Musubi 开源决策模型 PolicyLM-1.7B,用于实时内容审核
Musubi 发布开源权重的轻量决策模型 PolicyLM-1.7B,面向实时内容审核,可将纯英文撰写的内容政策应用到消息上,耗时低于 50 毫秒。该模型成本与速度接近多数社交平台使用的 AI 分类器,但具备现代 LLM 的灵活性,可在无需专门训练的情况下执行复杂政策,政策变更时也不必重新训练。
Musubi 发布开源权重的轻量决策模型 PolicyLM-1.7B,面向实时内容审核,可将纯英文撰写的内容政策应用到消息上,耗时低于 50 毫秒。该模型成本与速度接近多数社交平台使用的 AI 分类器,但具备现代 LLM 的灵活性,可在无需专门训练的情况下执行复杂政策,政策变更时也不必重新训练。
Google DeepMind 于 9 月 8 日发布 AlphaGenome Atlas,这是一个在线仓库,预先计算了参考人类基因组全部 90 亿种单碱基变异的 AlphaGenome 预测结果。
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder,用于 ColBERT 式晚交互检索,PyLate、Stanford-NLP ColBERT 以及 colpali-engine 视觉文档检索检查点均可通过同一套 API 加载。
推荐理由:原文给出多种 ColBERT 类检查点的统一加载方式,以及索引体积与检索收益之间的实测取舍,可据此决定是否替换现有稠密检索。
NVIDIA 发布 Magpie TTS Multilingual,一个 364M 参数的开源权重语音合成模型,新增 Modern Standard Arabic、Korean 和 Brazilian Portuguese,共支持 12 种语言。
Google DeepMind 更新 Veo 3.1 Ingredients to Video,即使提示词简短也能生成更生动、有对白和叙事的视频,并改善角色身份、背景与物体跨场景一致性。
推荐理由:官方披露 Veo 3.1 Ingredients to Video 的一致性、竖屏与 1080p/4K 升级及上线渠道,便于判断视频工作流怎么变。
Google DeepMind 发布 Gemma Scope 2,一套覆盖 Gemma 3 全部模型尺寸(270M 至 27B 参数)的开源可解释性工具套件。该套件结合稀疏自编码器(SAE)与 transcoder,并新增 skip-transcoder、Cross-layer transcoder 和面向聊天版本的分析工具,可研究越狱、拒绝机制和链式推理忠实度等行为。
推荐理由:Gemma Scope 2 覆盖 Gemma 3 全尺寸并升级稀疏自编码器工具,可了解开源可解释性工具的规模与方法变化。
NVIDIA 在 GTC 2025 上发布三款面向物理 AI 开发者的开源资源:70 亿参数的 Cosmos Transfer 世界基础模型、15TB 的 Physical AI Dataset,以及首个通用人形机器人开源基础模型 NVIDIA Isaac GR00T N1。
推荐理由:三款开源发布给出参数规模、数据量和模型结构,读者可据此判断物理 AI 开发的基础资源变化。
Stable Diffusion 3.5 Large 已在 Hugging Face Hub 发布并接入 Diffusers,包含 8B 模型和 8B timestep-distilled 少步推理版本,蒸馏版通常 4-8 步即可出图。
推荐理由:原文给出 SD3.5 在 Diffusers 中的量化推理与 LoRA 微调完整调用路径,可直接对照迁移。
Segmind 发布 SegMoE 框架,可从零构建混合专家(MoE)扩散模型,并已集成 diffusers,同时开源 SegMoE-4x2、SegMoE-2x1 和 SegMoE-SD4x2 三个模型及建模代码(Apache 2.0)。
推荐理由:原文给出了从配置到生产的完整流程和显存占用数据,读者可以据此判断是否用 MoE 方式拼装扩散模型。
Hugging Face Diffusers 团队与 T2I-Adapter 作者合作,在 diffusers 中为 Stable Diffusion XL(SDXL)加入 T2I-Adapter 支持,并发布 sketch、canny、lineart、depth、openpose 等多种条件的 checkpoint。
推荐理由:Diffusers 团队与 T2I-Adapter 作者合作把 SDXL 适配器接入 diffusers,并给出从零训练的配置与参数对比,便于读者评估可控生成的开销与接入方式。