Google 研究推出可证明隐私洞察系统,用于分析 AI 使用情况
Google 研究推出可证明隐私洞察系统,利用大型语言模型、差分隐私和可信执行环境分析非结构化 GenAI 数据,保证个人数据不可查见且汇总洞察匿名。
推荐理由:介绍了可证明隐私洞察(PPI)系统,该系统利用大型语言模型、差分隐私和可信执行环境来分析非结构化 GenAI 数据,同时保证个人数据不可查见且汇总洞察匿名。
Google 研究推出可证明隐私洞察系统,利用大型语言模型、差分隐私和可信执行环境分析非结构化 GenAI 数据,保证个人数据不可查见且汇总洞察匿名。
推荐理由:介绍了可证明隐私洞察(PPI)系统,该系统利用大型语言模型、差分隐私和可信执行环境来分析非结构化 GenAI 数据,同时保证个人数据不可查见且汇总洞察匿名。
OpenAI 发布了 GPT-OSS-Safeguard 技术报告,介绍了开源推理模型 GPT-OSS-Safeguard 的功能和基于 GPT-OSS 模型的安全评估基准。该模型经过从 GPT-OSS 模型后训练,能够根据提供的策略进行推理,以对内容进行标签化。
Hugging Face 推出基于同意的语音克隆系统,通过“语音同意门”确保只有当说话者明确表示同意时,才能克隆其声音。该系统结合语音识别和语音合成技术,旨在减少恶意使用风险,并支持用户在保持自主权的同时使用语音克隆功能。
Steuerrecht.com 利用 ChatGPT Business 流程自动化法律工作,实现税务研究自动化,为律师事务所提供更快、现成的法律分析服务。
OpenAI 推出 ChatGPT 公司知识功能,将企业应用中的上下文信息引入模型,为用户提供特定业务问题的答案,并支持清晰的引用、安全隐私和行政控制,现已面向企业、企业和教育用户开放。
OpenAI 推出内置 ChatGPT 的浏览器 Atlas,但随后已停用。
OpenAI 的 ChatGPT Business 模型帮助 Plex Coffee 实现知识集中管理,加速员工培训,并在业务扩展中保持个性化服务。
Hugging Face 博客介绍了在 Intel CPU 上运行 Vision Language Model (VLM) SmolVLM 的三个简单步骤,无需昂贵硬件或 GPU。步骤包括模型转换、量化以及运行推理,旨在优化模型,降低内存使用并提高推理速度。
NVIDIA发布Nemotron-Personas-India,这是一个针对印度人设的合成数据集,旨在解决印度AI领域的数据差距问题,为开发者提供更符合印度社会和文化背景的AI训练数据。
推荐理由:该数据集旨在解决印度AI领域的数据差距问题,为开发者提供更符合印度社会和文化背景的AI训练数据,具有实际应用价值。
OpenAI 通过新的真实世界测试方法评估 ChatGPT 的政治偏见,提高客观性并减少偏见。
HiBob 通过使用 ChatGPT Enterprise 和定制 GPTs,成功扩大了 AI 应用范围,提升了收入,简化了人力资源流程,并在 Bob 平台上实现了 AI 功能。
OpenAI 推出 ChatGPT 新一代应用程序,开发者可利用新推出的 Apps SDK 开始构建应用程序,目前 SDK 处于预览阶段。
OpenAI 发布 AgentKit,旨在加速开发者从原型到生产的过渡;同时,扩展了评估功能,并引入了针对智能体的强化微调工具。
Hugging Face 博客介绍了如何将 dots.ocr 模型转换为 Core ML 格式并在 Apple 设备上运行,以实现最先进的 OCR 功能。
推荐理由:介绍了如何将 dots.ocr 模型转换为 Core ML 格式并在 Apple 设备上运行,对开发者具有参考价值。
OpenAI 推出新型视频模型 Sora 2 及其社交创作平台 Sora 应用,强调安全为首要考量,采用具体保护措施。
OpenAI 利用内部 AI 销售助手对潜在客户进行资格审核,个性化响应,并协助销售团队转化客户兴趣。
OpenAI 推出“OpenAI on OpenAI”系列,分享如何利用自身技术提升工作效率和知识规模,助力其他组织实现类似目标。
OpenAI 构建了一套快速提取合同数据系统,缩短了处理时间,使团队更易获取所需细节。
OpenAI 开发了一款内部 AI 销售助手,用于自动化账户研究、会议准备、产品知识和客户跟进,提升销售效率和客户满意度。
OpenAI 推出研究助手,可帮助团队快速分析数百万支持工单,提升洞察力,并实现公司内好奇心规模的扩展。
OpenAI 利用 AI 技术提升支持服务效率,缩短响应时间,提高服务质量,并实现快速扩展以满足高速增长需求。
OpenAI 推出 ChatGPT 家长控制功能,旨在帮助家庭指导 ChatGPT 在家中的使用;同时新增家长资源页面,提供相关指导和支持。
Hugging Face 博客介绍了 VibeGame,一款基于 three.js、rapier 和 bitecs 的高层声明式游戏引擎,专为 AI 辅助游戏开发设计。VibeGame 结合了 Roblox 的高抽象层次和 Web 的开放性,旨在解决现有平台在抽象层次和上下文管理方面的不足。
Qwen3-8B 模型通过 OpenVINO.GenAI 实现了约 1.3 倍的加速,采用深度剪枝草稿模型后,速度提升至约 1.4 倍。该模型支持工具调用、多步推理和长上下文处理,适用于复杂智能体工作流程。
NVIDIA 发布了 Nemotron-Personas-Japan 数据集,包含 600 万个日本人口统计、地理分布和文化特性相关的虚拟人物,旨在帮助开发者构建更符合日本文化和社会的 AI 系统。
推荐理由:NVIDIA 发布了 Nemotron-Personas-Japan 数据集,为日本 AI 开发提供高质量、多样化的训练数据,有助于构建更符合日本文化和社会的 AI 系统。
Hugging Face 发布 Swift Transformers 1.0 版本,旨在帮助 Apple 开发者将本地 LLM 集成到应用中。该版本提供 Tokenizers、Hub、模型和生成等功能,支持 Swift 开发者使用 Core ML 和 MLX。版本 1.0 增强了 Tokenizers 和 Hub 模块,并支持 Swift 6,同时引入了 API 变更。
OpenAI 推出 ChatGPT 新功能,包括支持共享项目、智能连接器以及合规性和安全更新,旨在提升团队工作效率。
OpenAI 推出 ChatGPT Pulse 预览版,专为专业用户设计,通过主动研究提供基于聊天、反馈和日历等连接应用的个性化更新,提升用户体验。
Scaleway 成为 Hugging Face Hub 的支持推理提供商,增强 Hub 模型页面的服务器端推理广度和能力。用户可通过 Scaleway 访问 gpt-oss、Qwen3、DeepSeek R1 和 Gemma 3 等流行模型,并享受起价每百万 token 0.20 欧元的付费模式。Scaleway 提供的推理基础设施适用于交互式应用和智能体工作流程,响应时间低于 200 毫秒。
Hugging Face Hub 现已支持 Public AI 作为推理提供商,用户可直接在模型页面使用各种模型,Public AI Inference Utility 是一个非营利、开源项目,旨在支持公共人工智能模型构建者,如瑞士人工智能倡议和新加坡人工智能。
Hugging Face发布LeRobotDataset:v3.0,解决大规模数据集存储限制,支持单文件多场景存储,并引入流式访问功能,提升机器人学习效率。LeRobotDataset:v3.0是LeRobot库的一部分,支持多种机器人平台和模态数据,包括传感器、摄像头和远程操作状态。
OpenAI 对 Codex 进行了升级,使其速度更快、更可靠,并支持通过终端、IDE、网页或手机进行实时协作和独立任务处理。
Hugging Face 推出 Gradio 库,简化可见水印添加,支持图像、视频和文本内容,增强 AI 内容透明度。水印可指定为文件名,支持 QR 码等,自动为文本生成添加归属信息。
SandboxAQ 发布了 Structurally Augmented IC50 Repository (SAIR) 数据集,该数据集包含超过 500 万个 AI 生成的蛋白质-配体 3D 结构,并配以实验测量的 IC₅₀ 标签,有助于加速药物研发进程。
推荐理由:SAIR 数据集的发布为药物研发提供了新的数据资源,有助于加速新药研发进程。
OpenAI 与专家合作,为 ChatGPT 引入家长控制功能,强化青少年保护,并将敏感对话路由至推理模型,提升用户体验。
Blue J 利用 OpenAI 模型,实现业务扩展至三个国家和超过 3000 家企业,得益于对特定领域的深入研究和模型选择。
NVIDIA 发布了 600 万个多语言推理数据集,包含五种目标语言:法语、西班牙语、德语、意大利语和日语。数据集用于训练和改进开源模型,并支持边缘部署。
推荐理由:NVIDIA 发布了 600 万个多语言推理数据集,读者可以了解数据集的构建方式和模型的应用场景。
Hugging Face 推出 Kernels 项目,旨在帮助开发者构建和扩展生产级 CUDA 内核。该项目提供了一套完整的工具和指南,包括如何从零开始构建现代 CUDA 内核,以及如何解决生产部署中的挑战。开发者可以利用 PyTorch 的现代 C++ API 和 kernel-builder 库,轻松开发、构建和部署自定义 CUDA 内核。
Hugging Face 推出的 Model Context Protocol (MCP) 允许智能模型与外部工具和数据源通信,实现通过自然语言请求自动化平台切换和交叉引用,提高研究发现的效率。MCP 集成了 Python 研究追踪工具,通过自然语言请求实现自动化研究,同时提供快速设置和详细文档,方便用户使用。
Hugging Face 发布了开源训练管道 Kimina-Prover-RL,用于 Lean 4 中的形式化定理证明,包括两个模型 AI-MO/Kimina-Prover-RL-1.7B 和 AI-MO/Kimina-Prover-RL-0.6B,均达到新的开源模型性能水平。
推荐理由:Kimina-Prover-RL 是一个开源的训练管道,旨在训练大型语言模型解决 Lean 4 中的形式化证明目标,读者可以了解其结构和应用场景。