FairStress: 评估LLM决策中人口公平性的新基准
Hugging Face发布FairStress基准，用于评估大语言模型在人口公平性方面的表现。该基准包含300个现实场景，测试模型在面对不同人口身份信息时的决策稳定性，发现模型在少数族裔和多数族裔候选人面前表现出不同的决策抵抗力，存在反刻板印象过度纠正现象。
推荐理由：LLM在决策中存在反刻板印象过度纠正现象，同一论据对少数族裔和多数族裔候选人的影响不对称，现有去偏方法效果有限。
内容形态
模型发布 最新动态
新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
125 条精选近 30 天 114 条共收录 576 条
更新
精选归档 · 第 3 页
Hugging Face Blog精选AI 评分7575
Hugging Face Blog精选AI 评分7575 Hugging Face 发布 TorchTPU：PyTorch 原生支持 TPU
Hugging Face 发布 TorchTPU，为 PyTorch 添加原生 TPU 后端，使开发者可以直接在 TPU 上运行 Transformers、Diffusers 和 Kernels 库。
推荐理由：TorchTPU 让 PyTorch 原生支持 TPU，开发者无需学习 JAX 或使用 torch_xla，只需一行代码即可将模型迁移到 TPU。
Hugging Face Blog精选AI 评分7272 ALTK-Evolve：通过学习记忆在客户服务任务中超越τ²-bench排行榜
IBM研究团队提出ALTK-Evolve方法，使用GPT-4.1学习并应用行为指南，在不更新模型权重的情况下，将基础ReAct智能体在τ²-bench客户服务基准测试中的Pass^4提升至67.5%，超越所有零售领域提交的条目。
推荐理由：通过学习指南而非权重更新提升基础模型性能，为低成本高可靠性智能体提供新路径。
钛媒体精选AI 评分8585 中国AI独角兽实现商业化突破：调用量全球领先，提价能力获市场认可
中国AI模型在全球调用量上领先美国4.5倍，DeepSeekV4.1Flash一周消耗41万亿Token。智谱、DeepSeek和月之暗面成功提价，智谱API均价上调101%，DeepSeek峰谷定价高峰时段上涨至原来的两三倍，月之暗面KimiK3定价与Anthropic Sonnet5一致。中国模型首次未以折扣价进入市场，而是参照美国头部模型的定价体系收费。
推荐理由：中国AI模型从调用量领先到提价成功，行业正从'谁更聪明'转向'谁被真实使用并付费'的分水岭时刻。
钛媒体精选AI 评分8585 Dyna Robotics：被部署教训了300天后，找到机器人Scaling Law
Dyna Robotics分享了从Dyna-1到Dyna-2的两年历程，包括从VLA模型转向世界动作模型，使用100万小时第一人称人类视频预训练，发现机器人数据规模定律。公司强调真实部署是衡量机器人的唯一评估，模型、数据和硬件必须共同进步才能实现商业化落地。
推荐理由：从演示到真实部署的300天，机器人Scaling Law的探索揭示了数据规模与系统落地的关键张力。
HuggingFace Daily Papers精选AI 评分6565 MemT-1.0：迈向记忆原生进化
MemT-1.0是一种新型记忆基础模型架构，将记忆内化为模型计算的一部分。该模型采用Gated DeltaNet-2和Mixture-of-Storage技术，在128K上下文长度下实现1.86倍端到端推理加速和66倍持久存储减少，同时保持与检索增强方法相竞争的性能。研究团队发布了MemT-1.0-Nano和MemT-1.0-Flash模型，并通过34B tokens训练数据进行了全面评估。
推荐理由：将记忆内化为模型计算能力，MemT-1.0 在128K上下文下实现1.86倍推理加速和66倍存储减少。
HuggingFace Daily Papers精选AI 评分6565 Text-to-Image Generative Modeling Without Language Pretraining
研究团队提出Halcyon模型，一种完全从头开始训练的早期融合多模态自回归模型，在GPIC数据集上预训练。Halcyon-0.52B和Halcyon-1.6B模型在文本到图像生成任务上分别以更少的预训练计算量超越了现有模型，实验表明文本预训练对T2I生成没有明显帮助。代码和模型已公开。
推荐理由：Halcyon模型证明无需大规模语言预训练也能实现高质量文本到图像生成，挑战了当前主流技术范式。
TechXplore · Robotics精选AI 评分7575 首尔国立大学开发Dynin-Robotics模型，预测未来场景指导机器人行动
首尔国立大学研究团队开发了Dynin-Robotics，一种能够理解人类指令、预测行动后场景并执行任务的机器人基础模型。该模型在四项真实世界机器人操作任务中平均成功率达78.4%，超过NVIDIA和Physical Intelligence的对比模型。研究论文已被NeurIPS 2026会议接受，将于12月发表。
推荐理由：通过预测场景来指导行动，Dynin-Robotics 在四项机器人操作任务中达到78.4%成功率，超越NVIDIA和Physical Intelligence模型。
HuggingFace Daily Papers精选AI 评分6565 分层稀疏注意力：在极端稀疏度下减少稀疏到密集的差距
研究人员提出分层稀疏注意力(SSA)框架，结合确定性检索和分数引导采样，在保持高稀疏度的同时显著提升长上下文推理性能。在RULER-HARD测试中，Ministral-3-8B模型在32K和128K上下文长度下，50倍稀疏度下准确率分别从81.8%提升至84.2%和从63.8%提升至69.3%，恢复密集注意力性能的94%和85%。优化后的CUDA内核实现1M上下文下近3倍解码加速。
推荐理由：分层稀疏注意力在极端稀疏度下接近密集注意力性能，同时实现近3倍解码加速，为长上下文推理提供新思路。
华尔街见闻精选AI 评分7676 英伟达实现量子计算模拟新纪录：8192块GPU支持104量子比特
英伟达在德国于利希超算上使用8192块GPU完成104量子比特容错量子计算模拟，验证了魔态培育技术路线，可将相关方案所需物理量子比特数量减少约90%。这一突破有助于降低量子纠错资源开销，加速实用量子计算系统研发。
推荐理由：8192块GPU模拟104量子比特，将魔态培育物理比特需求降九成，量子计算离实用又近一步。
AWS Machine Learning Blog精选AI 评分6565 TwelveLabs Pegasus 1.5 现已在 Amazon Bedrock 上线
TwelveLabs Pegasus 1.5 视频语言模型现已登陆 Amazon Bedrock，可将长视频转化为带时间戳的结构化元数据。新版本支持基于时间的元数据生成、多模态提示（结合文本和参考图像）以及即时处理，无需预索引即可分析长达两小时的视频。用户可直接从 Amazon S3 URI 或 base64 字符串发送视频，数据保持在 AWS 数据边界内。
推荐理由：视频语言模型Pegasus 1.5在Amazon Bedrock上线，将长视频转化为结构化元数据，无需预索引即可处理两小时视频。
AWS Machine Learning Blog精选AI 评分7070 AWS 推出基于推送的KV传输技术提升vLLM推理性能
AWS 机器学习博客介绍了基于推送的KV传输技术，用于改进vLLM中解耦推理的TTFT和TPOT。在Amazon EC2 P5en实例上测试，推送模式相比拉取模式实现了最高3倍的TTFT提升和30%的TPOT改善。该技术通过将传输协调工作移至预填充端的后台线程，避免了关键路径上的延迟。
推荐理由：将KV传输从拉取模式改为推送模式，使解码端准备与预填充计算重叠，显著降低了高请求率下的TTFT和TPOT。
量子位精选AI 评分8585 AI开始挑战最复杂的系统：生命
哲源科技发布WHIRLPO计算医学平台，美国Biohub联合能源部、NIH等投入18亿美元搭建生命预测模型数据底座。AI生命科学从单点分子模型转向构建生命世界模型，中美两地同步进入基础设施竞争阶段。
推荐理由：AI从分子预测转向生命系统建模，中美同步布局基础设施，标志着生命科学进入系统级竞争阶段。
IT之家精选AI 评分7878 大晓机器人发布具身基模型 ACE-Brain-0.6
大晓机器人发布视觉空间锚定增强型具身基模型 ACE-Brain-0.6，基于 Qwen3.5-9B 进行监督微调，在八项 Grounding 评测中有六项超过 OpenAI GPT-6 Astra，真实机器人场景评测 RobotGrounding 得分 94.13 分。
推荐理由：国产模型在空间感知评测中超越国际巨头，具身智能赛道正迎来技术突破期。
钛媒体精选AI 评分8585 谷歌芯片战略十年布局完成，重塑AI算力竞争格局
谷歌自2015年开始研发TPU芯片，2026年完成从自用到对外销售的转变，向Anthropic、Meta等竞争对手供应算力，并与迈威尔科技达成121.82亿美元投资协议。谷歌TPU已形成芯片-模型-编译器-网络-数据中心-云的垂直一体化体系，在自有负载上性价比可达英伟达方案的数倍。
推荐理由：谷歌TPU从内部工具演变为对外产品，十年布局完成芯片-云服务-投资三级火箭闭环，重塑AI算力竞争格局。
华尔街见闻精选AI 评分7575 手机端侧模型参数规模快速膨胀，30B MoE模型开始落地
短短一个月内，30B级端侧模型接连亮相，高通、vivo、面壁智能等厂商成功将大模型部署在手机平台上。MoE技术让模型总参数与单次推理计算量解耦，使手机有机会运行更大规模模型，但模型容量扩大与手机内存、功耗增长不同步，带来技术押注的不确定性。
推荐理由：30B级MoE模型挤进手机，让规模定律首次在端侧落地，但硬件投入与实际收益的平衡仍是未知数。
量子位精选AI 评分8585 VAST开源实时世界模型EdenLive，单RTX 5090显卡720P超24FPS
VAST开源实时世界模型EdenLive，在单张消费级显卡Nvidia RTX 5090上、720P条件下，5B模型生成速度超过24FPS，支持分钟级连续生成。该模型实现了任意参考输入、任意画风生成和长时连续运行，开放了模型权重、推理代码、技术报告和端到端Demo。
推荐理由：EdenLive实现了单消费级显卡上的实时世界模型生成，为交互内容提供高质量视觉渲染。
HuggingFace Daily Papers精选AI 评分6565 TokenGate：通过学习型 token 剪枝实现快速且内存高效的 LLM 预填充
研究人员提出 TokenGate，一种小型即插即用组件，可扩展现有训练模型以实现端到端可学习的 token 剪枝，用于快速且内存高效的预填充。该技术通过 token 门控注意力机制，在多种任务上实现了 1.4-11.3 倍的首个令牌时间加速和 1.5-3.4 倍的峰值内存降低，同时不损失准确性。
推荐理由：TokenGate 通过可学习的 token 剪枝技术，在保持模型精度的同时显著提升长上下文处理速度和内存效率。
HuggingFace Daily Papers精选AI 评分7575 视觉语言模型的规模限制：逆规模效应研究
研究系统评估了19个来自四个不同模型家族的视觉语言模型，发现模型规模增大并不总是带来性能提升，在多图像空间推理、视觉感知和大学级STEM知识等领域存在逆规模效应，准确度差距最高超过20个百分点。
推荐理由：研究揭示了视觉语言模型在特定任务上存在逆规模效应，挑战了模型越大越好的普遍假设。
钛媒体精选AI 评分8585 StartLux-Decision模型登顶Hugging Face决策模型SOTA
中国AI创业公司StartLux的StartLux-Decision-v1.1-27B-Instant模型以69.1分登顶Hugging Face Decision Index 0.3.2榜单，领先第二名近3分。该模型提供Instant与AutoThink两种模式，原创提出RLCD²强化学习训练方法，并推出DecisionPivot评测基准，累计下载量近12万。
推荐理由：StartLux-Decision模型在Hugging Face决策模型榜单登顶，展示了中国在决策模型领域的领先地位。