Google DeepMind 推出 Gemini 驱动的 ATL Saathi，为印度教师提供 24/7 教学助理
Google DeepMind 在印度启动 ATL Saathi 试点，这款由 Gemini 驱动的 Web 应用为 Tinkering Lab 教师提供 24/7 备课与培训助理。
全部AI 动态
全部动态
今日 11 条Google DeepMindAI 评分2727 MIT News · AIAI 评分4747 MIT 新方法无需生成内容即可审计模型是否会被用于制作 AI 儿童性虐待材料
MIT 团队联合儿童安全非营利组织 Thorn 提出一种不生成任何输出的审计方法，通过高斯探针（Gaussian probing）检测 LoRA 适配器对模型内部计算的改动，识别其是否被专门微调用于生成 CSAM，测试中对三类模型的 CSAM 变体识别准确率达 100%。
Hugging Face BlogAI 评分3131 PyTorch 性能分析（第三部分）：剖析 attention 实现的性能表现
PyTorch 官方博客 "Profiling in PyTorch" 系列第三篇聚焦 attention，通过 naive attention、inplace 因果掩码、SDPA 和自定义 kernel 四种实现对比 profiler 追踪结果。
MIT News · AIAI 评分3939 MIT 的 FloatForm：小型机器船自组装成水上漂浮结构
MIT 团队推出 FloatForm，一个由 21 厘米见方的小型方形机器船组成的集群系统，可自主拼装成刚性结构、拆解并重组为新构型。实验中海量 8 艘机器船从随机位置聚合、锁定、按指令分离并整体航行，单次耗时 4-8 分钟，仿真验证可平滑扩展至 64 艘；其去中心化方法让规划复杂度只取决于局部邻居而非集群总规模。
Hugging Face Blog精选AI 评分7777 vLLM 的 transformers 建模后端提速至原生实现水平
Hugging Face 宣布 vLLM 的 transformers 建模后端现已达到甚至超过 vLLM 手写原生实现的吞吐量，覆盖 Qwen3-4B（单卡）、Qwen3-32B（张量并行）、Qwen3-235B-A22B-FP8（数据加专家并行，8×H100）三种规模。
推荐理由：官方给出三个 Qwen3 模型的实测对比，读者可了解无需移植即可获得原生级 vLLM 推理速度的具体路径。
Hugging Face BlogAI 评分2727 Hugging Face 与 Amazon SageMaker Studio 打通一键直达
Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，用户在支持的模型页选择 Customize on SageMaker AI 或 Deploy on SageMaker AI，即可一键进入 SageMaker Studio，模型已预加载、环境自动配置。
Hugging Face BlogAI 评分4949 Hugging Face 模型上线 Microsoft Foundry Managed Compute
微软在 Build 2026 宣布 Foundry Managed Compute 与 Hugging Face 模型集合，精选开源权重模型每周刷新、一键部署，权重预置于 Azure。
Berkeley AI ResearchAI 评分3030 Intelligence is Free, Now What? 智能体时代的数据系统：为智能体、由智能体
UC Berkeley 团队提出近零推理成本将带来三类数据系统挑战：为智能体（Data Systems For Agents）、由智能体运行（Of Agents）、由智能体合成（By Agents）。文中举例指出，GPT-4 级能力在 2023 年初约 $30/百万 token，如今已降至 1 美元以下，部分厂商低于 $0.10，推理价格年降幅在 9 倍到 900 倍之间，中位数约 50 倍。
Hugging Face Blog精选AI 评分6262 SkyPilot 与 Hugging Face 打通：用 hf:// 挂载实现零出站存储
Hugging Face 与 SkyPilot 联合推出 hf:// 挂载能力，可将 Hugging Face Bucket 或模型、数据集仓库挂载进 SkyPilot 任务，在 20 多个云、Kubernetes、Slurm 和本地环境中运行 GPU 作业。
推荐理由：原文给出了 hf:// 挂载方式和跨云零出站读取的实测吞吐数据，读者可据此判断多云端 GPU 训练的存储成本变化。
Hugging Face Blog精选AI 评分7171 LeRobot v0.6.0 发布：世界模型策略、奖励模型 API 与六个仿真基准
LeRobot 发布 v0.6.0，围绕机器人学习闭环引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新一批 VLA（GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT）以及统一奖励模型 API（Robometer、TOPReward）。
推荐理由：原文给出世界模型策略、奖励模型 API 与六个仿真基准的完整清单，读者可据此判断机器人学习闭环的现有工具面。
Hugging Face BlogAI 评分2222 PRX 第四部分：我们的数据策略
Hugging Face 发布 PRX 系列第四篇，详解其数据策略：从公开与内部数据集混合构建训练语料，用 VLM 重新生成图片长描述，并借助 Mosaic Streaming 与 Lance 完成流式训练和数据管理。PRX 将文本编码器换成 Qwen3-VL，改为训练时实时计算文本 latent，仅带来约 3–4% 吞吐损失。图片统一以 JPEG 质量 92 编码，实测首次重编码几乎无感知损失。
Hugging Face BlogAI 评分3636 Hugging Face Kernels 项目发布重大更新：新增 kernel 仓库类型与代码签名
Hugging Face 的 Kernels 项目迎来重大更新，Hub 新增 "kernel" 仓库类型，并引入可信发布者机制与代码签名，默认只加载可信发布者的 kernel，加载其他来源需显式传入 trust_remote_code。
Google DeepMindAI 评分2727 Google DeepMind 与 A24 宣布首个研究型合作伙伴关系
Google DeepMind 与 A24 宣布达成首个研究型合作伙伴关系，双方将围绕多个项目展开深度研发协作，让 A24 及旗下电影人参与塑造新技术。Google 同时对 A24 进行了投资。
MIT News · AIAI 评分1212 MIT 校长：AI 时代仍需好奇心驱动的研究与伦理教育
MIT 校长 Sally Kornbluth 在《华盛顿邮报》活动上警告，缺乏联邦对好奇心驱动研究的支持可能让美国创新与人才管道枯竭。她表示 MIT 新课程在强化 STEM 基础的同时，重新重视道德、公民与伦理教育，并强调学生应把 AI 当作增强工具、学会写正确的提示词。她还提到 MIT 已衍生出超 3 万家公司，并推出面向父母收入低于 20 万美元学生的免学费项目。
Berkeley AI ResearchAI 评分1313 2026 届 BAIR 博士毕业展示：LLM 推理、机器人、AI 安全等方向毕业生去向公布
Berkeley AI Research（BAIR）lab 公布 2026 届博士毕业生展示，研究覆盖机器人、大语言模型与推理、计算机视觉、生成模型、AI 安全及 AI for science 与医疗等方向。
Hugging Face BlogAI 评分5454 HF Mirror 与 Cerebras 将 Gemma 4 用于实时语音 AI
Hugging Face 与 Cerebras 展示了基于 Gemma 4 的实时语音到语音管线，采用模块化的开源架构。流程为 Nvidia 的 Parakeet 做语音识别，Gemma 4 VLM 在 Cerebras 上推理，再由阿里 Qwen3TTS 做文本转语音。
Hugging Face BlogAI 评分4747 ScarfBench：面向企业 Java 框架迁移的 AI 智能体基准
Hugging Face 发布开源基准 ScarfBench，用于评测 AI 智能体在企业 Java 跨框架迁移中的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）两款模型。
推荐理由：两款模型给出明确的延迟、单价与可用入口，读者可据此判断图像与视频生成流水线的成本变化。
MIT News · AIAI 评分2424 MIT 专访：智能体 AI 今天是什么，我们又希望它成为什么？
MIT News 专访 MIT EECS 副教授、CSAIL 成员 Phillip Isola，解析智能体 AI 与 ChatGPT、Claude 等生成式 AI 的区别。
Hugging Face BlogAI 评分4040 为什么专业化不可避免：从优化理论到机器学习的共同结论
一份由 Goldfeder、Wyder、LeCun 和 Shwartz-Ziv 于 2026 年发表的论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》提出，优化理论、进化生物学、竞争市场与机器学习都指向同一结论：在有限算力、数据和开发时间下，专业化系统优于追求通用性的系统。
Hugging Face BlogAI 评分4141 Hugging Face 模型页支持展示 Every Eval Ever 评测结果
Every Eval Ever（EEE）与 Hugging Face Community Evals 现已互通，评测结果可跨平台交叉发布并回链到完整 EEE 记录。
Hugging Face BlogAI 评分3434 DiScoFormer：一个 Transformer 同时估计任意分布的密度与 score
Hugging Face 团队提出 DiScoFormer（Density and Score Transformer），单次前向传播即可同时估计分布的密度与 score，无需针对新分布重新训练。
Hugging Face BlogAI 评分5757 一条命令在 HF Jobs 上运行 vLLM 服务器
Hugging Face 发布教程，介绍用一条 hf jobs run 命令在 HF Jobs 上启动私有、兼容 OpenAI API 的 vLLM 端点，按秒计费、无需自行配置服务器或 Kubernetes。
Google DeepMind精选AI 评分7575 Google DeepMind 在 Gemini 3.5 Flash 中内置 computer use
Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具，开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建能在浏览器、移动端和桌面环境中看、推理并采取行动的智能体。
推荐理由：原文说明了 computer use 从独立模型并入主力 Flash 模型，并给出企业可用入口和两个安全防护机制。
Hugging Face BlogAI 评分5656 NVIDIA NeMo AutoModel 发布：MoE 微调吞吐提升 3.4-3.7 倍
NVIDIA 发布开源库 NeMo AutoModel，基于 HuggingFace Transformers v5 构建，为 MoE 模型微调带来 3.4-3.7 倍训练吞吐提升和 29-32% 显存下降，只需改动一行 import，无需修改其余 API 调用。
Hugging Face BlogAI 评分4141 Hugging Face 与 Treble Technologies 推出 FFASR 远场 ASR 基准榜单
Hugging Face 与 Treble Technologies 上线首个开放的远场 ASR 基准 FFASR Leaderboard，覆盖 14 个模拟房间，并按近场、远场高/中/低 SNR 等条件评估模型。
Hugging Face BlogAI 评分4545 Hugging Face 用 AI 与开源工具实现 huggingface_hub 每周发版
Hugging Face 将 huggingface_hub 的发布流程从每 4 到 6 周一次改为每周一次，全部由一个 GitHub Actions workflow 驱动。
Hugging Face BlogAI 评分4040 Transformers.js 试验跨源存储（Cross-Origin Storage）API
Google Chrome 团队开发者关系工程师 Thomas Steiner 在 Hugging Face 博客介绍，Transformers.js 试验中的跨源存储（COS）API 引入 navigator.crossOriginStorage 接口，通过加密哈希而非 URL 跨源存取大文件。
Hugging Face BlogAI 评分4545 PP-OCRv6 上线 HF Mirror：1.5M 到 34.5M 参数、支持 50 种语言
PaddleOCR 的 PP-OCRv6 已在 HF Mirror 上线，提供 tiny、small、medium 三档模型，参数规模从 1.5M 到 34.5M，其中 medium 和 small 单模型支持 50 种语言。
Hugging Face BlogAI 评分5050 Hugging Face 用本地模型 Gemma 与 Qwen 免费分诊 OpenClaw 仓库
Hugging Face 分享用本地开源模型加智能体框架，为 OpenClaw 仓库的 issue 和 PR 做自动分类与分流。方案在 NVIDIA GB10（DGX Spark）上运行 gemma-4-26b-a4b 和 qwen3.6-35b-a3b，两者本地每秒可生成数百 token，并借助受限只读 shell reposhell 让模型查看代码库后输出分类标签。
Hugging Face BlogAI 评分4141 MosaicLeaks：你的深度研究智能体能守住秘密吗？
Hugging Face 博客发布 MosaicLeaks 基准，用 1001 条交错公私信息的多跳研究链检验深度研究智能体的隐私泄漏，并区分意图、答案、全信息三类泄漏。其提出的隐私感知训练方法 PA-DR 将严格链成功率从 48.7% 提升到 58.7%，同时把答案/全信息泄漏率从 34.0% 降到 9.9%。测试显示仅按任务表现训练会加剧泄漏。
Hugging Face BlogAI 评分5555 Hugging Face 实测：LoRA 之外还有更好的微调技术
Hugging Face 在其 PEFT 库中新增统一的微调基准，对 40 多种参数高效微调（PEFT）技术使用相同基座模型、数据集和硬件进行对比，结论是 LoRA 并非总是最优选择。
Hugging Face BlogAI 评分5050 Hugging Face 用 transformers 打造智能体工具基准测试，开放模型自己跑
Hugging Face 发布了一套面向工具的智能体基准测试框架，以 transformers 为案例，衡量智能体完成任务所耗的 token、成本与失败次数，而非只看最终答案。测试在 pi coding agent 上驱动开放模型，按模型 × 版本 × 任务展开并跑在 HF Jobs 上以保证硬件一致，结果存入 HF Bucket。
Hugging Face Blog精选AI 评分6363 用 Strands Agents 和 LeRobot 从 Hugging Face Hub 走到机器人硬件
AWS 开源的 Strands Robots SDK 将 LeRobot 相关的数据录制、策略推理和机器人抽象封装成 AgentTools，可组合成单个 Strands agent，把 Hub 上的数据集一路走到物理机器人。
推荐理由：完整走通从 Hub 数据集到真机的一条 Agent 流水线，说明仿真与硬件数据共用同一格式后，训练脚本可以不加改动地互换使用。
Hugging Face Blog精选AI 评分8282 智谱发布 GLM-5.2：面向长程任务，1M 上下文与 MIT 开源
智谱发布旗舰模型 GLM-5.2，主打长程任务，首次提供稳定的 1M token 上下文，并采用 MIT 开源许可且无地域限制。官方称其架构引入 IndexShare，每 4 层稀疏注意力共享同一 indexer，在 1M 上下文下把每 token FLOPs 降低 2.9×，MTP 层改进使投机解码接受长度最高提升 20%。
推荐理由：官方给出 1M 上下文在长程编码任务上的实测栈位、架构改动与 MIT 开放权重，可据此判断开源模型的长任务能力边界。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 Agentic Resource Discovery 规范与 Discover Tool
Hugging Face 发布 Agentic Resource Discovery（ARD）草案规范，用于让智能体在运行时搜索和发现工具、Skill 与智能体，而非预先安装配置。
推荐理由：原文给出 ARD 规范的组成与 Hugging Face 的参考实现，读者可了解智能体运行时发现能力的标准路径
Google DeepMindAI 评分4545 Google DeepMind 与英国政府用 Gemini 打造 AI 规划原型，目标将审批时间减半
Google DeepMind 正与英国政府、Google Cloud、Faculty 及 Barnet、Dorset、Camden 地方规划部门联合开发基于 Gemini 的 AI 规划原型，目标将住户规划申请决策时间缩短 50%。
Google DeepMindAI 评分5858 Google DeepMind 发布 AI Control Roadmap，为内部 AI 智能体加装系统级安全防护
Google DeepMind 发布 AI Control Roadmap，用于在 Google 内部署的 AI 智能体上叠加系统级安全层，即使模型对齐不完美也能提供保障，并称其可能成为行业参考。
Hugging Face BlogAI 评分2828 PyTorch 性能剖析（第二部分）：从 nn.Linear 到融合 MLP
PyTorch 性能剖析系列第二部分用 nn.Linear（bias=True）替换手写的 matmul-add，再堆叠三层并加入激活构成 MLP，在 NVIDIA A100-SXM4-80GB 上分析 profiler trace。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 DiffusionGemma：文本扩散模型推理最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式一次性生成 256 个 token，在专用 GPU 上文本生成最高提速 4 倍，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：官方给出 4x 推理加速的实测数字与本地低并发场景边界，读者可据此判断它适合哪些交互式工作流。