跳到正文

全部动态

今日 35 条
4月10日周五
4月9日周四
  2. Hugging Face Blog60

    Sentence Transformers v5.4 支持多模态嵌入与重排模型

    Sentence Transformers 发布 v5.4，可在同一套 API 下编码和比较文本、图像、音频与视频，并支持多模态重排模型。新增能力覆盖跨模态相似度、encode_query/encode_document 检索流程以及先检索再重排的 RAG 模式，官方同时列出了 Qwen3-VL、NVIDIA、BGE-VL 等已支持模型。

    推荐理由：官方给出 v5.4 多模态嵌入与重排的完整用法和模型清单，可据此评估跨模态检索的落地成本。

  3. Hugging Face Blog62

    Overworld 发布 Waypoint-1.5 实时视频世界模型，消费级 GPU 可跑 720p 60 FPS

    Overworld 发布实时视频世界模型 Waypoint-1.5，在 RTX 3090 至 5090 等桌面硬件上可实时生成最高 720p、60 FPS 的环境，并新增面向更广消费级硬件的 360p 版本，后续将支持 Apple Silicon Mac。

    推荐理由：Waypoint-1.5 把实时交互世界模型下放到消费级显卡，读者可据此判断本地生成式世界的硬件门槛变化。

4月8日周三
4月6日周一
4月3日周五
  1. Google Research40

    Google Research 评估 LLM 行为倾向与人类的对齐程度

    Google Research 提出一套框架，用改编自 IRI、ERQ 等心理学问卷的情境判断测试（SJT）评估 LLM 行为倾向与人类共识的对齐程度。对 25 个 LLM 的大规模分析发现两类差距：模型倾向偏离人类标注者共识，以及在无共识时无法覆盖人类意见的分布范围。小模型（<120B）与前沿闭源模型在人类一致同意时接近完美对齐，但共识低于 90% 时对齐率停滞在 80% 出头。

4月2日周四
  1. OpenAI News62

    OpenAI 收购 TBPN

    OpenAI 宣布收购 TBPN，以加速围绕 AI 的全球对话并支持独立媒体，扩大与开发者、企业和更广泛科技社区的交流。

    推荐理由：OpenAI 收购 TBPN 以扩大 AI 对话与独立媒体支持，读者可了解其媒体与社区布局。

4月1日周三
  1. Hugging Face Blog60

    TII 发布 Falcon Perception 与 Falcon OCR 模型

    TII 的 Falcon Vision 团队发布 Falcon Perception，一个 0.6B 参数的早期融合 Transformer，用自然语言提示做开放词表定位与分割，在 SA-Co 上达到 68.0 Macro-F1，高于 SAM 3 的 62.3，但在存在性校准上落后（MCC 0.64 对 0.82）。

    推荐理由：原文给出 0.6B 早期融合模型在 SA-Co 与 PBench 上的分项对比，可据此判断单骨干感知路线相对模块化管线的取舍。

  3. Hugging Face Blog62

    Gradio 推出 gradio.Server，支持任意自定义前端搭配其后端

    Hugging Face 发布 gradio.Server，它扩展自 FastAPI，让开发者用 React、Svelte 或原生 HTML/JS 等任意前端搭配 Gradio 的队列、SSE 流式、并发控制和 gradio_client 兼容能力。

    推荐理由：原文给出 gradio.Server 的完整后端示例，读者可据此判断自带前端与 Gradio 队列、ZeroGPU 如何配合。

3月31日周二
  1. Hugging Face Blog62

    IBM 发布 Granite 4.0 3B Vision 企业文档多模态模型

    IBM 发布 Granite 4.0 3B Vision，一款面向企业文档理解的紧凑视觉语言模型，以 LoRA 适配器形式叠加在 Granite 4.0 Micro 之上，采用 Apache 2.0 许可并在 Hugging Face 上线。

    推荐理由：Granite 4.0 3B Vision 以 3B 规模在图表与表格抽取基准上超过更大模型，并给出 LoRA 适配器与 Docling 集成路径。

  2. OpenAI News68

    OpenAI 完成 1220 亿美元新融资

    OpenAI 宣布获得 1220 亿美元新融资，用于在全球扩展前沿 AI、投资下一代算力，并满足 ChatGPT、Codex 和企业级 AI 不断增长的需求。

    推荐理由：OpenAI 披露 1220 亿美元新融资及资金投向，读者可据此了解其算力与产品扩张的资金规模。

  3. Mistral AI40

    Mistral AI 推出 Spaces：一款为人类和 AI 智能体打造的 CLI

    Mistral AI 发布 Spaces CLI，同时面向人类开发者和编码智能体。该工具通过 `spaces init`、`spaces dev` 等命令，三条命令即可从零搭建带热重载、数据库和 Dockerfile 的多服务项目。每个交互式提示都有对应的 flag 等价物，并在每次 init 时生成 context.json 和 AGENTS.md，让智能体无需人工干预即可自主完成配置与部署。

  4. Hugging Face Blog22

    OpenMed 用 165 美元训练跨 25 物种的 mRNA 语言模型

    OpenMed 构建了覆盖结构预测、序列设计与密码子优化的端到端蛋白质 AI 流水线，其中 CodonRoBERTa-large-v2 以困惑度 4.10、Spearman CAI 相关性 0.40 显著优于 ModernBERT。团队随后将模型扩展至 25 个物种，用 55 GPU-hours 训练出 4 个生产模型，并搭建了目前其他开源项目尚未提供的物种条件化系统。

  5. Google Research66

    Google 发布白皮书：量子计算机破解加密货币加密所需资源大幅降低

    Google Quantum AI 发布白皮书，估算未来量子计算机破解保护加密货币的椭圆曲线密码（ECDLP-256）所需的量子资源比此前认为的更少。

    推荐理由：Google Quantum AI 给出破解 ECDLP-256 的最新量子资源估算，并用零知识证明披露漏洞，读者可了解量子威胁与后量子迁移的紧迫性。

  6. Hugging Face Blog62

    Hugging Face 发布 TRL v1.0 后训练库

    Hugging Face 发布 TRL v1.0，将这一原本的研究代码库正式定位为带明确稳定性契约的后训练库，目前实现超过 75 种后训练方法，月下载量 300 万次。

    推荐理由：TRL v1.0 把稳定核心与实验层分开，并给出与同类后训练库的横向对比，便于判断选型。

3月30日周一
3月29日周日
  1. Google DeepMind52

    Google DeepMind 为 AI 时代重新设计鼠标指针

    Google DeepMind 公布 AI 指针的四条交互原则，并展示由 Gemini 驱动的实验性指针演示，用户可通过指向和语音在 Google AI Studio 中编辑图片或查找地点。该指针已开始集成到 Chrome，用户可用指针选中网页内容让 Gemini 处理，Googlebook 也将推出 Magic Pointer。研究团队称这些原则旨在把传达上下文和意图的工作从用户转移到计算机。

3月28日周六