Hugging Face 构建 Jupyter Agent，让模型直接在 Jupyter Notebook 中执行代码完成数据分析任务，并以 Qwen3-4B-Thinking-2507 为基线做微调。通过将脚手架精简到约 200 行代码，DABStep 简单任务准确率从 44.4% 提升至 59.7%。该基准上现有最强模型 Claude 4 Sonnet 在困难任务上准确率不足 20%。
Sebastian Raschka 发布教程，用纯 PyTorch 从零实现 Qwen3 的 Dense 与 Mixture-of-Experts 架构。
SandboxAQ 开源 Structurally Augmented IC50 Repository（SAIR），包含超 500 万个 AI 生成的高精度蛋白质-配体 3D 结构，每个结构都配有来自 ChEMBL 或 BindingDB 的实验测定 IC₅₀ 数据，以 CC BY 4.0 许可免费开放。
研究证明 word2vec 在现实训练条件下可归结为无权重最小二乘矩阵分解，梯度流动态存在闭式解，最终学到的表示等价于对矩阵 M* 做 PCA。该矩阵仅由语料共现概率、unigram 概率等可测统计量和超参数决定，其顶部特征向量对应可解释概念：名人传记、政府市政、地理描述等。
NVIDIA 发布 600 万多语言推理数据集 Nemotron Post-Training Dataset V2，将原有英文推理数据翻译为法语、西班牙语、德语、意大利语和日语五种语言，并保留原始英文推理链。
AI-MO 与 Kimi 开源 kimina-prover-rl 训练流程，基于 DeepSeek-R1 式"先推理后生成"范式，兼容 Verl 框架，并随附 1.7B 与 0.6B 两个模型。
Hugging Face 推出 FilBench，一个覆盖 Tagalog、Filipino 和 Cebuano 三种菲律宾语言的评测套件，含文化知识、经典 NLP、阅读理解、生成四大类共 12 项任务，并基于 Lighteval 构建，已作为社区任务上线官方 Lighteval 仓库。
Hugging Face 推出 3LM（علم），首个专门评估阿拉伯语 LLM 在 STEM 与代码生成能力的多组件基准，包含 865 道真实 STEM 选择题、1744 道合成高难度题，以及译成阿拉伯语的 HumanEval+ 和 MBPP+ 代码任务。
Hugging Face 发布开源免费的实验追踪 Python 库 Trackio，提供本地 Gradio 仪表盘，并可将仪表盘同步到 Hugging Face Spaces 以 URL 或 iframe 分享。
Parquet Content-Defined Chunking（CDC）已在 PyArrow 和 Pandas 中可用，可在 HF 的 Xet 存储层上对 Parquet 文件高效去重，只上传或下载变更的数据块。
Arc Institute 发起 Virtual Cell Challenge，要求参赛者训练模型预测在部分未见过的细胞类型中沉默某个基因的效果，即"上下文泛化"。
Hugging Face 推出 Ettin，首个用相同数据（2T tokens）、架构和训练配方训练的 SoTA 配对编码器与解码器模型套件，参数覆盖 17M-1B。
Numina 与 Kimi 团队发布定理证明模型 Kimina-Prover-72B，基于 Qwen2.5-72B 并用 Kimi k1.5 的 RL 流程训练，在 miniF2F 基准上以 TTRL 搜索框架达到 92.2% 的 SOTA 通过率。
Hugging Face 在 nanoVLM 项目中发现，训练中约 60% 的 batch 被无用的 padding token 占据，GPU 大量空转。其博客给出五阶段数据管道方案：从朴素 padding、固定长度裁剪，到用背包问题（knapsack）动态打包序列，并借助 IterableDataset 与生产者-消费者队列实现多模态数据的按需组批，尽量减少填充浪费。
Hugging Face 宣布举办 NeurIPS 2025 E2LM 竞赛，面向科学知识领域构建能在 LLM 训练早期（约 200B tokens 前）捕捉有效信号的新基准。
Hugging Face 与 NVIDIA 合作推出 Training Cluster as a Service，让全球研究机构按需申请 GPU 集群并按训练时长付费，Hugging Face 上 25 万家组织可提交需求。
Hugging Face TRL 通过 PR #3394 支持 vLLM 的 external launcher，可在同一分布式进程组中让训练与推理共享同一批 GPU，需在 GRPOConfig 中设置 vllm_mode="colocate"。
有用户在 bf16 精度下用 Qwen2.5-0.5B-Instruct 测试 Liger GRPO loss 搭配 DeepSpeed ZeRO3，训练时在 liger_kernel 的 grpo_loss 前向计算中触发 shape mismatch 报错。
阿联酋 TII 基于 Falcon 3 架构推出 7B 参数模型 Falcon-Arabic，支持阿拉伯语、英语等多语言。该模型支持 32,000 tokens 上下文，在 OALL v2 基准上超越同规模阿拉伯语 LLM，甚至优于体积大至 4 倍的模型，并覆盖 RAG 等长文档任务。
Falcon-LLM 团队发布 Falcon-Edge 系列 1.58bit 语言模型，基于 BitNet 架构，提供 1B 和 3B 两种规模，各有 base 与指令微调版本，用约 1.5 Tera Tokens 内部数据预训练。
ServiceNow 开源实验性 RL 实现 PipelineRL，核心是在 RL 训练中做 inflight 权重更新：每次优化器更新后不停止推理就把新权重广播到推理服务器，从而在保持高推理吞吐的同时让数据接近 on-policy。
语言技术实验室发布 Visual Salamandra，把 70 亿参数的 Salamandra 大语言模型扩展至图像和视频多模态任务，并以 SigLIP-So400m 编码器、2 层 MLP 投影器与 late-fusion 架构实现视觉-语言对齐。
Hugging Face 与 MBZUAI 合作推出 Arabic-Leaderboards Space，将阿拉伯语 AI 评测集中到一处，目前上线 AraGen-03-25 和阿拉伯语指令遵循两个榜单。
Hugging Face 把已有 3 年历史的 NLP Course 更名为 LLM Course，并新增微调 LLM、构建 DeepSeek R1 等推理模型的新章节。
DeepSeek-V3 的更新版 DeepSeek-V3-0324 本周出现在 Hugging Face Hub 上，架构与原始 V3 相同，许可证由自定义模型许可改为 MIT。
推荐理由：梳理了 DeepSeek-V3 更新版在数学与代码基准上的提升幅度，并给出本地部署与量化方案。
Hugging Face 发布教程，介绍如何用 Sentence Transformers 库微调 reranker（Cross Encoder）模型，覆盖数据集、损失函数、训练参数、评估器和 CrossEncoderTrainer 各组件。
Hugging Face 已将首批模型和数据集仓库从 LFS 迁移至 Xet 存储，约 6% 的 Hub 下载流量切换到 Xet 基础设施。Xet 采用内容定义分块（CDC），按约 64KB 块做字节级去重，改一个 Parquet 文件的一行只需上传变更块，而 LFS 需重传整个文件。2 月 20 日当天共迁移 4.5 TB 仓库数据，迁移后 CAS 的下载量一度达到返回给客户端的四倍。
Open R1 发布第三期更新，包括从 DeepSeek-R1 蒸馏的近 10 万条 C++ 与 Python 竞赛编程思维链数据集 CodeForces-CoTs、基于 2024 国际信息学奥林匹克（IOI）的新基准，以及微调的 7B 和 32B 模型 OlympicCoder。
推荐理由：Open R1 公布了从 R1 蒸馏的代码推理数据集、IOI 基准与两个开源模型，可看蒸馏训练的具体做法与教训。
Yaak 与 Hugging Face 的 LeRobot 团队联合发布 Learning to Drive（L2D），被称为全球最大的开源自动驾驶数据集，包含来自德国 30 个城市、60 辆驾校电动车、历时 3 年采集的 90+ TB 多模态数据，约 5000 小时驾驶记录。
推荐理由：L2D 开源数据集包含 5000+ 小时德国驾校数据，可用于 LeRobot 端到端自动驾驶模型的训练与闭环测试。
Hugging Face 发布博客，拆解每天 10 亿次以上分类与嵌入推理的成本与延迟计算方法。作者用 Inference Endpoints、HF Hub 库、Infinity 推理服务器和 k6 压测，在 nvidia-L4（$0.8/hr）上跑出 10 亿次分类 $253.82、嵌入 $409.44，而 ColQwen2 视觉嵌入高达 $44,496.51。
Hugging Face 发布一套用于视频生成数据集的三阶段流水线工具，通过 yt-dlp 采集视频、Video to Scenes 切分片段，并用 LAION-5B-WatermarkDetection。
Open R1 项目发布首个大规模数学推理数据集 OpenR1-Math-220k，用 DeepSeek R1 在 512 张 H100 本地生成 400k 道题的解答，过滤后保留 220k 道含正确推理轨迹的题目。
Hugging Face 联合 2A2I、TII 推出 Open Arabic LLM Leaderboard 2，升级阿拉伯语大模型评测榜。首版 OALL 上线不到 7 个月吸引超 46,000 名访客，收到 700 多个模型提交，参数从 1B 到 70B 以上，来自 180 多个机构，其中超 70% 为 chat 和微调模型，11% 为预训练模型，超半数模型小于 7B。
Adyen 和 Hugging Face 联合推出 DABstep，一个包含 450+ 真实数据分析任务的多步推理数据智能体基准，最强推理型智能体准确率仅 16%。
Hugging Face 的 Open-R1 项目启动一周后发布首份更新，称已能复现 DeepSeek 在 MATH-500 上报告的评测分数，并公开了评测排行榜。
推荐理由：Open-R1 团队复现 DeepSeek-R1 评测并公开数据生成与 GRPO 训练的工程细节，可供复现者参考。
Hugging Face 博客发布了一篇 RL 教程，用 GRPO 和 Countdown Game、以 Qwen2.5-3B-Instruct 为基座在 4x H100 上复现 DeepSeek R1 的 aha moment。
推荐理由：原文给出了在 4x H100 上用 GRPO 复现 R1 式推理的完整脚本、奖励函数与训练观察，可据此判断 RL 训练的实际收敛过程。
Hugging Face 启动 Open-R1 项目，计划系统性复现 DeepSeek-R1 的数据与训练流程，补上官方未公开的数据集和训练代码。该计划分三步：蒸馏高质量推理数据集复现 R1-Distill 模型，复刻 DeepSeek 用于 R1-Zero 的纯强化学习流程，并打通基础模型到 SFT 再到 RL 的多阶段训练。项目还计划把数据集拓展到代码和医学等领域，并向社区开放代码与讨论。
推荐理由：DeepSeek-R1 开源权重但未公开数据与训练代码，该项目计划补上蒸馏与纯 RL 复现路径。
NVIDIA 推出 Python 工具包 KVPress，通过多种 press 压缩 KV Cache，缓解长上下文 LLM 的显存瓶颈。以 Llama 3-70B 的 bfloat16 精度、1M token 上下文为例，KV Cache 独占 327.6GB，占约 470GB 总显存需求的 70%。
Hugging Face 为 Open LLM Leaderboard 加入模型推理的 CO₂ 排放估算，覆盖 3,000 多个模型的评测。数据显示模型越大排放越高但分数收益递减，MoE 模型的分数-排放比普遍偏低，而社区微调或合并模型往往比其官方基座更省碳。
Hugging Face 博客给出用 PyTorch 的 torch.cuda.memory 记录并可视化 GPU 显存占用的完整方法，把 profile.pkl 拖入 pytorch.org/memory_viz 即可看到显存随时间变化的图形。
推荐理由：用 PyTorch 自带的内存快照工具逐步拆解训练显存构成，并给出可套用的估算公式。