跳到正文

#开源生态

今日 2 条
10月2日周五
10月1日周四
  1. AntLingAGI66

    蚂蚁百灵发布 Ling-3.1-flash:约 560B 总参数、每 token 约 25B 激活参数、最高 1M token 上下文,官方计划很快开源该模型。其在工作、编码与医疗三类评测上的成绩为 GDPVal-AA v2.1 拿到 1,673 Elo、FrontierSWE 75.16、HealthBench Professional 65.35。

    推荐理由:原文给出了参数规模、上下文长度和三项评测分数,读者可据此判断其定位与开源计划。

9月30日周三
  1. natolambert44

    Nathan Lambert 发文批评 Anthropic 等美国前沿实验室的安全观,认为其暗示 Z ai 的 GLM-5.3 缺乏安全措施、可能被用于网络攻击的说法站不住脚——已记录的网络攻击中闭源模型被使用的更多。他提出"开源不安全、闭源也不安全"的替代观点:闭源模型能力更强,若双方防护都有漏洞,能力差距反而可能放大净危害。他同时承认,缺乏极端网络防护的开源模型对快速普及网络防御能力很重要。

9月29日周二
  1. Hugging Face Blog62

    NVIDIA 发布 Kumo Tabular 表格基础模型,在四个基准排名第一

    NVIDIA 发布开源表格基础模型 Kumo Tabular,给定带标签的表格行即可在单次前向传播中预测新行标签,无需训练、调参和特征工程,同时支持分类与回归。

    推荐理由:原文给出模型规模、训练数据来源与四个基准排名,可据此判断表格基础模型相对梯度提升树路线的差异。

9月28日周一
  1. Mistral AI41

    Mistral 在慕尼黑开设德国中心,推进工业 AI 与 Physics AI

    Mistral 在慕尼黑开设德国中心,组建专注 Physics AI 与工业 AI 的研究团队,并计划到 2030 年建成 1 吉瓦欧洲算力。该中心将直接服务企业客户,已与 BMW 合作碰撞仿真与工程 AI、与 Siemens Energy 合作工业 AI 应用,并与慕尼黑工业大学(TUM)建立研究合作,利用其风洞设施开发汽车空气动力学数字孪生。

  2. Hugging Face Blog72

    H公司发布 Holo4 系列智能体模型,含 27B 与 35B-A3B 两个版本

    H公司发布 Holo4 系列智能体模型,包含 27B dense 与 35B-A3B Mixture of Experts 两个版本,均已上线 H Models API,权重以 BF16、FP8、NVFP4 和 4-bit GGUF 形式开源在 Hugging Face,同时发布 Holotron4 Nano。

    推荐理由:Holo4 同时覆盖 GUI、代码、MCP 与 API 四种接口,并公开全部评测轨迹,可据此判断通用计算机操作智能体的路线取舍。

  3. Hugging Face Blog60

    Hugging Face Hub 上线 RL Environments 专区

    Hugging Face Hub 新增 RL Environments 专区,用带 rl-environment 标签的 dataset 仓库承载强化学习环境,不引入新仓库类型或注册表。

    推荐理由:原文说明了用数据集标签替代独立注册表的做法,读者可据此判断它如何简化跨框架的环境复用。

9月27日周日
9月25日周五
  1. GitHub Blog · AI & ML62

    GitHub Security Lab 发布 Fuzzing Taskflow 智能体,自动为 C/C++ 项目做模糊测试

    GitHub Security Lab 发布 Fuzzing Taskflow,一个面向 C/C++ 项目的自主模糊测试流水线,只需指定 GitHub 仓库,它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness,最后对每个崩溃做定级并生成漏洞报告。

    推荐理由:原文完整披露了 Fuzzing Taskflow 的流水线分层、覆盖反馈循环与崩溃定级机制,可据此判断 LLM 智能体在安全测试中的可迁移边界。

9月24日周四
  1. Microsoft Research60

    微软研究:将物理AI推理卸载到边缘或云端可提升机器人性能与续航

    微软研究院对移动机器人操作负载做系统性测量,发现把物理AI推理从机器人端侧GPU卸载到边缘或云端GPU,可提升任务成功率、支持更大模型并延长续航。

    推荐理由:微软对移动操作机器人推理负载的系统性测量,给出端侧、边缘与云端算力取舍的量化依据。