Google 将 SynthID 与 C2PA 内容验证扩展到 Search、Gemini、Chrome 和 Pixel
Google 宣布扩展内容透明度与验证工具，把 SynthID 的图像、视频和音频验证从 Gemini 应用扩展到 Search，并将在未来几周进入 Chrome；该验证功能已在全球被使用 5000 万次。
推荐理由：Google 把 SynthID 与 C2PA 验证铺到 Search、Gemini、Chrome 和 Pixel，读者可了解内容溯源工具的实际覆盖范围。
#部署/工程
#部署/工程
今日 8 条Google DeepMind精选AI 评分6262
Hugging Face BlogAI 评分3636 Hugging Face 详解连续批处理中的异步调度：如何让 GPU 利用率逼近 100%
Hugging Face 发文解析连续批处理中的同步瓶颈：用 8B 模型、batch size 32 生成 8K tokens 时，总耗时 300.6 秒，其中 24.0% 的时间 GPU 在等待 CPU，纯属浪费。
OpenAI NewsAI 评分4242 OpenAI 如何为 Windows 版 Codex 构建安全有效的沙箱
OpenAI 为在 Windows 上启用 Codex 构建了安全有效的沙箱，通过受控的文件访问和网络限制来隔离其运行。该方案旨在让 Codex 在 Windows 环境下安全执行任务。
Hugging Face BlogAI 评分2222 在 AWS 上构建基础模型训练与推理的模块化基础设施
Hugging Face 发文解析 AWS 上基础模型训练与推理的开源软件栈分层架构，涵盖 Slurm、Kubernetes、PyTorch、JAX 及 Prometheus、Grafana 等工具。
OpenAI NewsAI 评分4242 OpenAI 成立 DeployCo，帮企业围绕智能落地部署
OpenAI 推出企业部署公司 DeployCo，帮助各类组织将前沿 AI 投入生产环境并转化为可衡量的业务成果。该公司定位为企业级部署主体，聚焦前沿 AI 的实际落地与业务影响。
OpenAI NewsAI 评分4343 OpenAI 如何安全运行 Codex
OpenAI 通过沙箱隔离、审批机制、网络策略和智能体原生遥测来安全运行 Codex，以支持编程智能体的安全合规采用。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
一篇综述指出，并行推理正从固定 fork-and-join、树搜索等外部预设结构，转向让模型自行决定何时分解子任务、开多少并行线程以及如何协调的自适应并行推理。文中梳理了 Self-consistency、Best-of-N、MCTS、ParaThinker、GroupThink、Hogwild! Inference 等方法，并指出顺序推理的 token 增长会带来上下文退化和延迟问题。
Hugging Face BlogAI 评分3434 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 迁移中通过修复四项问题让 V1 与 V0 参考对齐：改用 processed_logprobs、显式设置 V1 运行时默认值、调整 inflight 权重更新路径，以及最终投影使用 fp32 lm_head。
OpenAI NewsAI 评分4242 OpenAI 发布 MRC（Multipath Reliable Connection）大规模 AI 训练网络协议
OpenAI 推出 MRC（Multipath Reliable Connection）超级计算机网络协议，通过 OCP 开放发布，用于提升大规模 AI 训练集群的韧性与性能。
Hugging Face Blog精选AI 评分6060 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。
Hugging Face BlogAI 评分2222 DeepInfra 成为 Hugging Face Hub 推理服务商，首批支持 DeepSeek V4、Kimi-K2.6、GLM-5.1
DeepInfra 正式成为 Hugging Face Hub 支持的推理服务商，首批上线对话与文本生成任务，可访问 DeepSeek V4、Kimi-K2.6、GLM-5.1 等开源权重模型。
Mistral AI精选AI 评分7575 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。
Hugging Face Blog精选AI 评分6262 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。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，把大规模训练拆分为解耦的计算“岛屿”，岛屿间异步传输数据，从而隔离局部硬件故障。
推荐理由：原文给出分布式训练新架构的带宽、容错与跨代硬件实测数据，可据此判断大规模预训练基础设施的演进方向。
OpenAI News精选AI 评分6262 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。
Berkeley AI ResearchAI 评分4242 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。
Hugging Face BlogAI 评分4040 Safetensors 加入 PyTorch 基金会
Safetensors 已加入 PyTorch 基金会，成为 Linux 基金会下由基金会托管的项目，与 DeepSpeed、Helion、Ray、vLLM 和 PyTorch 并列。
Hugging Face Blog精选AI 评分6262 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。
Mistral AIAI 评分4040 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。
Hugging Face Blog精选AI 评分6262 Hugging Face 教你用开源模型替代 Claude 运行 OpenClaw 智能体
Anthropic 正在限制 Pro/Max 订阅者在开放智能体平台中访问 Claude 模型，Hugging Face 给出两条把 OpenClaw、Pi 或 Open Code 智能体迁移到开源模型的路径。
推荐理由：给出两条把 OpenClaw 等智能体从 Claude 迁到开源模型的路径，含具体命令与配置，可直接照做。
Google Research精选AI 评分6262 Google 发布 TurboQuant 等三种向量量化算法，KV cache 压缩至 3 bit 且精度无损
Google 发布 TurboQuant 压缩算法，并配套提出 QJL 和 PolarQuant，用于解决向量量化中的内存开销问题，三篇工作将分别亮相 ICLR 2026 和 AISTATS 2026。
推荐理由：Google 提出三种向量量化算法，在 KV cache 压缩与向量搜索上给出可复用的压缩思路与基准结果。
Hugging Face Blog精选AI 评分6262 如何在一天内构建领域专用嵌入模型
NVIDIA 发布一套嵌入模型微调流程，用单张 GPU 和不到一天时间把通用嵌入模型改造成理解特定领域的模型，无需人工标注。流程基于 Llama-Nemotron-Embed-1B-v2，用 LLM 从领域文档生成合成问答对、挖掘难负样本并做多跳展开，再用对比学习微调。
推荐理由：给出从合成数据生成到部署的完整嵌入模型微调流程，含 Atlassian 实测提升数据，可迁移到自有领域语料。
Mistral AI精选AI 评分6262 Mistral AI 推出企业级模型构建系统 Forge
Mistral AI 推出 Forge，一套让企业基于自有专有知识构建前沿级 AI 模型的系统，支持预训练、后训练和强化学习等阶段。Forge 支持 dense 与 MoE 架构，并可按需支持多模态输入，模型可在企业自有基础设施内训练和治理。该平台以 Agent 优先设计，Mistral Vibe 等自主智能体可用其微调模型、寻找最优超参数、调度任务并生成合成数据，用户只需用自然语言即可定制模型。
推荐理由：Forge 把预训练、后训练与强化学习打包成企业自建模型的入口，读者可据此判断企业级定制模型的落地路径。
Mistral AIAI 评分4848 Mistral 用 Vibe 构建自动写 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 源码文件、生成或改进 RSpec 测试，并在 CI/CD 流水线中无需人工干预地运行。该智能体通过仓库级 AGENTS.md 执行计划、按文件类型划分的 skills 文件以及 Rubocop、SimpleCov 校验工具运作，仅靠一份 markdown 指令文件就将质量分从 0.68 提升至 0.74。
Hugging Face BlogAI 评分5252 Hugging Face 调研 16 个开源 RL 库：异步训练的七轴对比
Hugging Face 发布对 16 个开源异步 RL 训练库的调研，按编排原语、rollout 缓冲设计、权重同步协议、陈旧度管理、部分 rollout 处理、LoRA 支持和分布式训练后端七个维度进行对比。
Hugging Face Blog精选AI 评分6262 Hugging Face Hub 推出 Storage Buckets 可变对象存储
Hugging Face 在 Hub 上推出 Storage Buckets，一种非版本化的 S3 风格对象存储，用于存放 checkpoint、优化器状态、处理后的数据分片和 Agent traces 等频繁变动的中间产物。
推荐理由：Hugging Face 官方发布可变对象存储 Buckets，读者可据此判断训练中间产物该放在哪一层。
Hugging Face BlogAI 评分5252 Ulysses 序列并行：用百万 token 上下文训练大模型
Hugging Face 博客介绍 Ulysses 序列并行（来自 Snowflake AI Research 的 ALST 协议），通过按注意力头切分并配合 all-to-all 通信，把长序列注意力计算分散到多张 GPU，并已集成到 Accelerate、Transformers Trainer 和 TRL 的 SFTTrainer。
Hugging Face BlogAI 评分3636 Hugging Face 发布嵌入式机器人 AI 指南：数据集录制、VLA 微调与端侧优化
Hugging Face 发布 NXP 的嵌入式机器人 AI 实践指南，覆盖数据集录制、VLA 策略微调（ACT 与 SmolVLA）及端侧优化。指南以"把茶包放进杯子"任务为例，给出固定相机、夹爪相机、11 个 10×10 cm 起始位置聚类、120 个 episode 等具体做法，并展示 NXP i.MX 95 SoC 优化后的实时性能。
OpenAI News精选AI 评分6060 OpenAI 公布与美国国防部合作协议
OpenAI 公布其与美国国防部（Department of War）的合同细节，内容涵盖安全红线、法律保护条款，以及 AI 系统在涉密环境中的部署方式。
推荐理由：OpenAI 官方披露与国防部门合同的边界条款，可了解 AI 进入涉密环境的合规与安全约束。
OpenAI News精选AI 评分6262 OpenAI 与 Amazon 宣布战略合作，将 Frontier 平台引入 AWS
OpenAI 与 Amazon 宣布战略合作，将 OpenAI 的 Frontier 平台引入 AWS，并扩展 AI 基础设施、定制模型和企业级 AI 智能体。
推荐理由：OpenAI 与 Amazon 达成战略合作，读者可据此了解前沿模型平台进入 AWS 生态后的企业落地路径。
OpenAI NewsAI 评分5858 OpenAI 在 Amazon Bedrock 推出智能体有状态运行时环境
OpenAI 在 Amazon Bedrock 推出面向智能体的有状态运行时环境（Stateful Runtime for Agents），为基于 OpenAI 的多步 AI 工作流提供持久编排、记忆和安全执行能力。
Hugging Face Blog精选AI 评分6262 Hugging Face 详解 transformers 中的 MoE 支持：权重加载重构、专家后端与专家并行
Hugging Face 发文介绍 transformers 库为 Mixture of Experts 模型所做的工程改造，涵盖权重加载重构、专家后端与专家并行三部分。
推荐理由：Hugging Face 官方拆解 transformers 为 MoE 做的加载、后端与并行改造，并给出 v4 与 v5 的加载耗时对比。
OpenAI NewsAI 评分3838 OpenAI 宣布 Frontier Alliance Partners，助企业将 AI 智能体从试点推向生产
OpenAI 宣布推出 Frontier Alliance Partners，帮助企业从 AI 试点走向生产环境，实现安全、可扩展的智能体部署。
Hugging Face Blog精选AI 评分7474 GGML 与 llama.cpp 团队加入 Hugging Face，继续维护本地 AI 开源项目
Hugging Face 宣布 GGML（llama.cpp 的创建者）加入 HF，Georgi Gerganov 及团队一同加入，目标是持续支持 ggml 与 llama.cpp 社区，推动本地 AI 发展。
推荐理由：GGML 与 llama.cpp 团队加入 Hugging Face，读者可了解本地推理项目在资源与维护方式上的变化。
Hugging Face BlogAI 评分4747 IBM 与 UC Berkeley 用 ITBench 和 MAST 诊断企业级 AI 智能体失败原因
IBM Research 与 UC Berkeley 用 MAST 失败分类法分析 ITBench 的 310 条 SRE 执行轨迹，覆盖 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 三类模型。
Hugging Face Blog精选AI 评分6262 Gradio 的 gr.HTML 如何一次性生成任意 Web 应用
Gradio 6 的 gr.HTML 现已支持自定义模板、作用域 CSS 和 JavaScript 交互，可让 Claude 等前沿 LLM 一次性生成前端、后端和状态管理，全部写在一个 Python 文件里，无需构建步骤即可部署到 Hugging Face Spaces。
推荐理由：原文给出 gr.HTML 的三模板 API 与单文件示例，读者可据此判断如何让 LLM 一次生成可部署的交互组件。
OpenAI NewsAI 评分2222 OpenAI 如何突破速率限制，为 Codex 和 Sora 扩展访问能力
OpenAI 构建了一套结合速率限制、用量追踪与积分的实时访问系统，用于支撑 Codex 和 Sora 的持续访问。该系统将速率限制、用量追踪和积分机制整合在一起，以扩展两个产品的访问能力。
Hugging Face Blog精选AI 评分6666 Hugging Face 发布 CUDA kernel Agent Skill，Claude 与 Codex 可自动生成并基准测试
Hugging Face 构建了一个 Agent Skill，教编码智能体编写生产级 CUDA kernel，并让 Claude 和 Codex 分别针对 diffusers 的 LTX-Video 和 transformers 的 Qwen3-8B 生成可用 kernel，包含正确的 PyTorch 绑定与基准测试。
推荐理由：Hugging Face 把 CUDA kernel 开发知识封装成 Agent Skill，并给出两个真实模型的端到端基准数据，可据此判断这类技能包的实际收益。
Hugging Face Blog精选AI 评分6767 Transformers.js v4 发布：WebGPU 运行时用 C++ 重写，BERT 嵌入提速约 4 倍
Transformers.js v4 已在 NPM 发布，可通过 npm i @huggingface/transformers 安装。最大变化是采用完全用 C++ 重写的 WebGPU 运行时，与 ONNX Runtime 团队在约 200 个模型架构上测试，同一份代码可运行在浏览器、Node、Bun 和 Deno 等环境。
推荐理由：Transformers.js v4 换用 C++ 重写的 WebGPU 运行时，并给出 BERT 嵌入约 4 倍加速等具体数据，可据此判断浏览器端推理的性能变化。
Google ResearchAI 评分3232 Google Research 提出 Sequential Attention：让 AI 模型更小更快且不牺牲准确率
Google Research 提出 Sequential Attention，用贪心选择机制在单次模型训练内顺序、自适应地挑选最佳组件（层、块或特征），无需反复重训即可完成特征选择。该方法在多个神经网络基准上取得 SOTA，并实现快速单遍贪心选择，兼顾效率、准确率、可解释性与大规模可扩展性。