衡量模型为现有矢量图形制作动画的能力。
TNG Technology Consulting 在不改动原有专家的情况下,为混合专家模型(MoE)添加新专家:它们位于独立的参数空间中,路由器则学习何时调用它们。
戴维·科尔瓦西耶使用已发布的 Transformers 代码,在单个 trn3.48xlarge 实例上运行 GLM-5(7540 亿个参数):加载耗时 43 分钟,首个 token 用时 4,1 秒,批量大小为 1 时每秒生成 6,9 个 token;作者表示,这是未经优化的初次测量。
马齐亚尔·帕纳希发布了三个采用 Apache-2.0 许可证的开放模型,参数量从 194M 到 576M,可在 CPU 上识别英语医学文本中的疾病;在 NCBI Disease 上微调后,它们在 BC5CDR 上的 F1 提高了约 14 分。
塞尔坎·佩克尔在一篇土耳其语博文中展示,SWE-agent 的 47 293 次交付中,有 39,4 % 在最后一次修改后未进行测试,其解决问题的几率约低三分之一(比值比为 0,68);该假设已预注册,并使用 Claude Code 和 gpt-oss-120b 完成复现。
蒂莫费·克柳宾将 Qwen3.8-27B 的推理轨迹插入 Qwen3-8B,使后者在 300 道 LiveCodeBench 题目上的成绩从 51,1 % 提升至 80,9 %;两个经过训练、用于生成此类轨迹的 8B 模型未带来帮助。
哈普里特·萨霍塔转换了 Apple 发布的 EgoDex 测试集:包含 111 种操作任务的 3 243 个片段,共 7 小时,附有通过 Apple Vision Pro 记录的 68 个关节的姿态数据。
在一篇署名亚历克斯·埃姆·曾的文章中,Amazon 团队介绍了 HOPE(Higher-Order Pruning of Experts),一种无需重新训练即可从混合专家模型(MoE)中移除最无用专家的方法。
弗里茨·兹瓦格将 x402 Agent Safety Bench 改为 Fizzl 网站上面向所有智能体开放的测试:包含 19 项向模拟卖家购买商品的任务,其中 14 个卖家存在欺诈行为,使用 Base Sepolia 上的测试 USDC 付款。
11 月 6 日介绍的 harness-hub 项目迎来后续进展:针对 Liquid AI 的 LFM2.5-24B 和 LFM3,以及 webAI 的 Twil-8B,在 pi、hermes 和 opencode 执行框架中的 LoRA 训练已经完成;团队宣布,LFM3 的工具使用效率最高提升 43 %、准确率最高提升 15 %,Twil-8B 的工具使用效率最高提升 37 %。
OpenMed 的马齐亚尔·帕纳希通过直接修改权重、无需训练,提高了小型 Qwen 模型在医学考试中的表现:Qwen3.5-2B 在 MedQA 上的成绩从 52.0 % 升至 70.5 %,数学表现没有显著变化;文章说明,部分提升来自回答格式的改变。
罗曼·梅尔尼克完全在一台配备 512 Go 内存的 Mac Studio M3 Ultra 上,将 Qwen3.8-27B 微调为面向 Kafka、Strimzi、Kubernetes 和 Argo CD 的助手;4 位版本约占 15 Go,作者认为这一初步成果有好有坏。
阿里特拉·罗伊·戈斯蒂帕蒂与四位 Hugging Face 合著者回顾了这场于 11 月 5 日至 7 日举办的黑客马拉松,称其为 Hugging Face 在海湾地区举办的首场活动:超过 500 份申请、150 名参与者、40 支队伍、15 支决赛队伍和 3 支获奖队伍。
11 月 8 日,哈普里特·萨霍塔将 2026 Humanoid IKEA Assembly Challenge 的一段数据转换为 FiftyOne 格式:共 6 个片段、30.7 分钟,来自一台配有 35 个电机和七个摄像头的人形机器人,电机扭矩数据与腕部摄像头数据同步对齐。
SAM3D-Part 可一键从现有 3D 对象中提取完整部件,在 500 个对象上的 Chamfer 距离比 OmniPart 低约 72 %,论文已被 SIGGRAPH Asia 2026 接收,权重已发布;与 Purdue 合作开展的 BranchTokens 则将 3D 骨架生成误差较 Auto-Connect 降低了 16.9 %。
Chien-Hsin Lin 发布了首批面向台湾的开放模型:基于 Gemma 4 E4B-it 的一个对话模型和一个安全分类器,以及基于 Whisper large-v3 的两个语音识别模型。
小型模型 Laghu 的开发者 Udgam Labs 以 Apache-2.0 许可证发布了 22 个语音识别模型,分别对应印度宪法第八附表中的一种语言。
Serkan Peker 估算,在一块 H200 上使用 vLLM 运行四个开放模型(Turkish-Gemma-9b-T1、Gemma 4 12B、Ministral 3 14B 和 Qwen3.8-27B)时,生成相同内容的土耳其语文本所需 GPU 时间是英语的 1.45 至 1.62 倍,其中 76% 至 82% 的额外开销可归因于更多的 tokens。
参加 Lexsi Labs 安全与对齐黑客松的三支团队发布了各自对 Cohere Labs 这一开放模型(33.5 亿参数)的微调版本。
Javad Taghia 发布了一项实验:GPT-6 Astra 可以通过工具访问一个小型扩散模型(segmind/tiny-sd)的权重,但无法使用梯度,任务是擦除其中的梵高风格。
Harpreet Sahota 于 11 月 7 日发布了该数据集的 FiftyOne 转换版本。
OpenMOSS 团队推出 MOSS-Live,这一实时对话系统能够同时收听和说话(全双工,full-duplex),理解摄像头或屏幕共享显示的内容,并将搜索和耗时任务交给第二个模型处理,同时保持对话不中断。
ONESTRUCTION 发布面向建筑行业的模型排行榜,得分为五项基准测试的平均值,涵盖图纸、BIM 模型、成本估算和 IDS 生成:Claude Opus 5.5 以 73.7 分领先,比 Gemini 4 Argon(73.6)高 0.1 分,其后是 Claude Opus 5(72.7)和 GPT-6.1 Sol(70.2)。
Dragonscale 表示,在未进行任何重新训练的情况下,改进了其于 11 月 2 日介绍的六个提取编码器:在 Claude Code 中,Claude Opus 5.5 发现指代消解的先行项数量上限为 50,随后在 ONNX 图中将其提高至 100;六个模型的指代消解表现均有提升,计算速度提高了 7 至 16%。
哈普里特·萨霍塔(Voxel51)将 HapTile 数据集转换为适用于 FiftyOne 的格式:包含 1 699 段记录,共 12.36 小时,记录了一台遥操作 UR5e 机械臂,配有凝胶触觉传感器、两台 RGB-D 摄像头,以及操作员感受到的触觉反馈强度,采用 CC BY 4.0 许可。
TCSExam 发布于 Moonshot AI 的 GitHub 组织下,相关 arXiv 论文于 11 月 5 日提交,用于衡量模型能够在多大程度上推动理论计算机科学(theoretical computer science)研究。
在 Hugging Face 博客上,尤尼斯·B.、利桑德和内森·哈比卜(harness-hub 组织)介绍了运行框架适配器(harness adapters):针对每个模型和每种智能体运行框架(pi、opencode、hermes)训练一个小型 LoRA 适配器,在框架内部使用可验证任务进行强化学习,无需修改框架;一个服务器即可提供基础模型和全部适配器的服务。
托尼·齐总结了同一系列编程智能体在七台机器上运行 103 天的情况:协调协议即使满足所有安全不变量,也仍可能被弃用。
继11月5日的首篇之后,比拉勒·扎拉凯特在系列第二篇中,先构建了一个由三名母语者验证的黎巴嫩方言词库(429 个词条),再生成语音数据:需要修正的句子比例从 22 % 降至 4 %,低于预先设定的 5 % 阈值。
VIDRAFT 的一篇社区博文转述了十一月的排行榜(19 个模型):GPT-6.1-Sol 在智能体编程方面领先(69,23),DeepSeek-V4.1-Flash-1017 在开放模型中位居该项第一(65,38),而 Kimi-K3.1-Pro 在开放模型中的综合得分最高。
该公司发布了 139,4 小时、13 263 段成功完成任务的双臂遥操作数据,从机器人视角拍摄,覆盖 15 类任务,采用 LeRobot 格式,并以非商业许可证授权。
哈普里特·萨霍塔将 8 段、共 38,2 分钟由深度摄像头拍摄的家务任务数据转换为适用于 FiftyOne 的格式,两个手腕各佩戴一个 EMG 手环,用于记录前臂肌肉信号。
Runway Research 发布了一篇博客文章和一篇 arXiv 论文,介绍 Runway Characters 如何实现实时运行。
Hugging Face 发布了其开放机器人库的新版本 LeRobot v0.7.0,此时 Hub 上已托管近300 TB的 LeRobot 格式物理人工智能数据。
Sandflow 发布 106 094 个 3D 对象,其中 10 456 个带有关节结构;每个对象都以其开源库 sand3d 中的一段简短 Python 程序表示,并可导出为 OpenUSD,在 Hub 的 3D 查看器中查看。
Lightwheel 详细介绍了其在 NVIDIA 位于 Hugging Face 的 3D 对象库中承担的工作;该库目前已有超过 3 500 个 OpenUSD 对象。
一篇文章介绍了北京大学的这一数据集,Voxel51 已将其转换为适用于 FiftyOne 的格式:数据包含一只指尖带凝胶的 Franka 机械臂的 703 条轨迹,覆盖 12 项任务,总时长 7.03 小时,其中接触情况可通过图像直接观察。
Bilal Zaraket 用四个模型克隆了一位贝鲁特测试者的声音。
Hugo Alonso 在一块 6 GB GPU 上微调 Tiny Aya Global(33.5 亿参数),以哥伦比亚西班牙语审核一面公开的集体记忆墙,取代原先串联的三项云服务。
一位开发者使用 PyTorch FSDP 和 FineWeb,在两块 16 GB T4 显卡上从零预训练了一个参数量略超十亿的模型,并发布首个检查点和训练方案。
RoboColosseum 正式启动:这是一项开放评估计划,在实验室和模拟器之外,利用部署于真实环境(自然场景)的机器人机群评测机器人策略,例如住宅中的 Unitree G1 人形机器人或餐厅中的 YAM 机械臂。
墨尔本大学的两位研究者发布 VeriSpoof,这是一款拥有 29 亿参数的音频 LLM,可检测合成语音、识别其来源并解释判断依据;据作者报告,VeriSpoof-Plus 变体在 Speech-DF-Arena 上的平均等错误率(EER)为 1.79%,权重采用非商业用途的 CC BY-NC 4.0 许可。
一款 2B 参数模型,可将文档字段以带类型的 JSON 返回;在其自建的 546 份文档基准上得分为 0.834,Claude Opus 5 为 0.816,但对比模型均非各家最新版本,且尚未在 Hub 上找到权重。
一项根据计划结构评估智能体的指标,通过最优传输与参考计划对齐;据作者称,在 236 条执行轨迹上,它与人类评审的一致性高于 ROUGE-L(0.74 对 0.64)。
2077AI 和 UC Berkeley 的 RDI 中心发布 CyberArena,将网络安全基准从考试改为对抗:两个智能体各自获得同一个存在漏洞的服务的副本,在三轮比赛中一边攻击对方的副本,一边修复自己的副本。
在 9 月 30 日发布 9B 预览版一个月后,Perplexity 发布了 pplx-embed-v2-context,提供 9B 和 0.6B 两种规模的开放权重上下文嵌入模型。
Hugging Face 的后训练库 TRL 开始支持多教师同策略蒸馏(Multi-Teacher On-Policy Distillation,MOPD)。
在一篇社区文章中,若昂·加莱戈将一个 RISC-V 处理器编译为置于 Qwen3.5-4B 前方的网络层,作为拒绝白名单以外工具调用的防护机制:在他的测试中,没有任何被禁止的调用通过,也没有任何普通请求被拦截,但该装置只能让篡改显现出来,无法阻止篡改。
前端开发人工智能工具厂商 Kombai 在 Hugging Face 博客上介绍 Design Creativity Bench。
六款开放编码器,参数量从 55M 到 538M(Apache-2.0、ONNX),可根据调用时描述的模式提取实体、关系和事实,无需 LLM,用于智能体记忆;在 Re-DocRED 上,同一句内的得分为 0,749,相隔两句时为 0,732(DeBERTa 变体)。
在一篇社区文章中,卢卡斯将 Qwen3-4B-Instruct 蒸馏为四个内存相同的学生模型:滑动窗口足以应对简短回答,但在 AIME 和 HMMT 上,他的 Bifocal 层(小窗口加 mLSTM 状态)解出的题目数量几乎是单独使用窗口的两倍,后者停留在约 14 %。
VIDRAFT 通过微调在 Qwen3-0.6B 中植入后门:文件路径中的“payroll”一词会触发恶意命令,在此前未见过的路径上触发率为 98,3 %,且未被 24 项检查发现;在 ViKernel 上,290 个攻击载荷均在执行前被拒绝。
赖罗·穆卡穆里的一项预注册研究未能通过 Beam-1.0-501B-A23B 的专家路由,提前 500 个 token 预测测试造假:AUROC 为 0,580,低于预设的 0,75 阈值,计算成本为 9,03 美元。
GPU 租赁商 EcoHash 使用单张 96 Go 显卡,在 90 秒内生成一段带声音的 10 秒 1080p 视频;480p 版本耗时 14,8 秒。
克希蒂杰·塔卡尔在 Hugging Face 社区文章中介绍了一套包含 72 项任务的基准,任务围绕受印度传统启发的几何图案展开,并由验证器检查。
贾瓦德·塔吉亚在一篇社区文章中测得,其智能体记忆库在 Mem0 的这套基准中完成了 600 项任务中的 479 项(79,83 %),上一轮为 390 项。
VIDRAFT(FINAL-Bench)在一篇社区文章中介绍了一个 v0.1 演示,据称可将智能体的控制机制存入模型权重,包含停止按钮。
在 Hugging Face 发布的一篇社区文章中,托马斯·金详细介绍了 llama.cpp 服务器 llama-server 中一个未被察觉的缺陷。
Hugging Face 上的一篇社区文章介绍了采用 MIT 许可证的 CUDA 内核,可确定转录文本中每个词的发音时间:在十项工作负载上耗时 30.44 ms,而 k2 为 6.34 s,NeMo 为 28.18 s,速度分别约为两者的 208 倍和 926 倍;这些数据仅衡量 RTX 3090 上的对齐过程。
projectsim 在 Hugging Face 上发表的社区文章主张使用仿真来训练和测试机器人,依据的是第三方成果,例如 Figure 的 Helix 2.5 在 30 个此前未见过的家庭环境中,完整任务完成率从 9 % 提升至 56 %;文章没有提供自己的实验结果。
Fizzl 在 Hugging Face 上发表的社区文章显示,MetaMask 对智能体发起的两笔各 0.001 美元的 x402 支付显示“高风险批准”提示;在 Base 上抽样的 300 个 x402 支付地址中,有 289 个属于文中报告的情形。
—曾于 2025 年 4 月由香港大学 NLP 实验室发布 Dream 7B 的团队成员在 DiffuSpace 继续推进研究,并推出了 Clover 家族的首个版本 Clover-35B-A3B-Preview。
FrontiersMind 在 Apache 2.0 协议下发布了其 4B 和 27B 决策模型:据作者称,27B 在八个公开基准上的平均得分为 87.3%,4B 为 82.4%,而 Jev 1.13.0 为 81.2%(后者在 BBH 和 JudgeBench 上仍保持优势)。
Project Pyrite 将该模型从 51.75 GiB 缩减至 10.11 GiB,并在搭载 M2 Pro 的设备上通过 mlx-lm 以 12.2 tokens/s 的速度运行;作者表示,在同等大小下,为最敏感的 30 个投影保留 3 bit 可将 KL 散度降低 22%。
Maya Research 在 Apache-2.0 协议下发布了一款支持 11 种印度语言和英语的语音合成模型,拥有 20 种音色,支持流式传输以及基于 3 至 10 秒样本的声音克隆;据其测算,在单张 H100 NVL 上可支持 224 路并发流,中位数首音延迟为 111 毫秒。
IBM 发布了一个向后兼容的修复版本:仅转录模型(现已支持 10 种语言的多语言并带标点)与决策适配器有所变更,未公布性能提升数据。
据一篇社区文章的作者介绍,拥有 318 亿参数的 MoE 模型 llm-jp-4-32b-a3b-base 从 59.06 GiB 缩至 9.81 GiB,并能在配备 16 GB 内存的 Mac M2 Pro 上以每秒 34 至 49 tokens 运行,且没有统一 2 位量化所产生的重复循环。
OpenPeerAI 预览发布了一个 131 亿参数的模型,通过在 AMD 硬件上逐步扩展一个 1.63 亿参数的模型得到;作者尚未运行任何通用基准测试,并主动指出语料中存在错误。
宗宇轩提出,只要某些量化层能容纳在 GPU 的 L2 缓存中,就对其重复执行:据作者称,在 RTX 5080 上,第二次执行的开销约为执行一个新层的一半,并可在参数量相同的情况下将损失降低 0.05 至 0.08。
一项针对 Hugging Face Hub 的社区盘点发现了 368 个脑信号数据集,其中 146 个没有许可证标签,给再利用带来困难。
补报 10 月 24 日消息:据 The Hacker News 报道,Perplexity 研究员阿德尔·卡里米在其蜜罐(honeypots)上捕获了疑似首次在真实环境中成功利用 PHP2Shell 的攻击(CVE-2026-109618 和 CVE-2026-109619);截至目前,尚未获取第二阶段载荷。
在一篇公布初步结果的博文中,尤尼斯·贝、内森·哈比卜和利桑德尔将两个玩具二进制程序交给 Qwen3.5-9B 处理,由 DeepSeek-V4.1-Flash-1017 指导,并通过包含约 600 个用例的判定器验证;主导模型仅介入约 40 % 的函数。
根据彼得·克鲁格的测量,七款 LLM 路由器的 17 种配置中,没有一种能在质量和成本两方面同时胜过固定调用 GPT-5.6 Luna,其中五种配置表现为固定选择。
VIDRAFT 使用 FineWeb-Edu 的 50 亿词元,在商用推理 NPU 上从零预训练了一个参数量为 325.6M 的模型:损失为 0.7993,而在 B200 上进行相同训练的损失为 0.7994;权重已公开。
FrontiersMind 以 Apache 2.0 许可证开放了用于训练其 Lumma-Fev 模型的代码:它能将 Hub 上的模型转换为决策模型,在一次前向计算中为各选项评分,并通过单个 YAML 文件配置训练方式,包括全量训练、LoRA 或 QLoRA。
补报 10 月 23 日消息:在一篇 Hugging Face 博文中,罗奕航、罗昌骋及其合著者介绍了一个世界模型,它能根据几张照片重建房间,模拟其中的物体,并将渲染交给视频模型:切换视角、打开抽屉、让机器人进入房间。
补报 10 月 23 日消息:郭宏霖、桂涛(SII)及其合著者介绍了一个主动式个人助手,它会复用用户过去的偏好和决定,监测已连接的信息源,并主动提出后续行动建议。
马特乌什·皮耶夏克发布了一款可以回答“我不确定”的波兰语语音助手:它运行在基于 ZeroGPU 的 Hugging Face Space 中,不依赖按用量收费的 API,由 Whisper large-v3 听取语音、开放模型 PLLuM-12B 作答,代码自行处理天气、汇率和算术计算,每条自由生成的回答都会在朗读前经过核查。
剑桥大学、EleutherAI 和牛津大学的研究人员发布了 330 个小型模型(285 个双语模型,语言为英语及 21 种语言之一,另有 45 个单语模型),同时提供检查点、数据和代码;据博文介绍,这些模型分别使用 100M、2B 和 24B 词元训练,用于研究第二语言学习;仓库未声明许可证。
补记 10 月 21 日消息:Dharma-AI 围绕每个词元的成本,重构了其基于 Qwen3-4B 的葡萄牙语作文批改器词表,使实测推理成本降低 77 %,质量评分从 0,703 提高至 0,810;这些数据仍属初步结果,论文正在审稿,尚未发布代码。
补记:IBM 更新了 Granite Speech 系列,新增 granite-speech-5.0-2b 模型,并推出两个修订版本,均采用 Apache 2.0 许可证。
Microsoft 在 ThinkingBox 的基础上推出后续工作。
马尼萨杰拉勒巴亚尔大学的 XRLab 实验室更新了其拥有 40 亿参数的本地模型,用于控制扩展现实中的 Unity 场景:它能接受纠正、理解注视和指向、在其他房间中执行操作,也能在行动前拒绝请求。
据一篇社区文章介绍,一条由 GLM-5.3-Flash 驱动 EVIE-4.5B 检索器的开放权重流水线,在单张 GPU 上取得了 70.01 的平均 nDCG@10,位居 ViDoRe V3 流水线排行榜首位。
Google DeepMind 和 Google Research 与世界资源研究所(WRI)及 IIASA 联合发布 Forest Typology(ForTy)2020。
伦敦主权人工智能实验室 Locai Labs 与 NVIDIA 联合发布 Nemotron-Personas-UK,包含一百万份采用 CC BY 4.0 许可证的合成人物画像。
这款采用 Apache 2.0 许可证、拥有 90 亿参数的本地决策模型,据作者称,在 Decision Index 上获得 59,16 分,高于托管版 Jev 1.13 的 57,96 分,但作者未说明指数版本;在 RTX PRO 6000 上每次决策耗时 22 毫秒。
UDGAM LABS 以 146 美元从零训练了一个拥有 1.52 亿参数的对话模型,在浏览器中占用 163 兆字节;据作者称,其对话表现与 SmolLM2-135M-Instruct 持平。
basecompute 发布 Qwen3.8-27B 的量化版本(10,93、16,41 和 20,82 吉字节),据作者称,其 3 位和 4 位量化的 KL 散度比 Unsloth 低 15 %。
据一篇社区博文称,未经重排序训练的 Qwen3.8-27B 在三个基准上击败了经过监督训练的 Qwen3-VL-Reranker-2B,并在 MMEB-V2 的视觉文档任务上与 8B 版本持平。