跳到正文

全部动态

今日 33 条
7月16日周四
  3. Hugging Face Blog88

    Hugging Face 披露 7 月安全事件：自主 AI 智能体驱动的入侵

    Hugging Face 披露本周检测到一起针对其部分生产基础设施的入侵，该事件由一套自主 AI 智能体系统端到端驱动，攻击者通过恶意数据集利用数据集处理中的远程代码加载器和模板注入两条代码执行路径，从处理节点升级到节点级访问、窃取云和集群凭证并横向移动至多个内部集群。

    推荐理由：Hugging Face 披露首起由自主 AI 智能体端到端驱动的入侵事件，并说明防御方在托管模型护栏受限时改用开源模型完成取证。

  4. Google Research31

    Google Research 揭示扩散模型创造力来源：score smoothing 机制解析

    Google Research 在 ICLR 2026 论文中揭示扩散模型的创造力源于神经网络训练中的 score smoothing 效应：权重衰减等正则化使模型学到平滑的 score function，让去噪过程在训练数据点之间插值，从而生成新样本而非简单记忆。研究通过一维实验验证，权重衰减越强，插值区域越明显，即使无显式正则化，梯度训练的隐式正则化也能产生类似效果。

7月15日周三
  3. Hugging Face Blog85

    Thinking Machines 在 Hugging Face 发布 Inkling 多模态大模型及 Inkling-Small

    Thinking Machines 在 Hugging Face 发布 Inkling，一个约 1T 参数、支持 1M 上下文、原生接收图像文本音频输入的开源多模态 MoE 模型，同时发布 276B 总参数 12B 激活参数的 Inkling-Small。

    推荐理由：原文给出 Inkling 的架构细节、部署配置与基准对比，读者可据此判断这一开源多模态模型的落地门槛。

7月14日周二
7月13日周一
  1. Google DeepMind28

    Google DeepMind 推出 Gemini 驱动的 ATL Saathi，助力印度 Atal Tinkering Labs

    Google DeepMind 在印度启动 ATL Saathi 试点，这是一款由 Gemini 驱动的 Web 应用，为 Atal Tinkering Labs 教育者提供 24/7 备课与培训助手。该工具基于 NotebookLM 整理 12 个核心模块内容，支持 10 个模块的项目生成，初期覆盖 8 种语言，底层采用 Gemini 3.5 Flash 模型。首批试点覆盖印度 100 所学校。

7月10日周五
7月9日周四
  2. Mistral AI52

    Mistral Studio 上线 Prompts 与 Skills 管理系统

    Mistral AI 在 Studio 中推出 Prompts 和 Skills 管理系统，为每个提示词和技能提供版本化、归属和可追溯的单一记录。每个版本不可变，支持对比、回滚、分类标签和审计日志，非开发者也能编辑并即时测试，发布仍走企业已有的 CI/CD 流程。技能可作为 MCP 服务器直接从 Studio 调用，确保生产执行的是同一受治理资产，该功能现已向 Studio 客户开放。

  5. OpenAI News67

    OpenAI 推出 ChatGPT Work 智能体

    OpenAI 发布 ChatGPT Work，这是一个可跨应用和文件执行操作的智能体，必要时能持续跟进一个项目数小时，把目标转化为完成的工作。

    推荐理由：OpenAI 官方给出 ChatGPT Work 的定位与能力边界，读者可据此判断智能体进入工作流的形态。

  6. Google Research62

    Google 发布 SensorFM：面向可穿戴健康数据的通用基础模型

    Google Research 发布 SensorFM，一个从无标注可穿戴数据中学习的大型传感器基础模型，预训练语料超过一万亿分钟多模态信号，来自 500 万名同意参与者、100 多个国家和 20 多款 Fitbit 与 Pixel Watch 设备。

    推荐理由：Google 用一万亿分钟可穿戴数据预训练通用生理表征，并给出跨 35 项健康任务的泛化与标签效率证据。

7月8日周三
  3. Mistral AI71

    Mistral AI 发布 Robostral Navigate 具身导航模型

    Mistral AI 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器，在 R2R-CE validation unseen 上达到 76.6% 成功率，比最佳单相机方案高 9.7 个百分点，比使用深度或多相机的最佳系统高 4.5 个百分点。

    推荐理由：原文给出单目 RGB 相机在 R2R-CE 上的成绩与训练方法，读者可据此判断具身导航的能力边界。

  6. Hugging Face Blog62

    vLLM 的 transformers 建模后端实现原生推理速度

    Hugging Face 宣布 vLLM 的 transformers 建模后端现已达到甚至超过 vLLM 手写原生实现的吞吐，覆盖 Qwen3-4B 单卡、Qwen3-32B 张量并行和 Qwen3-235B-A22B-FP8 MoE 三种配置。

    推荐理由：原文给出 transformers 后端在 vLLM 中追平原生实现的具体机制与开关，读者可据此判断自家模型能否免移植提速。

  8. Google Research60

    Google Research 在 10 座美国城市实验用导航平台缓解交通拥堵

    Google Research 在 Nature Cities 发表研究，在 10 座美国城市开展为期六个月的实验，通过修改 Google Maps 算法将遇到预设拥堵路段的行程引导至耗时相近的替代路线，仅不到 2% 的行程收到改道建议。

    推荐理由：Google Research 在 10 座美国城市做了为期半年的真实路网实验，给出了协调少量出行即可提升全城车速与减排的量化结果。

7月7日周二
  1. Hugging Face Blog62

    微软在 Foundry Managed Compute 上线 Hugging Face 模型集合

    微软在 Build 2026 宣布 Foundry Managed Compute 及 Hugging Face 模型集合，将 Hugging Face 生态的开源权重模型以每周刷新的方式引入 Foundry 模型目录，可一键部署到托管 GPU 平台。

    推荐理由：微软把 Hugging Face 开源模型的部署运维层接进 Foundry，读者可据此判断开源模型进入企业生产环境的门槛变化。

  3. Hugging Face Blog75

    LeRobot v0.6.0 发布：世界模型策略、奖励模型与部署 CLI 闭环

    LeRobot v0.6.0 发布，围绕机器人学习闭环引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新一批 VLA（GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT）以及统一奖励模型 API（Robometer、TOPReward）。

    推荐理由：LeRobot v0.6.0 把世界模型策略、奖励模型与部署 CLI 串成闭环，读者可据此判断开源机器人学习栈的当前能力边界。

  6. Hugging Face Blog62

    Hugging Face 与 SkyPilot 打通零出站流量存储，可在任意云上运行 AI 负载

    Hugging Face 与 SkyPilot 联合推出 store: hf 存储后端，用一条 hf:// URL 和已有的 HF_TOKEN 即可把 Hugging Face Bucket 或任意模型、数据集、Space 仓库挂载进 SkyPilot 任务，并在 20 多个云、Kubernetes、Slurm 和本地环境中调度运行。

    推荐理由：原文给出 hf:// 挂载方式与免出站流量费的具体机制，读者可据此判断跨云训练与推理的存储成本变化。

7月6日周一
  1. Hugging Face Blog28

    PRX Part 4：我们的数据策略

    Hugging Face 发布 PRX 系列第四篇，详解其数据策略：预训练数据由公开与内部数据集混合组成，用 VLM 重新生成图像描述，并转为可流式训练的语料。团队用 Lance 做数据构建与筛选、MDS 做流式训练，改用 Qwen3-VL 后在训练中实时计算文本 latent，7B 规模下吞吐仅损失约 3–4%（30 天训练多约 1 天）。图像统一编码为 quality 92 的 JPEG。

7月3日周五