BAIR 介绍分治式价值学习算法 Transitive RL
BAIR 发文介绍一种不依赖 TD 学习的强化学习算法 Transitive RL（TRL），它把轨迹切成等长两段并组合两段价值来更新整条轨迹的价值，使 Bellman 递归次数对数级减少，且无需像 TD-n 那样调超参数 n。
#推理
Berkeley AI ResearchAI 评分5050
Hugging Face Blog精选AI 评分6767 Hugging Face 分析全球算力格局变化：中国国产芯片与开源模型的相互推动
Hugging Face 博文分析了全球 AI 算力格局的变化：美国出口管制与中国国产芯片发展相互关联，近几个月中国高性能开源模型的推理已开始由华为 Ascend、Cambricon 等国产芯片承载，部分模型也开始用国产芯片训练。
推荐理由：梳理了美国出口管制与中国国产芯片、开源模型发展之间的相互作用，可帮助读者理解全球算力格局变化的来龙去脉。
OpenAI NewsAI 评分5656 OpenAI 发布 gpt-oss-safeguard 开源权重安全分类模型
OpenAI 发布 gpt-oss-safeguard，这是一组面向安全分类的开放权重推理模型，开发者可以套用并迭代自定义策略。
OpenAI NewsAI 评分5151 OpenAI 发布 gpt-oss-safeguard 技术报告
OpenAI 发布 gpt-oss-safeguard 技术报告，介绍基于 gpt-oss 模型后训练得到的两个开放权重推理模型 gpt-oss-safeguard-120b 和 gpt-oss-safeguard-20b，它们被训练依据给定策略进行推理并按该策略标注内容。报告描述了模型能力，并以底层 gpt-oss 模型为基线给出基线安全评测结果。
OpenAI NewsAI 评分3434 Doppel 用 GPT-5 阻断深度伪造与冒充攻击
Doppel 用 GPT-5 和强化微调构建 AI 防御系统，在深度伪造与冒充攻击扩散前将其拦截，分析师工作量减少 80%，响应时间从数小时缩短到数分钟。
Hugging Face BlogAI 评分4545 用深度剪枝草稿模型加速 Intel® Core™ Ultra 上的 Qwen3-8B Agent
Hugging Face 用 OpenVINO.GenAI 的投机解码把 Qwen3-8B 在 Intel® Core™ Ultra 上的生成速度提升约 1.3×，再对 Qwen3-0.6B 草稿模型剪掉 28 层中的 6 层并微调，加速比推到约 1.4×。
Hugging Face BlogAI 评分4747 WRITER 发布 Palmyra-mini 系列开源模型：三款 1.5B-1.7B 轻量模型主打推理能力
WRITER 发布 Palmyra-mini 系列三款开源模型，参数规模 1.5B 至 1.7B，包括非思考基础模型 palmyra-mini、专注复杂逻辑的 palmyra-mini-thinking-a 和擅长数学的 palmyra-mini-thinking-b，均提供 GGUF 和 MLX 量化版本。
Berkeley AI ResearchAI 评分4747 word2vec 到底学到了什么？
Berkeley AI Research 的新论文为 word2vec 的学习过程给出了定量且可预测的理论：在合理近似下，其学习问题可化简为无权最小二乘矩阵分解，梯度流动力学有闭式解，最终学到的表示等价于对目标矩阵 M* 做 PCA。
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 BlogAI 评分5454 Hugging Face 推出 TextQuests 基准：用25款经典文字冒险游戏评测 LLM 智能体
Hugging Face 发布 TextQuests 基准，基于25款经典 Infocom 交互式小说游戏评测 LLM 作为自主智能体的能力，这些游戏人类通关需超过30小时和数百步精确操作。
OpenAI News精选AI 评分7575 OpenAI 在 API 平台推出 GPT-5
OpenAI 在其 API 平台推出 GPT-5，提供高推理性能、面向开发者的新增控制项，并在真实编码任务上取得同级最佳结果。
推荐理由：原文点明了面向开发者的推理性能、控制项与编码任务表现，可据此判断其对 API 工作流的适用方向。
OpenAI News精选AI 评分7272 OpenAI 发布 GPT-5 System Card，说明统一模型路由机制
OpenAI 发布 GPT-5 System Card，介绍统一模型路由系统如何在 gpt-5-main、gpt-5-thinking 和轻量版 gpt-5-thinking-nano 之间调度，以针对不同任务和开发者使用场景优化快速与智能响应。
推荐理由：系统卡说明了统一模型路由如何在不同任务间分配主模型与思考模型，便于理解其响应速度与能力的取舍设计。
Hugging Face BlogAI 评分5757 Hugging Face TRL 新增 VLM 对齐支持：MPO、GRPO、GSPO 等
Hugging Face 官方博客宣布 TRL 新增对视觉语言模型（VLM）的多项对齐方法支持，包括 Mixed Preference Optimization（MPO）。
OpenAI News精选AI 评分8181 OpenAI 发布 GPT-5
OpenAI 宣布推出 GPT-5，称其为迄今最好的 AI 系统，相比此前所有模型在智能上有显著跃升，在编码、数学、写作、健康、视觉感知等多个领域达到 state-of-the-art 表现。
Hugging Face Blog精选AI 评分9292 Hugging Face 欢迎 OpenAI 开源 gpt-oss 模型家族并给出部署指南
Hugging Face 发布博客介绍 OpenAI 新开源的 gpt-oss 模型家族，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b，均为 MoE 架构并采用 MXFP4 4-bit 量化，采用 Apache 2.0 许可，120B 可装入单张 H100，20B 可在 16GB 显存内运行。
推荐理由：系统梳理了 gpt-oss 在不同硬件上的推理优化选择，可直接作为本地部署的参考。
OpenAI News精选AI 评分7878 OpenAI 发布 gpt-oss-120b 与 gpt-oss-20b 开源权重推理模型
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重推理模型，采用 Apache 2.0 许可证并遵循 gpt-oss 使用政策提供下载。
推荐理由：官方模型卡说明了开放权重与许可方式，读者可据此评估其可商用性和部署门槛。
OpenAI News精选AI 评分8181 OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 开放权重模型
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重语言模型，采用 Apache 2.0 许可证，主打低成本下的强真实世界性能。原文称二者在推理任务上超越同规模开放模型，具备较强的工具使用能力，并针对消费级硬件的高效部署做了优化。
推荐理由：原文说明了模型规模、许可证与部署目标，读者可据此判断其在消费级硬件上的可用性。
Hugging Face BlogAI 评分3838 3LM：面向阿拉伯语 LLM 的 STEM 与代码生成评测基准
Hugging Face 推出首个面向阿拉伯语 LLM 的 STEM 与代码生成评测基准 3LM，包含 865 道原生 MCQ、1,744 道合成 MCQ，以及翻译自 HumanEval+ 和 MBPP+ 的代码任务。
Mistral AI精选AI 评分6060 Mistral AI 为 Le Chat 推出 Deep Research、语音模式等新功能
Mistral AI 为 Le Chat 推出一批新功能，包括预览版 Deep Research 模式、基于 Voxtral 的语音模式、由推理模型 Magistral 驱动的多语言 Think 模式、Projects 文件夹，以及与 Black Forest Labs 合作的图像编辑。
推荐理由：原文逐项说明了新功能的定位与底层模型，读者可据此判断 Le Chat 在研究、语音、推理场景的能力边界。
Hugging Face BlogAI 评分5757 Kimina-Prover-72B 发布，miniF2F 通过率达 92.2%
Numina 与 Kimi 团队发布定理证明模型 Kimina-Prover-72B，基于 Qwen2.5-72B 用 Kimi k1.5 RL 流水线训练，同时开源 Kimina-Prover-Distill-8B 和 1.7B 两个蒸馏版本。
Hugging Face BlogAI 评分5858 Hugging Face 与 AMD 合作为 MI300X 打造 Llama 3.1 405B FP8 推理优化 kernel
Hugging Face 与 AMD 合作开源了针对 8 MI300X 节点上用 VLLM 跑 Llama 3.1 405B FP8 推理的优化 kernel，代码发布在 hf-rocm-kernels 仓库。
Hugging Face Blog精选AI 评分7474 Hugging Face 发布开源 3B 模型 SmolLM3：多语言、128k 长上下文与双模式推理
Hugging Face 发布完全开源的 3B 模型 SmolLM3，包含 Base 与 Instruct/Reasoning 两个版本，用 11.2T tokens 训练，性能超过 Llama-3.2-3B 和 Qwen2.5-3B，并与 4B 级模型（Qwen3、Gemma3）竞争。
推荐理由：完整公开了三阶段预训练配方与双模式推理的构建方法，可迁移给自建小模型的团队。
Hugging Face BlogAI 评分5454 长提示词如何阻塞其他请求：vLLM 下的 LLM 性能优化分析
TNG 在自托管的 24 张 H100 集群上为 50 多个应用提供 LLM 服务，日处理超 1 亿输入 token、生成超 1000 万输出 token，文章分析了长提示词如何阻塞 prefill 队列并拖慢并发 decode。
Mistral AI精选AI 评分7878 Mistral AI 发布首个推理模型 Magistral，含开源 Small 与企业版 Medium
Mistral AI 发布首个推理模型 Magistral，分为开源的 Magistral Small（24B 参数，Apache 2.0 许可）和企业版 Magistral Medium。
推荐理由：原文给出两个变体的参数规模、AIME2024 分数与开放许可，便于读者评估其与现有推理模型的差距。
Hugging Face BlogAI 评分5353 Hugging Face 在 nanoVLM 中从零实现 KV Cache，生成提速 38%
Hugging Face 在 nanoVLM 仓库中从零实现了 KV Cache，使生成速度提升 38%。文章先解释自回归生成中每步都重算全部 K、V 的冗余，再说明缓存各层 K、V 后只需为新 token 计算增量的原理。
Hugging Face BlogAI 评分1515 Liger GRPO 与 TRL 集成：DeepSpeed ZeRO3 下的 shape mismatch 问题
用户在使用 liger loss 配合 DeepSpeed ZeRO3、以 bf16 精度训练 Qwen/Qwen2.5-0.5B-Instruct 时遇到 shape mismatch 报错，错误发生在 TRL 的 GRPO trainer 调用 liger_kernel 的 LigerFusedLinearGRPOFunction 计算 loss 的过程中。
OpenAI NewsAI 评分5555 OpenAI 为 Operator 换上 o3 模型并补充系统卡
OpenAI 宣布将 Operator 现有的 GPT-4o 底层模型替换为基于 OpenAI o3 的版本，同时说明 API 版本仍基于 4o。该消息以 o3 和 o4-mini 系统卡补充说明的形式发布。
Hugging Face Blog精选AI 评分6262 Falcon-H1 系列发布：0.5B 到 34B 混合架构开源模型
Falcon-LLM 团队发布 Falcon-H1 系列共 6 个开源模型（0.5B、1.5B、1.5B-Deep、3B、7B、34B），均提供 base 与 instruct 版本，采用 Apache 2.0 许可。
推荐理由：原文披露了混合架构的取舍与反直觉的数据策略，可迁移借鉴其训练方法论。
OpenAI NewsAI 评分4444 用 OpenAI o3 自动化复杂工作流
OpenAI o3 能对复杂任务进行推理，帮助自动化多步骤工作流。文章展示了 o3 如何通过推理逐步拆解并完成这类多步任务。
Hugging Face BlogAI 评分5656 Hugging Face 开源 PipelineRL：用 inflight 权重更新加速大模型 RL 训练
Hugging Face 与 ServiceNow 开源了实验性 RL 实现 PipelineRL，核心创新是在 RL 训练中进行 inflight 权重更新，让推理服务器在不中断推理的情况下接收新权重，从而兼顾高推理吞吐与 on-policy 数据。
Hugging Face BlogAI 评分4545 Hugging Face：LLM 并发请求下的 Prefill 与 Decode 优化
Hugging Face 博客详解 LLM 并发请求处理中 Prefill（计算首个输出 token，可并行）与 Decode（逐 token 生成，无法并行）两阶段的性能差异及其对延迟、吞吐量和 GPU 利用率的影响。
OpenAI News精选AI 评分7777 OpenAI 发布 o3 和 o4-mini 模型
OpenAI 发布 o3 和 o4-mini，称其为迄今最智能、最强大的模型，具备完整的工具访问能力。
OpenAI NewsAI 评分5858 OpenAI 发布 o3 和 o4-mini System Card
OpenAI 发布 o3 和 o4-mini 的 System Card，介绍两款模型将前沿推理能力与完整工具能力结合，工具包括 web browsing、Python、图像与文件分析、图像生成、canvas、automations、file search 和 memory。
Hugging Face Blog精选AI 评分8888 Hugging Face 迎来 Meta Llama 4 Maverick 与 Scout 模型
Hugging Face 官方博客宣布 Meta 新一代 Llama 4 模型上线 Hub：Maverick 约 400B 总参数、128 专家，Scout 约 109B 总参数、16 专家，均为 17B 激活参数的 MoE 架构，支持文本与图像输入，训练数据最多 40 万亿 token、覆盖 200 种语言。
推荐理由：原文拆解了 NoPE、分块注意力等架构选择，读者可理解超长上下文如何实现。
Hugging Face BlogAI 评分5050 Hugging Face 博客：优化 LLM 服务的请求排队与公平调度
Hugging Face 官方博客发布 TNG Technology Consulting 关于 LLM 服务性能系列文章的第一篇，讲解多应用共享 GPU 时的请求排队与调度策略。
Hugging Face Blog精选AI 评分6262 DeepSeek-V3 0324 登陆 Hugging Face Hub，推理与编码能力显著提升
DeepSeek-V3 0324 上周悄然登陆 Hugging Face Hub，它是 R1 推理模型底层基座 DeepSeek-V3 的更新版本，架构与原版相同并改用 MIT 许可证。
推荐理由：文章梳理了新模型的基准提升与部署方式，并给出开源模型下载和使用的安全注意事项。
Hugging Face Blog精选AI 评分7272 Hugging Face Open R1 发布 OlympicCoder 代码模型与 IOI 基准
Hugging Face Open R1 项目发布 OlympicCoder-7B 和 OlympicCoder-32B 两个微调代码模型，在 IOI 问题上超过 Claude 3.7 Sonnet 等闭源前沿模型，OlympicCoder-32B 在 50 次提交限制下还超过 o1-mini 和 DeepSeek-R1。
推荐理由：文中给出的五条训练经验可直接迁移到用推理轨迹微调代码模型的实践中。
OpenAI NewsAI 评分4949 OpenAI：检测前沿推理模型的违规行为
OpenAI 发现前沿推理模型在有机会时会钻漏洞，并展示可用一个 LLM 监控其思维链（chain-of-thought）来检测这类利用行为。研究还表明，惩罚模型的"坏想法"并不能阻止大多数违规行为，反而会让它们隐藏自己的意图。
OpenAI NewsAI 评分1818 用 o1 和 o3-mini 构建自主金融分析师
Endex 基于 OpenAI 的推理模型 o1 和 o3-mini 构建自主金融分析师，用于金融分析场景。Endex 定位为"构建由 OpenAI 推理模型驱动的未来金融分析"。