DiScoFormer：一个 Transformer 同时估计密度与 score，跨分布通用
Hugging Face 博客介绍 DiScoFormer（Density and Score Transformer），一个模型在单次前向传播中即可从一组数据点估计分布的密度与 score，无需针对新分布重新训练。
#开源生态
#开源生态
Hugging Face BlogAI 评分
用一条命令在 HF Jobs 上运行 vLLM 服务器
Hugging Face 发布教程，介绍用一条 hf jobs run 命令在 HF Jobs 上启动私有、OpenAI 兼容的 vLLM 端点，按秒计费，无需自建服务器或 Kubernetes。
推荐理由：原文给出从启动到查询、SSH 调试和接入编码智能体的完整命令，读者可据此自建 OpenAI 兼容端点。
Hugging Face 与 Treble Technologies 推出 FFASR 远场 ASR 基准榜单
Hugging Face 与 Treble Technologies 上线首个开放、社区驱动的远场 ASR 基准 FFASR Leaderboard，覆盖 14 个模拟房间，并设 Lab Measured 与 Lab Simulated 两列做仿真到实测验证。
Hugging Face 如何用 AI 与开源工具每周发布 huggingface_hub
Hugging Face 把 huggingface_hub 的发布周期从每 4 到 6 周一次改为每周一次，整套流程跑在单个 GitHub Actions workflow 上，由 OpenCode 驱动开源权重模型（当前为 Z.ai 的 GLM-5.2）起草 release notes 和 Slack 公告。
推荐理由：原文公开了每周发版的完整工作流与 trust-but-verify 校验循环，可迁移到其他 Python 库的发布流程。
PP-OCRv6 上线 Hugging Face：1.5M 到 34.5M 参数、支持 50 种语言
PaddleOCR 发布新一代通用 OCR 模型家族 PP-OCRv6，已在 Hugging Face 上线，提供 tiny、small、medium 三档，参数量从 1.5M 到 34.5M，其中 small 和 medium 支持 50 种语言。
推荐理由：原文给出三档模型参数、检测与识别指标及多后端接入方式，便于按部署场景选型。
OpenAI NewsAI 评分 OpenAI 推出 Patch the Planet：Daybreak 计划支持开源维护者
OpenAI 推出 Patch the Planet，这是 Daybreak 计划下的一项新举措，帮助开源维护者借助 AI 与专家审核发现、验证并修复漏洞。
如何用本地模型免费分诊 OpenClaw 仓库的 Issue 和 PR
Hugging Face 博客分享用本地模型在智能体框架中对 OpenClaw 仓库的 Issue 和 PR 做分类分诊，实现近乎实时的通知且无需云端模型配额。
推荐理由：原文给出本地模型做 PR/Issue 分类的完整架构与 330 行评测数据，可迁移到其他高吞吐分诊场景。
Hugging Face 发布 agent-eval：用自有工具链评测开源模型的智能体能力
Hugging Face 发布 agent-eval 评测工具，以 transformers 为案例，在模型 × 版本 × 任务三个维度上测量智能体完成任务所需的轮次、token 和错误率，而非只看最终答案。
推荐理由：原文给出了一套可复用的智能体工具评测方法，并展示同一改动如何在大模型与小模型上产生相反效果。
超越 LoRA：能否击败最流行的微调技术？
Hugging Face 在 PEFT 库中对比了 LoRA 之外的多种参数高效微调技术，指出仅凭论文结果难以判断哪种技术最优。其统计显示，Hugging Face Hub 上提及单一 PEFT 技术的 20,834 个模型卡中有 20,509 个（98.4%）使用 LoRA，10,000 个图像生成 checkpoint 中 7,111 个为 LoRA。
用 Strands Agents 和 LeRobot 从 Hugging Face Hub 走到机器人硬件
AWS 开源 SDK Strands Robots 将 LeRobot 栈封装为 AgentTools，让一个 Strands 智能体在单次循环中完成从 Hub 数据集到实体机器人的流程。
推荐理由：AWS 团队给出从 Hub 数据集到实体机器人的完整五步流程，可据此理解智能体如何编排 LeRobot 工具链。
智谱发布 GLM-5.2：面向长程任务，支持 1M token 上下文与 MIT 开源
智谱发布旗舰模型 GLM-5.2，面向长程任务，首次提供稳定的 1M token 上下文，并以 MIT 许可开源。新架构 IndexShare 让每 4 层稀疏注意力共享同一 indexer，在 1M 上下文下将每 token FLOPs 降低 2.9×，改进后的 MTP 层使投机解码接受长度最高提升 20%。
推荐理由：GLM-5.2 把 1M 上下文与多档思考强度放进开源许可，读者可据此判断长程编码智能体的选型空间。
Hugging Face 发布 Agentic Resource Discovery 参考实现 Discover Tool
Hugging Face 发布 Agentic Resource Discovery（ARD）规范的参考实现 Discover Tool，让智能体在运行时按自然语言搜索能力，而不再依赖预先安装。
推荐理由：Hugging Face 给出 ARD 规范的参考实现与 CLI、REST、MCP 三种调用入口，可据此判断智能体能力发现如何从预装目录转向运行时检索。
智能体如何串联两个 Hugging Face Space 搭建 3D 巴黎画廊
作者让编码智能体通过调用两个 Hugging Face Space 搭建了一个展示巴黎地标的 3D 高斯泼溅网站，全程未手动使用图像生成或 3D 重建工具。每个 Gradio Space 都暴露一份 agents.md，列出 schema URL、调用与轮询模板、文件上传方式和 HF_TOKEN 鉴权提示，智能体据此即可端到端驱动 Space。
推荐理由：作者用两个 Space 串起图像生成到 3D 高斯泼溅的完整流程，展示了 agents.md 如何让智能体直接调用模型。
Hugging Face 宣布 OpenEnv 转为委员会共管，定位智能体 RL 环境协议层
Hugging Face 宣布 OpenEnv 改由委员会协调，成员包括 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft、Hugging Face 和 RadixArk，项目迁至 huggingface/OpenEnv。
推荐理由：OpenEnv 从单一项目转为多方共管的协议层，读者可据此了解开源智能体 RL 环境的协作方式与接入路径。
NVIDIA 发布 Nemotron 3.5 Content Safety 多模态安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，把多模态输入、多语言覆盖、自定义企业策略执行和可审计推理统一到一次推理调用中。
推荐理由：NVIDIA 把多模态、多语言、自定义策略与可审计推理合并进一次推理调用，并公开训练数据集。
Reachy Mini 通过 MCP 接入 Hugging Face Spaces 远程工具
Reachy Mini 对话应用现已支持通过 MCP 调用托管在公开 Hugging Face Spaces 上的工具，用户只需执行 `reachy-mini-conversation-app tool-spaces add` 命令即可为机器人添加天气查询、网页搜索等能力，无需改动应用代码。
H Company 发布 Holo3.1 系列 Computer Use Agent 模型
H Company 发布 Holo3.1 系列 Computer Use Agent 模型，基于 Qwen 家族，覆盖 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次提供 FP8、Q4 GGUF 和 NVFP4 量化权重。
推荐理由：原文给出跨环境、跨框架与本地量化部署的具体数据，可据此判断端侧 Computer Use Agent 的落地条件。
超越 LLM：企业级 AI 规模化落地为何依赖 Agent 逻辑
Hugging Face 博客提出，企业 AI 规模化落地的关键不在 LLM 本身，而在"Agent 逻辑"——即知识图谱、算法、程序分析库等运行于智能体层的软件原语，可引导 LLM 聚焦企业工作流、压缩上下文空间。
Hugging Face 在 TRL 中实现增量权重同步，异步 RL 每步传输量降至 20-35MB
Hugging Face 在 TRL 中落地了增量权重同步（Delta Weight Sync）：只把两次 RL 优化步之间真正变化的 bf16 权重编码成稀疏 safetensors 文件，上传到 Hugging Face Bucket，再由 vLLM 拉取应用。
推荐理由：TRL 的稀疏增量权重同步把异步 RL 每步传输量压到原来的百分之几，读者可据此判断跨集群训练的成本边界。
Reachy Mini 实现完全本地运行：Hugging Face 开源语音对话栈
Hugging Face 发布教程，让 Reachy Mini 机器人完全本地运行语音对话，无需云端、API key 或数据外传。
Hugging Face 发布 Ettin Reranker 系列：六款 CrossEncoder 重排模型
Hugging Face 发布 Ettin Reranker 系列六款 Sentence Transformers CrossEncoder 重排模型，参数规模从 17m 到 1b，均基于 Ettin ModernBERT 编码器，并开源训练数据与完整训练配方。
PaddleOCR 3.5 发布：支持 Transformers 作为推理后端
PaddleOCR 3.5 支持通过设置 engine="transformers" 将 Hugging Face Transformers 作为推理后端运行 PP-OCRv5、PaddleOCR-VL 1.5 等模型。
IBM 发布 Granite Embedding Multilingual R2：97M 与 311M 两款 Apache 2.0 多语言嵌入模型
IBM 在 Hugging Face 发布 Granite Embedding Multilingual R2 系列两款 Apache 2.0 多语言嵌入模型，均基于 ModernBERT，支持 200+ 语言、32K token 上下文（较 R1 提升 64 倍）并新增 9 种编程语言的代码检索。
AWS 上基础模型训练与推理的构建模块
Hugging Face 博客发布系列文章，分析 AWS 基础设施如何与开源软件栈配合支撑基础模型全生命周期。文章指出 scaling 已从单一预训练曲线演变为预训练、后训练与测试时计算三条路径，并梳理了 Slurm、Kubernetes、PyTorch、JAX、Prometheus、Grafana 等 OSS 工具的分层架构。
vLLM V0 到 V1 迁移：RL 训练中先对齐正确性再改目标
PipelineRL 在 vLLM V0 到 V1 迁移中通过四项修复让 V1 与 V0 参考轨迹对齐：启用 processed_logprobs、显式关闭 prefix caching 与 async scheduling、匹配 inflight 权重更新路径，以及最终投影使用 fp32 lm_head。
Hugging Face 为 Open ASR Leaderboard 引入私有数据集以抵御 benchmaxxing
Hugging Face 与 Appen Inc.、DataoceanAI 合作，为 Open ASR Leaderboard 引入覆盖多口音、朗读与对话语音的高质量英文 ASR 私有数据集，以防 benchmaxxing 和测试集污染。
Google ResearchAI 评分Google Research 如何通过全球合作与开放资源推动科学影响
Google Research 公布其开源工具与开放数据集已支持全球超 25 万名研究人员和开发者。其中基因组学工具 DeepVariant、DeepConsensus、DeepPolisher 已助全球处理 250 万人的外显子与全基因组，Health AI Developer Foundations 及 MedGemma 累计下载超 480 万次。
Granite 4.1 LLM 是如何训练的：IBM 公开数据工程、预训练与强化学习全流程
IBM Granite 团队发布技术文章，详解 Granite 4.1 系列稠密 LLM（3B、8B、30B）的训练流程：约 15T tokens 五阶段预训练，上下文窗口经长上下文扩展至 512K tokens，随后用约 4.1M 条高质量样本做 SFT，并采用 on-policy GRPO 配合 DAPO loss 的多阶段强化学习。
推荐理由：Granite 4.1 团队公开了从数据配比到多阶段 RL 的完整训练细节，可对照其 8B 稠密模型追平 32B MoE 的结论。
NVIDIA 发布 Nemotron 3 Nano Omni 全模态理解模型
NVIDIA 发布 Nemotron 3 Nano Omni，一款面向文档分析、多图推理、语音识别、长音视频理解与智能体电脑操作的全模态理解模型，在 MMlongbench-Doc、OCRBenchV2、WorldSense、DailyOmni、VoiceBench 等基准上取得领先成绩。
推荐理由：原文给出架构、训练配方与多模态基准对比，可据此判断开源全模态模型在文档、音视频与GUI任务上的位置。
OpenAI NewsAI 评分 OpenAI 发布 Codex 编排开源规范 Symphony
OpenAI 发布开源规范 Symphony，用于 Codex 编排，可把 issue tracker 变成常驻的智能体系统。该规范旨在提升工程产出并减少上下文切换。
DeepSeek-V4 发布：百万 token 上下文面向智能体任务
DeepSeek 发布 V4，两个 MoE 检查点上线 Hub：DeepSeek-V4-Pro 为 1.6T 总参数、49B 激活，DeepSeek-V4-Flash 为 284B 总参数、13B 激活，均支持 1M token 上下文窗口。
推荐理由：DeepSeek-V4 把长上下文推理成本压到 V3.2 的一成量级，读者可据此判断智能体长任务工作流的可行性。
OpenAI News精选AI 评分 OpenAI 发布开源权重模型 Privacy Filter，用于检测和脱敏文本中的 PII
OpenAI 发布 Privacy Filter，这是一款开放权重模型，用于检测和脱敏文本中的个人身份信息（PII），官方称其准确率达到 state-of-the-art 水平。
推荐理由：OpenAI 开源了一款用于识别和脱敏文本中个人身份信息的模型，可了解其在 PII 检测上的定位。
QIMMA：Hugging Face 推出质量优先的阿拉伯语 LLM 排行榜
Hugging Face 发布 QIMMA（阿拉伯语"顶峰"）阿拉伯语 LLM 排行榜，在评测模型前先对基准做质量验证，整合 14 个来源基准的 109 个子集、超 52,000 条样本，覆盖 7 个领域，其中 99% 为原生阿拉伯语内容，也是首个含代码评测的阿拉伯语排行榜。验证发现 ArabicMMLU 丢弃率 3.1%、MizanQA 2.3%，问题涵盖答案错误、文本损坏与文化偏见。
AI 与网络安全的未来：为什么开放性至关重要
Hugging Face 发文讨论 Mythos 与 Project Glasswing 发布后 AI 网络安全格局，指出 Mythos 的漏洞发现与修补能力来自模型、算力、安全脚手架与自主性组成的系统配方，而非单一模型。文章认为开源代码与工具能分散检测、验证、协调、补丁传播四个环节，避免闭源单点故障，并主张采用半自主 AI 智能体在人类可控前提下进行防御。
Google DeepMind精选AI 评分Google DeepMind 发布 Gemma 4 开源模型家族，含 26B MoE 与 31B Dense 四种尺寸
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 给出四种尺寸、Apache 2.0 许可与完整工具链支持，可据此判断开源模型在端侧与本地部署上的能力边界。
Mistral AI精选AI 评分
Mistral 发布 Mistral Small 4，统一推理、多模态与编码智能体能力
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一个重要版本，也是 Mistral 首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型中的模型，采用 Apache 2.0 许可。
推荐理由：Mistral Small 4 把推理、多模态与编码智能体能力合并进单一开源模型，读者可据此判断统一模型对部署选型的影响。
Mistral AI 加入 NVIDIA Nemotron Coalition，联合开发开源前沿模型
Mistral AI 以创始成员身份加入 NVIDIA Nemotron Coalition，双方计划联合开发前沿开源 AI 模型，结合 Mistral 的模型架构与全栈平台和 NVIDIA 的算力、模型开发工具及合成数据管线。
Mistral 发布 Leanstral：面向 Lean 4 的开源代码智能体
Mistral 发布 Leanstral，称其为首个面向 Lean 4 的开源代码智能体，采用 6B 激活参数的稀疏架构，权重以 Apache 2.0 许可开放，并接入 Mistral vibe 的 agent 模式与免费 API 端点 labs-leanstral-2603。
推荐理由：官方给出 Leanstral 的开放权重、免费 API 与 FLTEval 基准，读者可据此判断形式化验证编码智能体的成本与可用性。
Mistral Vibe 如何构建自动编写 RSpec 测试的 Rails 智能体
Mistral 基于其开源编码助手 Vibe 构建了一个自主智能体，可读取 Rails 源文件、生成或改进 RSpec 测试，并在 CI/CD 流水线中无需人工干预地并行运行。通过仓库级 AGENTS.md 执行计划和按文件类型划分的 SKILLS 文件，其质量评分从 0.68 提升至 0.74。
Hugging Face 调查 16 个开源 RL 库：异步训练如何让 GPU 不再空转
Hugging Face 对 16 个围绕异步训练构建的开源 RL 库做了横评，按编排原语、rollout buffer 设计、权重同步协议、陈旧度管理、部分 rollout 处理、LoRA 支持与分布式训练后端 7 个维度对比。