Open ASR Leaderboard 引入 Benchmaxxer Repellant，Appen 和 DataoceanAI 提供高质量 ASR 数据集
Open ASR Leaderboard 引入 Benchmaxxer Repellant，Appen 和 DataoceanAI 提供涵盖多种口音的脚本和对话式语音的高质量英语 ASR 数据集。
今日 4 条
Hugging Face BlogAI 评分4040 OpenAI NewsAI 评分4040 ChatGPT Futures 2026：26位学生创新者用AI构建未来
OpenAI推出ChatGPT Futures 2026，26位学生创新者利用AI技术进行研究和构建实际影响。这一代学生正在重新定义学习、创造力和机会。
OpenAI News精选AI 评分7070 OpenAI 发布 MRC 超级计算机网络协议
OpenAI 发布了 MRC 超级计算机网络协议，旨在提高大规模 AI 训练集群的鲁棒性和性能。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
OpenAI News精选AI 评分6565 GPT-5.5 Instant：更智能、更清晰、更个性化
GPT-5.5 Instant 更新了 ChatGPT 的默认模型，提供了更智能、更准确的答案，减少了幻觉，并改善了个性化控制。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
OpenAI News精选AI 评分6060 OpenAI 发布低延迟语音 AI 技术
OpenAI 重建了其 WebRTC 堆栈，以实现低延迟、大规模的实时语音 AI，支持无缝的对话轮换。
推荐理由：原文介绍了 OpenAI 如何通过重建其 WebRTC 堆栈来实现低延迟、大规模的实时语音 AI，读者可以了解这项技术的具体实现和应用。
OpenAI NewsAI 评分5050 GPT-5 行为中的个性驱动怪癖：鬼怪输出传播、时间线、根本原因及修复方法
OpenAI 分析了 GPT-5 中个性驱动怪癖的鬼怪输出传播，揭示了时间线、根本原因及修复方法。
OpenAI News精选AI 评分7272 OpenAI 构建智能时代计算基础设施
OpenAI 将 Stargate 规模化，以构建支持 AGI 的计算基础设施，并增加新的数据中心容量以满足不断增长的 AI 需求。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 NVIDIA 发布 Nemotron 3 Nano Omni：面向文档、音频和视频智能体的长上下文多模态智能模型
NVIDIA 推出 Nemotron 3 Nano Omni，这是一个面向文档、音频和视频智能体的长上下文多模态智能模型，它在多个模态理解任务上表现出色，包括文档分析、图像推理、语音识别和视频理解。
推荐理由：NVIDIA Nemotron 3 Nano Omni 在多个模态理解任务上表现出色，包括文档分析、图像推理、语音识别和视频理解，读者可以了解其在实际应用中的潜力。
OpenAI NewsAI 评分3535 OpenAI 如何在 ChatGPT 中保障社区安全
OpenAI 通过模型安全措施、滥用检测、政策执行和安全专家合作，在 ChatGPT 中保护社区安全。
OpenAI NewsAI 评分3535 OpenAI 新框架分析 AI 就业转型
OpenAI 新框架分析了 921 个职业和 1480 万个美国工作岗位，识别出哪些角色面临自动化风险、重组、增长或最小 AI 干扰。
Hugging Face Blog精选AI 评分8585 DeepSeek-V4：智能体可实际使用的百万token上下文
DeepSeek发布V4版本，包含两个MoE检查点，均具有1M-token的上下文窗口，旨在支持高效的大上下文长度，适用于智能体任务。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
OpenAI News精选AI 评分8080 OpenAI 推出 GPT-5.5 模型
OpenAI 推出 GPT-5.5 模型，适用于复杂任务如编码、研究和数据分析。
推荐理由：原文介绍了 GPT-5.5 模型的复杂任务能力，读者可以了解其在编码、研究和数据分析方面的应用潜力。
OpenAI News精选AI 评分6060 OpenAI 发布 GPT-5.5 系统卡片
OpenAI 发布了 GPT-5.5 的系统卡片，展示了该模型的能力变化和功能更新。
推荐理由：原文给出了 GPT-5.5 的系统卡片，读者可以据此了解其能力变化和功能更新。
OpenAI NewsAI 评分4040 OpenAI Responses API 利用 WebSockets 加速智能体工作流程
OpenAI 的 Codex 智能体循环通过 WebSockets 和连接范围缓存，降低了 API 负载并提升了模型延迟。
OpenAI NewsAI 评分5050 OpenAI Privacy Filter：开放权重模型助力文本中个人身份信息检测与编辑
OpenAI推出开放权重模型OpenAI Privacy Filter，用于检测和编辑文本中的个人身份信息（PII），准确率达到业界领先水平。
OpenAI NewsAI 评分5555 OpenAI 推出 ChatGPT Images 2.0
OpenAI 推出 ChatGPT Images 2.0，改进了文本渲染、多语言支持和视觉推理功能。
OpenAI News精选AI 评分7070 OpenAI 推出 GPT-Rosalind 生命科学推理模型
OpenAI 推出 GPT-Rosalind，一款用于加速药物发现、基因组分析、蛋白质推理和科学研究工作流程的前沿推理模型。
推荐理由：原文介绍了 GPT-Rosalind 在生命科学领域的应用，读者可以了解其对科研工作流程的加速作用。
Hugging Face BlogAI 评分5555 使用 Sentence Transformers 训练和微调多模态嵌入和重排模型
Sentence Transformers 是一个用于使用和训练嵌入和重排模型的 Python 库，适用于检索增强生成、语义搜索等应用。本文介绍了如何使用该库训练和微调多模态模型，并以视觉文档检索为例，展示了如何通过微调提高模型性能。
Hugging Face Blog精选AI 评分6565 Ecom-RLVE: 电子商务对话智能体的自适应可验证环境
Hugging Face 发布了 Ecom-RLVE，一个用于电子商务对话智能体的自适应可验证环境。该环境提供了 8 个可验证环境，包括产品发现、替代品、购物车构建、退货、订单跟踪、政策问答、捆绑计划和多意图旅程，每个环境都包含程序性问题生成、12 个维度的难度课程和算法可验证的奖励。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.1 Flash TTS 支持细粒度音频标签控制
Google DeepMind 发布最新文本转语音模型 Gemini 3.1 Flash TTS，即日起在 Gemini API、Google AI Studio 和 Vertex AI 预览版中推出。
推荐理由：新模型引入自然语言音频标签以精细控制语速和风格，并在 Artificial Analysis 基准中取得高分，适合评估其在多语种场景下的表现力。
OpenAI NewsAI 评分5252 OpenAI 推出 GPT-5.4-Cyber 用于网络安全防御
OpenAI 扩展其网络安全信任访问计划，推出 GPT-5.4-Cyber 用于网络安全防御，并向经过审查的防御者提供，同时加强安全措施。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemini Robotics-ER 1.6：增强具身推理以支持真实世界机器人任务
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是一款专为机器人设计的高层推理模型，旨在通过增强的空间推理和多视角理解提升物理世界的自主性。
推荐理由：原文详细拆解了空间推理、成功检测及仪表读取等核心能力，并给出了API入口与开发者示例，适合评估其在机器人自主作业中的实际落地价值。
OpenAI NewsAI 评分4545 ChatGPT 详解：AI 基础知识入门指南
OpenAI 发布了 AI 基础知识入门指南，详细介绍了人工智能的概念、工作原理以及如何使用大型语言模型，如 ChatGPT。该指南旨在帮助初学者更好地理解人工智能。
OpenAI NewsAI 评分4040 ChatGPT 研究指南：搜索与深度研究技巧
OpenAI 推出 ChatGPT 研究指南，指导用户利用搜索和深度研究功能获取最新信息、分析来源并生成结构化洞察。
Hugging Face Blog精选AI 评分6565 Waypoint-1.5：为日常GPU带来更高保真度的交互式世界
Waypoint-1.5是Overworld的下一个实时视频世界模型，旨在将交互式生成世界带给普通用户。该版本提高了视觉保真度，扩展了可以本地运行模型的硬件范围，并朝着无需数据中心级计算即可进行交互式世界模拟迈出了另一步。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google Research精选AI 评分7070 Google Research发布AI智能体辅助学术研究：PaperVizAgent和ScholarPeer
Google Research发布了两款AI智能体PaperVizAgent和ScholarPeer，分别用于学术研究的可视化辅助和同行评审。PaperVizAgent可以从学术文本中生成出版级别的学术插图，而ScholarPeer则通过主动验证工作流程，提供深入且基于文献的同行评审。
推荐理由：原文介绍了两个AI智能体PaperVizAgent和ScholarPeer，它们分别用于学术研究的可视化辅助和同行评审，读者可以了解这些工具如何提升学术研究效率。
OpenAI NewsAI 评分4040 OpenAI 安全联盟计划发布
OpenAI 推出安全联盟计划，旨在支持独立的安全和一致性研究，并培养下一代人才。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemma 4：号称每字节最强开源模型
Google DeepMind 正式发布 Gemma 4 系列开源模型，采用 Apache 2.0 许可证，旨在提供先进的推理能力和智能体工作流支持。该系列包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，其中 31B 模型在 Arena AI 文本排行榜上位列全球第三。
推荐理由：官方发布了基于 Apache 2.0 许可的 Gemma 4 系列，涵盖从移动端到工作站的多种规格，开发者可据此评估其在本地推理和智能体工作流中的实际部署潜力。
Hugging Face Blog精选AI 评分8585 Google DeepMind Gemma 4 多模态模型发布
Google DeepMind 发布了 Gemma 4 多模态模型，支持图像、文本和音频输入，并生成文本响应。该模型具有多种大小和参数，支持多种开源工具和平台，包括 transformers、llama.cpp、MLX、WebGPU 和 Rust。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 Falcon Perception 发布
Falcon Perception 是一个 0.6B 参数的早期融合 Transformer，用于从自然语言提示中进行开放词汇定位和分割。该模型通过混合注意力掩码处理图像块和文本，并使用小型结构化标记接口和轻量级输出头生成可变数量的实例。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 Granite 4.0 3B Vision 智能体功能
Hugging Face 发布了 Granite 4.0 3B Vision，一款专为企业文档理解设计的紧凑型视觉语言模型。该模型在表格提取、图表理解和语义键值对提取方面表现出色，并支持独立使用或与 Docling 集成以增强文档处理流程。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 OpenMed 开发跨 25 种物种的 mRNA 语言模型并开源
OpenMed 开发了跨 25 种物种的 mRNA 语言模型，并公开了相关代码和数据，为蛋白质工程和生物医学领域提供了新的工具和方法。该模型在多个物种上进行了训练，并提供了针对不同物种的优化模型。
推荐理由：OpenMed 开发了跨 25 种物种的 mRNA 语言模型，并公开了相关代码和数据，为蛋白质工程和生物医学领域提供了新的工具和方法。
Hugging Face Blog精选AI 评分7272 Hugging Face 发布 TRL v1.0 后训练库
Hugging Face 发布了 TRL v1.0 后训练库，该库支持超过 75 种后训练方法，旨在提供稳定性和易用性。
推荐理由：TRL v1.0 的发布标志着 Hugging Face 在后训练方法库方面的重大进展，读者可以了解其设计理念和未来发展方向。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.1 Flash Live 语音模型
Google DeepMind 发布 Gemini 3.1 Flash Live，这是其最高质量的音频和语音模型，旨在提供更自然、低延迟的实时对话体验。该模型在 ComplexFuncBench Audio 上获得 90.8% 的分数，并在 Scale AI 的 Audio MultiChallenge 中取得 36.1% 的成绩，显著提升了多步函数调用和长程推理能力。
推荐理由：原文给出了新模型在音频基准测试中的具体得分以及多语言实时对话能力的开放范围，读者可以据此评估其在构建复杂语音智能体时的实际性能提升。
OpenAI News精选AI 评分6060 OpenAI 发布 Model Spec 平衡模型行为框架
OpenAI 发布 Model Spec，旨在平衡模型行为中的安全、用户自由和问责制。
推荐理由：OpenAI 发布了 Model Spec，旨在平衡模型行为中的安全、用户自由和问责制，读者可以了解其对 AI 发展的影响。
Google Research精选AI 评分8585 Google Research 发布 TurboQuant：重新定义 AI 效率与极端压缩
Google Research 发布了 TurboQuant 算法，该算法通过极端压缩技术优化了 AI 模型的效率和内存使用，适用于搜索和 AI 领域。
推荐理由：原文介绍了 TurboQuant 算法及其在 AI 模型压缩和搜索中的应用，对理解和应用该算法的读者具有参考价值。
OpenAI NewsAI 评分3737 GPT-oss-safeguard：OpenAI发布青少年安全策略，助力开发者构建更安全的AI体验
OpenAI推出基于提示的青少年安全策略gpt-oss-safeguard，帮助开发者降低AI系统中的年龄特定风险，提升青少年AI体验的安全性。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 EVA 语音智能体评估框架
Hugging Face 发布了 EVA 语音智能体评估框架，旨在评估语音智能体的准确性和用户体验。该框架使用真实对话场景，并提供了基准测试结果。
推荐理由：EVA框架为评估语音智能体提供了全面的评估方法，有助于读者了解语音智能体在准确性和用户体验方面的表现。
OpenAI NewsAI 评分3535 OpenAI 推出 Sora 2 和 Sora 应用，强化视频模型安全
OpenAI 推出 Sora 2 和 Sora 应用，旨在解决顶级视频模型和社交创作平台带来的新安全挑战。该方案以具体保护措施为基础，确保安全始终是核心。
Hugging Face Blog精选AI 评分7070 构建特定领域嵌入模型教程
Hugging Face 发布了构建特定领域嵌入模型的教程，无需手动标记数据，使用 NVIDIA 的公共文档生成合成训练数据集，并提供了详细的步骤和代码。
推荐理由：原文提供了构建特定领域嵌入模型的工具和方法，读者可以了解如何将其应用于自己的工作流中。