Nous Research 开源 Arete-27B，微调 Qwen3.8-27B 将宣传回答率从 22% 降至 0.9%
Nous Research 发布开源权重模型 Arete-27B，通过对阿里 Qwen3.8-27B 做监督微调去除中国官方叙事，宣传回答率从 22% 降到 0.9%，事实准确度从 2.32 升至 2.98（满分 5）。
#数据/训练
The DecoderAI 评分6969
Hugging Face BlogAI 评分5858 Dharma-AI 发布 20 亿参数文档字段抽取模型 Dharma Field Extractor
Dharma-AI 发布 Dharma Field Extractor，一个 20 亿参数模型，可从任意文档图像中按请求抽取字段并返回结构化 JSON，支持开放模式和指定 schema 两种请求方式，缺失字段返回 null 而非编造。
The DecoderAI 评分7474 Nvidia 开源 Nemotron 3.5 Transcribe 语音模型，整合转写、翻译与说话人识别
Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe，可转写 40 种语言、其中 31 种与英语互译、识别 13 种语言的说话人，支持最长一小时、最多八位说话人的录音，并能通过指令控制输出转写、翻译或摘要。
Hugging Face Blog精选AI 评分7676 NVIDIA 发布 Nemotron 3.5 Transcribe 开源语音模型与 Granary v2 数据管线
NVIDIA 发布开源权重语音模型 Nemotron 3.5 Transcribe，将转写、说话人分离、翻译和音频问答整合到单一 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人归属，可处理最长一小时录音并标注最多 8 位说话人，现已在 Hugging Face 和 ModelScope 开放。
推荐理由：原文给出榜单成绩与微调配方，读者可据此判断该模型在多语种转写与说话人分离上的可用性。
Hugging Face Blog精选AI 评分7474 NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练直接在数据库上预测
NVIDIA 发布 Kumo Relational，一个预训练的关系型基础模型，可直接在企业数据库上做预测，无需任务专属训练、特征工程或表展平，单次前向传播即可给出流失、需求、欺诈等预测结果。
推荐理由：原文给出了基准对比与部署入口，读者可据此评估它能否替代现有 XGBoost 生产管线。
Hugging Face BlogAI 评分5555 NVIDIA 发布 Kumo Forecast 多变量时间序列预测模型
NVIDIA 发布 Kumo Forecast（原名 NV-Tesseract Forecasting），一个基于 MOMENT-1-large 骨干、约 340M 参数编码器加可训练预测头的多变量时间序列预测模型，以 Apache 2.0 许可开源，代码在 NVIDIA/Kumo-TS，权重为 nvidia/Kumo-Forecast。
Hugging Face BlogAI 评分4444 Falcon-Emirati：当大语言模型学会阿联酋方言、文化与言外之意
Hugging Face 推出 Falcon-Emirati-7B，基于 Falcon-H1-Arabic 的 7B 变体微调，专门用于理解和生成阿联酋方言（Emirati Arabic）。
Hugging Face BlogAI 评分5656 Ai2 开源科学报告生成模型 AstaBrief 8B
Ai2 开源了基于 Qwen3-8B 的科学报告生成模型 AstaBrief 8B 及其训练数据，该模型已作为 Fast mode 上线 Asta 的 Generate a report 功能。
Google ResearchAI 评分4747 Diffusion Controller 如何统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller 框架，将扩散模型的去噪过程重构为连续控制问题，用轻量"转向阻尼器"网络统一推理时引导与微调两类控制方法。
Hugging Face Blog精选AI 评分7474 NVIDIA 开源表格基础模型 Kumo Tabular，在四个榜单排名第一
NVIDIA 发布开源表格基础模型 Kumo Tabular，属于 NVIDIA Kumo Structured 模型系列，已上线 Hugging Face。给定带标签的表格，它在单次前向传播中直接预测新行标签，支持分类与回归，无需训练、调优或特征工程。
推荐理由：原文交代了模型架构与人工数据预训练流程，读者可据此理解表格基础模型如何在免调优下兼顾精度与效率。
Microsoft Research精选AI 评分6262 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物世界模型和连接模型、科学工具、文献与实验的交互式 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并优先排序数千种化合物，从缩小搜索空间到选出候选化合物仅用一个周末，湿实验验证中排名最高的化合物产生了最大的预期细胞状态转变。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环，读者可了解 AI 参与药物发现的具体流程与验证结果。
Latent SpaceAI 评分6262 TypeSafe CEO Diogo Almeida 谈 Jev：面向生产的 System One 模型与 RLCD 路线
Latent Space 播客访谈 TypeSafe AI CEO、InstructGPT 论文合著者 Diogo Almeida，围绕其新发布的 Jev 模型展开。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组全部 90 亿个单字母变异预测
Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组全部 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold 数据库的 30 多倍。
推荐理由：读者可了解 9 亿单核苷酸变异预测数据集如何把基因组变异解读从单点分析扩展到全基因组视图。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 WeatherNext 3 全球天气预报 AI 模型
Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为迄今最先进、最准确的全球天气模型，直接学习实时卫星观测数据，每小时生成一次预报。
推荐理由：原文给出分辨率、更新频率与降水精度提升的具体数字，可据此判断 AI 天气预报在本地化场景的进展。
Microsoft ResearchAI 评分4141 微软发布 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向人群级发现
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干替代原模型，在 PANDA 前列腺分级和 EBRAINS 脑肿瘤分型基准上以约 50 倍更少算力达到原 GigaPath 3% 以内的性能。
Google ResearchAI 评分4242 GlucoFM：用于连续血糖监测的基础模型
Google Research 推出自监督连续血糖监测（CGM）基础模型 GlucoFM，采用双流设计分离慢速血糖趋势与短期偏差。在 4 个队列、7 项临床预测任务共 14 项评测中，其平均 PR-AUC 达 58.8，较同语料预训练的 GluFormer 最优变体高 5.8 个百分点。
Google ResearchAI 评分4545 Google Research：ME-POIs 如何用移动性数据让语言模型更懂地点
Google Research 提出 ME-POIs 框架，将匿名移动模式作为输入特征融入语言模型的地点表示，在未见地点上将访问意图预测相对提升 81.9%、价格等级分类提升 75.1%、繁忙度估计准确率提升 24.7%。该框架通过访问对齐、空间多尺度访问传播和文本-移动性协同三步流程，将 Gemini 等模型的语言嵌入与移动性向量对齐，并用邻近繁忙地点的访问模式缓解数据稀疏的长尾问题。
Microsoft ResearchAI 评分3838 微软 Skala 1.1 发布：训练数据增 2.5 倍，并集成进 CP2K 等主流 DFT 软件
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前公开版本的 2.5 倍，在 GMTKN55 基准 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时推出持续追踪各版本计算性能的 living benchmark。
Microsoft Research精选AI 评分7474 Microsoft Research 发布 Echoverse：面向计算机使用智能体的深度可演化训练环境
Microsoft Research 发布 Echoverse，一套面向计算机使用智能体的深度可演化训练环境，包含十个深度领域世界和两个能力世界，并开源其中四个世界的代码、数据与数据库接地验证器。
推荐理由：原文用对照实验说明深度与多样性比环境数量更能带来迁移，可为构建计算机使用智能体训练环境提供方法参考。
Mistral AIAI 评分5757 Mistral AI 发布 8B 具身导航模型 Robostral Navigate
Mistral AI 发布首个面向具身导航的 8B 模型 Robostral Navigate，仅用单个普通 RGB 相机（无深度传感器或 LiDAR）即可让机器人自主导航，在 R2R-CE validation unseen 上取得 76.6% 成功率，validation seen 为 79.4%，比最佳单相机方案高 9.7 点、比使用深度或多相机的最佳系统高 4.5 点。
Google Research精选AI 评分6767 Google Research 发布表格数据零样本基础模型 TabFM
Google Research 发布面向表格数据分类与回归的基础模型 TabFM，将表格预测建模为上下文学习问题，无需手动训练、超参调优和特征工程，单次前向传播即可在未见过的表格上生成预测。
推荐理由：原文说明了混合注意力架构与合成数据训练如何替代传统特征工程和调参流程，便于评估其对现有工作流的替代空间。
Hugging Face BlogAI 评分5858 IBM 发布 Granite 4.1 系列开源大语言模型并详解训练流程
IBM Granite 团队发布 Granite 4.1 系列大语言模型，包含 3B、8B、30B 三个 dense decoder-only 版本，均以 Apache 2.0 许可开源。
Hugging Face BlogAI 评分5555 Hugging Face 发布 Granite 4.0 3B Vision 企业文档理解视觉语言模型
Hugging Face 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，主打表格抽取、图表理解和语义键值对（KVP）抽取，以 LoRA adapter 形式搭载于 Granite 4.0 Micro 之上，支持纯文本回退，可独立使用或与 Docling 组成文档处理流水线。
Hugging Face BlogAI 评分5858 OpenMed 用 55 GPU-hours 训练覆盖 25 物种的 mRNA 语言模型
OpenMed 构建了从结构预测、序列设计到密码子优化的端到端蛋白 AI 流水线，其中自研的 CodonRoBERTa-large-v2 在密码子级语言建模上取得 perplexity 4.10、CAI Spearman 相关 0.404，显著优于 ModernBERT-base 的 26.24。
Google ResearchAI 评分4545 Google Research 发布 S2Vec：用自监督框架学习城市建成环境的通用嵌入向量
Google Research 在 Google Earth AI 计划下推出自监督框架 S2Vec，通过 S2 Geometry 分区将建成环境栅格化为多层图像，再用 masked autoencoding（MAE）学习通用嵌入向量，无需人工标注即可预测人口密度、中位收入等指标。
Hugging Face BlogAI 评分4747 DeepMath：基于 smolagents 的轻量数学推理 Agent
Intel AI Software Group 推出 DeepMath，一个基于 Qwen3-4B Thinking、用 GRPO 微调的数学推理 Agent，通过生成短 Python 片段在沙箱中执行中间步骤，输出长度最多减少 66% 且准确率常有提升。
Hugging Face Blog精选AI 评分6161 Hugging Face 发布 mmBERT 多语言编码器模型
Hugging Face 发布 mmBERT，一个基于 ModernBERT 构建的大规模多语言编码器模型，使用 3T+ tokens、覆盖 1800 多种语言训练，是首个在性能与速度上超越 XLM-R 的同类模型。
推荐理由：原文给出三阶段训练与低资源语言在衰减阶段快速学习的细节，可迁移其渐进式多语言训练思路。
Hugging Face BlogAI 评分5454 NVIDIA 发布 600 万条多语言推理数据集 Nemotron Post-Training Dataset v2
NVIDIA 发布 600 万条多语言推理数据集 Nemotron Post-Training Dataset v2，将此前的英文推理数据翻译为法语、西班牙语、德语、意大利语和日语五种目标语言，保留原始英文推理链以利用预训练阶段的英文知识。
Hugging Face Blog精选AI 评分6060 Hugging Face 开源 Kimina-Prover-RL 训练管线并发布 1.7B 与 0.6B 模型
Hugging Face 与 AI-MO 开源了 kimina-prover-rl 训练管线，用于 Lean 4 形式化定理证明，采用受 DeepSeek-R1 启发的先推理后生成范式，基于 GRPO 与 Verl 框架，训练配方以 recipe/kimina-prover-rl 形式随 Verl fork 发布。
推荐理由：原文给出了完整的训练配方与开源入口，读者可据此复现小参数模型上的强化学习定理证明流程。
Hugging Face Blog精选AI 评分6161 Hugging Face 发布 Ettin 系列配对编码器与解码器模型
Hugging Face Blog 发布 Ettin 系列，包含 17M 到 1B 六种规模的成对 encoder-only 与 decoder-only 模型，使用相同的 2T token 公开数据、架构和训练配方，仅在注意力模式和训练目标上不同。
推荐理由：用同一套数据和配方同时训练编码器与解码器，读者可据此看到架构本身的真实差异。
Hugging Face BlogAI 评分5555 TII 发布 7B 阿拉伯语模型 Falcon-Arabic
TII 发布 Falcon-Arabic，一个基于 Falcon 3-7B 改造的 7B 多语言模型，支持阿拉伯语、英语等，上下文长度 32,000 tokens。
Hugging Face BlogAI 评分5656 Falcon-Edge 发布 1.58bit 三值语言模型系列与 onebitllms 微调工具包
Falcon-Edge 团队发布基于 BitNet 架构的 Falcon-Edge 系列 1.58bit 三值语言模型，提供 1B 和 3B 两种参数规模，各有 base 和 instruction-tuned 版本。
Hugging Face BlogAI 评分5858 Cohere For AI 发布 Aya Expanse 8B 和 32B 多语言开源模型
Cohere For AI 发布 Aya Expanse 8B 和 32B 多语言模型并以开放权重形式释出。成对比较中 Aya Expanse 32B 胜过 Gemma 2 27B、Mistral 8x22B 和 Llama 3.1 70B，8B 版本对 Gemma 2 9B、Llama 3.1 8B、Ministral 8B 的胜率在 60.4% 到 70.6% 之间。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 SmolLM 小模型系列与 SmolLM-Corpus 数据集
Hugging Face 发布 SmolLM 小语言模型系列，包含 135M、360M、1.7B 三种参数规模，并同步开源 SmolLM-Corpus 训练语料。
推荐理由：原文公开了数据配比与消融实验细节，读者可迁移其小模型数据筛选方法。
Hugging Face Blog精选AI 评分7878 Hugging Face 介绍 Google 新开放模型 Gemma 2 的技术细节与生态集成
Google 发布 Gemma 2 系列开放 LLM，Hugging Face 与 Google 合作完成生态集成，Hub 上提供 4 个开放权重模型（9B 与 27B 各含 base 和指令微调版本），上下文长度 8192 tokens，27B 版本训练数据达 13 trillion tokens、9B 版本 8 trillion tokens。
推荐理由：详细拆解了滑动窗口注意力、软上限、知识蒸馏和模型合并等技术细节，便于读者理解其性能提升来源。
Hugging Face Blog精选AI 评分7676 Hugging Face 迎来 TII 的 Falcon 180B 开源模型
Hugging Face 官方博客宣布 TII 的 Falcon 180B 加入 HuggingFace 生态，这是当时最大的公开可用语言模型，拥有 180B 参数、在 RefinedWeb 数据集上训练 3.5 trillion tokens，是开源模型中最长的单轮预训练。
推荐理由：文章给出了硬件需求和量化实测，读者可据此评估自己能否跑起这个 180B 模型。
Hugging Face BlogAI 评分5050 Segmind 开源 SD-Small 和 SD-Tiny 蒸馏模型的代码与权重
Segmind 开源了基于知识蒸馏压缩的 SD-Small 和 SD-Tiny 模型的训练代码与预训练权重，两者参数量分别比基础模型少 35% 和 55%，图像保真度与基础模型相当，推理速度最高提升 100%。
Hugging Face Blog精选AI 评分8888 Hugging Face 全面支持 Meta Llama 2 发布并提供推理与微调指南
Meta 发布 Llama 2 系列开放大语言模型，Hugging Face 完成生态集成，Hub 上提供 12 个开放模型（3 个基础模型与 3 个微调模型及对应 transformers 版本），采用宽松社区许可并支持商用。
推荐理由：文章给出从推理部署到单卡微调的完整路径，可直接迁移用于自己的 Llama 2 实践。
Hugging Face Blog精选AI 评分6565 Falcon 系列模型接入 Hugging Face 生态并提供完整推理与微调指南
Hugging Face 官方博客介绍 Falcon 系列模型（Falcon-40B 与 Falcon-7B，由阿布扎比 Technology Innovation Institute 以 Apache 2.0 许可发布）接入其生态的完整用法。
推荐理由：文章系统梳理了 Falcon 在 Hugging Face 生态中的推理、量化与微调路径，可直接迁移为落地参考。
OpenAI NewsAI 评分5555 OpenAI 发布 Video PreTraining（VPT）让模型学会玩 Minecraft
OpenAI 通过在大规模人类 Minecraft 玩法无标注视频上做 Video PreTraining（VPT），配合少量标注承包商数据，训练出一个神经网络来玩 Minecraft。微调后该模型能合成钻石工具，这一任务通常需要熟练人类耗时 20 分钟以上（24,000 次动作）；模型使用键盘按键和鼠标移动这一原生人类接口，较为通用，是迈向通用计算机使用智能体的一步。