跳到正文

全部动态

今日 11 条
4月30日周四
4月29日周三
  1. Hugging Face Blog60

    Granite 4.1 LLM 是如何构建的：IBM 公开预训练、SFT 与 RL 全流程

    IBM Granite 团队发布技术长文，详解 Granite 4.1 系列稠密解码器模型（3B、8B、30B）的构建流程：在约 15T token 上分五阶段预训练，上下文窗口经分阶段扩展至 512K，随后用约 4.1M 高质量样本做 SFT，并通过 on-policy GRPO 配合 DAPO loss 的多阶段 RL 强化数学、编码、指令遵循与通用对话能力。

    推荐理由：Granite 4.1 完整披露五阶段预训练、SFT 与多阶段 RL 的数据配比和训练配置，可对照其 8B 稠密模型追平 32B-A9B MoE 的结论。

4月28日周二
  1. Hugging Face Blog74

    NVIDIA 发布 Nemotron 3 Nano Omni：面向文档、音频与视频智能体的长上下文全模态模型

    NVIDIA 发布 Nemotron 3 Nano Omni，一款覆盖文本、图像、视频与音频的全模态理解模型，基于 Nemotron 3 Nano 30B-A3B 骨干，搭配 C-RADIOv4-H 视觉编码器和 Parakeet-TDT-0.6B-v2 音频编码器。

    推荐理由：原文给出架构、训练配方与多模态基准对比，读者可据此判断开源全模态模型在文档、音视频与 GUI 智能体上的能力边界。

4月27日周一
  2. Mistral AI75

    Mistral AI 发布 Workflows 公开预览版

    Mistral AI 发布企业 AI 编排层 Workflows 公开预览版，基于 Temporal 持久执行引擎，提供持久化执行、可观测性和人工介入审批能力。

    推荐理由：Mistral 把企业级 AI 编排的持久化执行、可观测与人工审批打包进 Studio，读者可据此判断生产化落地的门槛变化。

  6. Hugging Face Blog62

    如何用 OpenAI Privacy Filter 构建可扩展 Web 应用

    Hugging Face 博客介绍如何基于 OpenAI 本周在 Hub 上开源的 Privacy Filter 构建三个 Web 应用。该模型是 1.5B 参数、50M 激活参数的 PII 检测器，Apache 2.0 许可，单次前向处理 128k 上下文，可标注八类 PII，并在 PII-Masking-300k 基准上达到 SOTA。

    推荐理由：文章用三个可运行示例拆解 gradio.Server 的队列与路由分工，读者可据此复用这套前后端拆分模式。

4月25日周六
4月24日周五
  1. Hugging Face Blog88

    DeepSeek-V4 发布：百万 token 上下文面向智能体任务

    DeepSeek 发布 V4，在 Hub 上提供两个 MoE 检查点：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：原文拆解了 V4 混合注意力如何把 1M 上下文的 KV cache 压到约 2%，并给出智能体基准对比，便于判断长任务部署成本。

4月23日周四
  1. OpenAI News78

    OpenAI 发布 GPT-5.5

    OpenAI 发布 GPT-5.5，官方称其为面向编码、研究和数据分析等跨工具复杂任务打造的模型。

    推荐理由：OpenAI 官方发布 GPT-5.5，面向编码、研究与数据分析等跨工具复杂任务，可据此了解其定位。

  3. Hugging Face Blog62

    如何在 Chrome 扩展中使用 Transformers.js

    Hugging Face 发布教程，讲解如何在 Manifest V3 约束下用 Transformers.js 在 Chrome 扩展中运行本地 AI，并以官方发布的 Gemma 4 浏览器助手扩展为参照。

    推荐理由：以官方发布的 Gemma 4 浏览器扩展为参照，拆解 MV3 下后台托管模型、侧边栏与内容脚本分工的架构取舍。

4月22日周三
  5. OpenAI News62

    OpenAI 在 ChatGPT 中推出工作区智能体

    OpenAI 在 ChatGPT 中推出工作区智能体（workspace agents），由 Codex 驱动，可自动化复杂工作流并在云端运行。官方称其能帮助团队跨工具安全地扩展工作。

    推荐理由：官方给出 ChatGPT 工作区智能体的定位与云端运行方式，可据此判断团队自动化流程的形态。

  6. OpenAI News62

    OpenAI 发布 Privacy Filter 开放权重模型

    OpenAI 发布 Privacy Filter，一个用于检测和脱敏文本中个人身份信息（PII）的开放权重模型，官方称其准确率达到 state-of-the-art。目前公开信息仅有这一句摘要，未披露模型规模、许可协议或具体评测数据。

    推荐理由：OpenAI 开源 PII 检测模型，读者可了解其在文本脱敏场景的定位与开放权重形态。

4月21日周二
  2. OpenAI News62

    OpenAI 发布 ChatGPT Images 2.0

    OpenAI 发布 ChatGPT Images 2.0，改进了文字渲染、多语言支持和视觉推理能力。原文同时提到可查看 Images 2.5 的新变化。

    推荐理由：官方给出图像生成在文字渲染、多语言与视觉推理上的改进方向，可据此判断图像能力升级重点。

  5. Hugging Face Blog36

    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 发布后的 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、软件数据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通过分布式检测、验证、协调与补丁传播缩小攻防能力差距，并主张采用半自主 AI 智能体在人类控制下进行防御。

4月20日周一
  1. Berkeley AI Research42

    GRASP：面向世界模型的梯度规划器，让长时程规划更稳健

    伯克利 AI 研究团队提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度。该方法针对长时程规划中优化病态、非贪心结构导致的局部极小值以及高维潜空间失效模式等问题，使基于梯度的规划更稳健。

4月16日周四
  1. Google Research42

    Google 提出 Simula：用机制设计从第一性原理生成合成数据

    Google 提出推理优先的合成数据框架 Simula，无需种子数据，将生成过程拆解为全局多样化、局部多样化、复杂化和质量检查四个可控步骤。该框架用 Gemini 2.5 Flash 作教师模型、Gemma-3 4B 作学生模型，在网络安全、法律推理、GSM8k 和 Global MMLU 五个领域各生成最多 512K 数据点，完整系统在所有领域均优于简单基线。

  2. Google Research36

    Google Research 用 AI 合成神经元加速脑图谱绘制，重建误差降低 4.4%

    Google Research 提出神经元形态生成模型 MoGen，通过 PointInfinity 点云流匹配生成合成神经元形状，为 PATHFINDER 重建模型补充训练数据，使小鼠轴突重建误差降低 4.4%，主要来自合并错误的减少。在完整小鼠脑规模下，这相当于节省 157 人年的手动校对工作。MoGen 已开源，相关论文将在 ICLR 2026 展示。