oMLX 创始人兼维护者 Jun Kim 加入 Hugging Face 支持MLX社区
oMLX 创始人 Jun Kim 加入 Hugging Face,致力于支持 MLX 社区发展。MLX 是苹果针对 Apple Silicon 优化的本地 AI 框架,Hugging Face 将作为 MLX 模型发现和贡献的枢纽。oMLX 将继续以 Apache 2.0 许可证开源,并得到更稳定的维护和资金支持。
oMLX 创始人 Jun Kim 加入 Hugging Face,致力于支持 MLX 社区发展。MLX 是苹果针对 Apple Silicon 优化的本地 AI 框架,Hugging Face 将作为 MLX 模型发现和贡献的枢纽。oMLX 将继续以 Apache 2.0 许可证开源,并得到更稳定的维护和资金支持。
OpenAI Academy 推出面向员工、开发者、领导者、教育者和学生的全新学习路径,旨在帮助用户构建和展示实用的AI技能。
GitHub Podcast 最新一期探讨了 AI 热点话题,包括代码审查的重要性、AI 在招聘中的角色、MCP 与 RAG 的应用。讨论指出,AI 生成的代码仍需人工审查,AI 技能在招聘中并非唯一标准,MCP 和 RAG 可共存于同一工作流程中。
OpenAI 的 ChatGPT Work 和 Codex 分析工具帮助团队理解 AI 使用和支出,识别培训需求,并将 AI 采用与商业成果联系起来。
Google Research 发布了名为 Retrieve-for-Train 的新框架,旨在解决复杂 AI 搜索中的推理瓶颈。该框架通过强化学习和扩散模型实现高效、单次查询扩展,有效提高了搜索质量。
推荐理由:该研究提出了一种名为 Retrieve-for-Train 的新框架,旨在解决复杂 AI 搜索中的推理瓶颈,通过强化学习和扩散模型实现高效、单次查询扩展,对搜索领域有重要意义。
Google Research 的 Gemini 模型在基因组预测研究中,通过迁移学习将欧洲人群的基因风险评分模型应用于日本人群,优化了预测性能。研究发现,当目标人群样本量达到 15k 或更多时,混合训练数据优于单独使用欧洲数据,但对于特定性状如血脂水平和血糖,欧洲数据的益处较小。
Google Research与HHMI Janelia合作,发布了果蝇雄性大脑和中央神经系统的完整图谱,这是迄今为止最大的大脑图谱。该图谱将有助于神经科学研究,并可能推动对人类大脑的理解和治疗精神疾病的方法。
推荐理由:该研究通过AI技术绘制了果蝇大脑的完整图谱,为神经科学研究提供了重要资源,并有望推动对人类大脑的理解和治疗精神疾病的方法。
Qwen/Qwen3.5-35B-A3B 模型通过 TRL 和 OpenEnv 训练,实现了用 JavaScript 通过 p5.brush 库绘制水彩画的功能,视频观看量超过 1.5M。该模型在 Hugging Face 上进行端到端训练,包括训练脚本、训练模型和评估模型,所有内容均开源。
BenchMIRT 是一种新的方法,用于审计 LLM 基准测试,通过分析模型在各个问题上的表现,揭示基准测试的复杂性和潜在问题。
推荐理由:BenchMIRT 通过分析模型在各个问题上的表现,揭示了现有基准测试的复杂性和潜在问题,为更精准的模型评估提供了新思路。
Google Research发布了一篇论文,描述了一种利用深度学习技术从空间监测全球甲烷排放的新方法,该方法名为MAPL-EMIT,能够自动检测、增强预测和估计甲烷羽流源。
推荐理由:该研究利用深度学习技术从空间监测甲烷排放,为全球温室气体减排提供了一种新的方法,具有潜在的应用价值。
OpenAI News 报道,Basis、Clay 和 Exa Labs 通过使用 AI 智能体,优化了员工入职、账户管理和开发者集成等流程,为企业运营能力提升提供了新思路。
Microsoft Research 发布了 GigaPath-Flash 和 GigaTIME-Flash 两种高效的病理学基础模型,旨在通过降低计算需求,提高大规模病理学研究效率和实用性。
推荐理由:原文介绍了 GigaPath-Flash 和 GigaTIME-Flash 两种高效的病理学基础模型,读者可以了解其在病理数据分析和肿瘤微环境建模方面的应用潜力。
OpenAI 决定终止向 Cursor 提供 OpenAI 模型的合同,此决定是在 Cursor 被SpaceX 收购后做出的。
Google Research 发布了 GlucoFM 模型,该模型用于连续血糖监测,通过分析血糖动态,在糖尿病风险预测等领域展现出优异的性能。
推荐理由:GlucoFM 模型在血糖监测领域展现出优异的性能,其研究成果对糖尿病风险预测等领域具有重要意义。
OpenAI最新报告揭示了学生和教师如何利用ChatGPT使学习更加连续,支持范围超越课堂。
IBM 发布了 Granite 4.2 推理模型家族,包括 3B、8B 和 30B 三个版本,这些模型基于 Granite-4.1 基础模型进行后训练,并支持工具调用和推理功能。
推荐理由:Granite 4.2 模型在推理能力上有所提升,并支持工具调用,读者可以了解其架构和训练过程。
OpenAI 首席财务官 Sarah Friar 解释了芯片、计算、模型和产品方面的进步如何协同作用,以更大规模、更低成本提供更有用的智能。
Mistral 与 HUMAIN 宣布战略合作,旨在推动主权 AI 的发展,包括 AI 基础设施、高级模型开发和 AI 解决方案的部署。合作将支持沙特阿拉伯和中东地区的 AI 创新,并探索使用 HUMAIN 的数据中心基础设施来支持当地计算需求。
推荐理由:原文宣布了与 HUMAIN 的战略合作,旨在推动主权 AI 的发展,读者可以关注该合作对区域 AI 产业的影响。
Microsoft Research 发布了 Skala 1.1,这是一个基于深度学习的 DFT 方法,它在分子模拟领域取得了显著进展,包括热力学、反应动力学和分子结构预测。Skala 1.1 现已集成到多个软件包中,并引入了一个实时基准,以跟踪 Skala 的计算性能。
推荐理由:Skala 1.1 在分子模拟领域取得了显著进展,其更高的准确性和更广泛的可用性将推动计算化学模拟的发展。
Ethereum 基金会正式验证团队与 Yukon 和 zkSecurity 合作推出的 better.codes 开放自研挑战现已上线,旨在通过机器验证提升基于哈希的 SNARKs 安全基准。
Google Research发布了一项研究,介绍了一种名为PhotoScan的深度学习框架,可以直接从标准2D智能手机照片中估计三维身体成分指标,包括体脂百分比、A/G比和V/S比,以预测胰岛素抵抗风险。
推荐理由:原文介绍了利用智能手机图像估计身体成分的新方法,读者可以了解其在心血管代谢风险预测中的应用潜力。
OpenAI 发布 GPT-5.6 构建指南,介绍初创企业如何利用 GPT-5.6 构建更快、更经济的 AI 代理,并介绍更智能的模型选择和新的 Responses API 功能。
OpenAI推出ChatGPT Work和Codex的新教育插件,旨在辅助K-12教师、大学教育者和学生进行学习、教学、研究和构建。
OpenAI 的 ChatGPT Enterprise 帮助 Univé 通过结合领导力、负责任治理和员工主导的创新,实现了规模化工作转型,打造了 AI 适配型工作团队。
OpenAI 工具正被全球新闻机构用于强化报道、扩大受众群体和优化业务运营,以推进其核心使命。
OpenAI 推出面向小微企业的 ChatGPT 计划,助力创业者提升 AI 技能、自动化工作流程,并利用 ChatGPT Work 进行业务增长。
Hugging Face公布了一起由自主AI智能体系统驱动的入侵事件,详细描述了攻击过程和防御措施,强调AI在网络安全中的重要性。
推荐理由:原文详细描述了Hugging Face遭受的AI驱动入侵事件,以及他们如何利用AI进行检测和分析,对网络安全领域有重要参考价值。
本文深入探讨了 PyTorch 中的注意力机制,通过对比不同实现方式(如 naive attention 和 inplace causal masking)的性能差异,展示了如何利用 PyTorch 的性能分析工具来优化模型。实验在 NVIDIA A100-SXM4-80GB GPU 上进行,揭示了内存拷贝操作对性能的影响,并展示了通过使用原地操作减少内核调用的效果。
OpenAI 推出 ChatGPT Work,这是一款能够跨应用和文件执行操作的工作代理,可长时间陪伴项目,将目标转化为成品。
MUFG 采用 OpenAI 的 ChatGPT Enterprise,旨在构建 AI 原生组织,优化工作流程,并大规模提供新的 AI 金融服务平台。
Hugging Face 对 Kernels 项目进行重大更新,正式在 Hub 上推出名为 "kernel" 的新仓库类型,使自定义内核成为一等公民并提升其可发现性。
推荐理由:原文详细说明了 Kernels 项目引入的新仓库类型、安全机制及框架支持,读者可据此了解自定义内核在 Hugging Face Hub 上的标准化发布与调用流程。
OpenAI 数据显示,ChatGPT 全球采用率持续增长,用户使用频率提升,探索更多功能,推动各地区和语言领域的增长。
OpenAI 发布报告,分析 AI 技术对欧盟各行业就业的影响,指出哪些职业可能面临自动化、增长或工作流程变化。
韩国加密货币行业正在经历结构性转变,大型金融机构和互联网平台正在推动机构基础设施的建设,特别是在稳定币和真实世界资产代币化方面。
Google Research 提出了线性弹性缓存方法,通过将页面淘汰视为滑雪租赁问题,并使用轻量级机器学习来优化内存占用和缓存缺失之间的权衡,以降低总拥有成本。
推荐理由:原文提出了线性弹性缓存方法,通过动态调整缓存大小以降低总拥有成本,读者可以了解其原理和应用效果。
Google Research探讨了推理在LLM中的作用,发现推理不仅有助于复杂任务的分解,还能通过计算缓冲和事实提示等机制提高简单事实问题的回答准确性,为未来模型优化提供了新的方向。
推荐理由:原文揭示了推理在语言模型中的作用,以及如何通过优化训练过程提高模型可靠性,对理解未来研究方向有重要价值。
Omio 利用 OpenAI 技术打造对话式旅行体验,提升产品开发效率,转型为 AI 原生公司。
Hugging Face 团队分享了在 NVIDIA GB10 硬件上运行 gemma-4-26b-a4b 和 qwen3.6-35b-a3b 等本地模型,对 OpenClaw 仓库的 Issue 和 PR 进行实时分类与通知的技术方案。
推荐理由:展示了利用本地模型和受限 Shell 构建实时分类系统的完整流程,提供了具体的性能对比数据和安全配置方案。
Hugging Face 推出 `agent-eval` 工具,用于衡量智能体在使用 `transformers` 库完成任务时的过程成本(如时间、Token 消耗和错误率),而不仅仅是最终答案的正确性。
推荐理由:原文提供了评估智能体使用工具效率的基准方法,揭示了同一优化对不同规模模型可能产生相反效果。
智谱(Z.ai)发布最新旗舰模型 GLM-5.2,主打长程任务能力并首次提供稳定的 1M-token 上下文窗口。该模型采用 IndexShare 架构降低计算成本,在 FrontierSWE、PostTrainBench 等长程编程基准中表现优于多数开源模型,接近 Claude Opus 4.8 水平。
推荐理由:原文展示了 GLM-5.2 在长上下文编程基准上的具体得分及与闭源模型的差距,读者可据此评估其在复杂工程任务中的实际可用性。