Nvidia 推出开源 AI 安全系统 OpenShell 与 Sentry
Nvidia 将 OpenShell 推向通用发布，并推出芯片级安全平台 Sentry，两者共同组成 Open Agent Safety Platform。
#开源/仓库
#开源/仓库
今日 3 条Wired · AIAI 评分6868 Google Developers · AI精选AI 评分7676 MaxText 复现 Olmo 3 7B 预训练：TPU 大规模训练案例研究
Google 团队在 Google Cloud TPUs 上用 MaxText 从头复现了 Ai2 的 Olmo 3 7B 预训练与中期退火，覆盖 stage-1（约 5.93T token / 1.41M 步）和 stage-2（47,684 步），在多个 held-out 指标上与 Ai2 参考曲线对齐。
推荐理由：通过独立复现展示了跨框架验证方法与数据加载陷阱，读者可借鉴其 held-out 评估策略和 resume 校验手段。
量子位精选AI 评分8080 DeepSeek开源昇腾基础组件，与华为共建AI芯片软件生态
DeepSeek正式开源面向华为昇腾算力平台的基础设施组件，涵盖TileLang编译工具、高性能计算库、分布式通信库及DeepEP通信库。
推荐理由：DeepSeek与华为联合开放昇腾侧的基础设施与部署实践，为国产算力平台提供了可复用的软件栈参考。
GitHub Security精选AI 评分6767 GitHub Security Lab 用开源 AI 安全 Agent 发现 24 个 Android 漏洞
GitHub Security Lab 发布开源 seclab-taskflows，提供 gather_mobile_entry_point_info 与 classify_application_local 等审计 taskflow，帮助安全研究者用 LLM 增量查找 Android 应用漏洞。
推荐理由：原文给出了可复用的审计 taskflow 与运行方式，读者可据此在自有项目中尝试 AI 辅助安全审计。
GitHub Blog · AI & ML精选AI 评分7575 GitHub Security Lab Taskflow Agent 实现自主模糊测试流水线
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，基于 GitHub Security Lab Taskflow Agent 框架。
推荐理由：原文给出了一个可自主运行的模糊测试流水线，读者可以据此理解 LLM 代理在安全自动化中的决策与执行分离设计。
Hugging Face Blog精选AI 评分6262 Liquid AI 发布 LFM2.5-VL-3B DSpark 草稿模型加速视觉语言推理
Liquid AI 为 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型，通过推测解码在不改变输出质量的前提下加速推理。草稿模型增加 280M 参数（+8.9%），在 M5 Max 上解码加速 2.30x-3.13x、端到端加速 1.56x-2.62x；在 H100 上解码加速 20.4x-2.66x、端到端加速 1.64x-2.27x。
推荐理由：原文给出了具体加速数据和多框架支持，读者可据此评估在边缘设备或 GPU 上部署该草稿模型的性价比。
NVIDIA Blog精选AI 评分6262 NVIDIA 与合作方通过 AlphaFold 数据库开放 2800+ 病毒蛋白质复合物预测结构
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构通过 AlphaFold Database 开放超过 2800 种病毒的蛋白质复合物预测结构，约 30% 为科学界全新发现的相互作用。
推荐理由：开放预测结果与推理流水线为研究者提供了可复用的基础设施，降低未来疫情中蛋白质结构解析的门槛。
Together AI精选AI 评分6060 如何用约17美元训练自己的 Jev 分类模型
Together AI 发布教程，演示基于 Qwen3.5 4B 和 Hugging Face 多源数据集微调 Jev 类分类模型，训练成本约17美元，耗时约25分钟，并部署到 Together AI 专用端点。
推荐理由：原文给出了从数据准备到部署的完整流程，读者可以按此低成本复现一个专用分类模型。
IEEE Spectrum · AI精选AI 评分7878 Paper2Agent：将研究论文转化为可交互的 AI 智能体
Paper2Agent 是斯坦福 James Zou 团队开源的框架，能把学术论文及其代码、数据自动转化为可对话、可运行的 AI 智能体。测试覆盖统计、计量经济学和天体物理，计算生物学演示中，45 分钟、不到 15 美元在笔记本上为 AlphaGenome 生成 22 个工具，全部通过自动验证，并打包为 MCP 服务器接入 Claude Code。
推荐理由：原文展示了从论文自动生成可运行工具链的方法，读者可迁移该工作流到自己的研究数据中。
Latent Space精选AI 评分8686 小米 MiMo-V2.6-Pro 1T-A42B 发布为当前最强开源权重模型
小米发布 MiMo-V2.6-Pro 与 Flash，均为原生全模态开源模型，Pro 在 Artificial Analysis Intelligence Index 得分 46，总参数 1.02T / 激活 42B，输入 $0.435/M、输出 $0.87/M。
推荐理由：小米推出原生全模态开源模型并附带 RL 环境与训练代码，为后训练缩放提供了一条更低成本的可复用路径。
Hugging Face Blog精选AI 评分6262 像物理学家一样剪枝大语言模型：块移除作为约束二元优化问题
Multiverse Computing 将 LLM 深度剪枝重构为约束二元优化问题，等价于全耦合伊辛自旋玻璃，用 Hessian 能量作为下游质量代理，避免逐条评测。
推荐理由：把深度剪枝重新表述为伊辛自旋玻璃优化问题，可用廉价能量代理替代逐条评测，且与量化、低秩压缩等手段堆叠。
NVIDIA Blog精选AI 评分6767 费城儿童医院基于开源 NVIDIA AI 工具实现儿童心脏建模
费城儿童医院使用 MONAI 等开源工具，将儿童心脏建模时间从数小时缩短到秒级，已用于术前规划和部分手术。波士顿儿童医院将建模用于约半数心脏手术，医院间正组建开源联盟。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Together AI精选AI 评分6060 ThunderKittens 在 NVIDIA Vera Rubin NVL72 上新增 NVFP4/FP8 GEMM 支持
Together AI 内核团队在 Vera Rubin NVL72 上扩展 ThunderKittens，支持 NVFP4 与 FP8 GEMM，并通过双 K 步长、独占张量内存、更大共享内存、B 侧收集器与 Early A release 等优化，将 NVFP4 推至超 22 PFLOPS，与 cuBLAS 和 CuTE DSL 竞争。
推荐理由：原文给出了在 Vera Rubin 上优化 NVFP4/FP8 GEMM 的具体方法与性能数据，读者可迁移这些调优思路到自家 Rubin 部署。
Hugging Face Blog精选AI 评分6767 Gradio Workflow 重建 AUTOMATIC1111 工作流
Hugging Face 用 Gradio Workflow 重建了 AUTOMATIC1111 的核心功能，形成包含 11 条媒体管道、73 个节点的单一工作流画布，涵盖文生图、高分辨率修复、图生图、提示词矩阵、VLM 问答、检测到 inpaint 掩码、ControlNet 风格标注器、背景去除、PNG Info 读取和图生视频。
推荐理由：原文展示了用同一套画布串联多种模型与媒体管道的构建方式，读者可据此评估 gr.Workflow 在多模态工作流中的可复用性。
Hugging Face Blog精选AI 评分6969 用 GRPO 微调 350M 模型提升结构化输出表现
作者用 GRPO 和 TRL 对 LFM2.5-350M 进行约 100 步微调，在 IFStruct 基准上从 22.6% 提升到 29.7%。方案使用约 500 条样本、3 个奖励函数，并在免费 Colab 或 Kaggle GPU 上可运行，代码已开源。
推荐理由：原文给出了一套可在免费 GPU 上复现的小模型结构化输出微调方案，读者能直接迁移该奖励函数与数据增强思路。
Hugging Face Blog精选AI 评分7373 Hugging Face 推出 funes：为编程 agent 提供可拥有的记忆层
Hugging Face 发布 funes，为 Claude Code、Codex、pi、Hermes 等编程 agent 提供本地记忆层。它从本地 agent 会话日志构建索引与检索，默认在本地完成 embedding 与重排，也可绑定到你自己的 Hugging Face 数据集（默认私有）。
推荐理由：原文给出了本地记忆层的具体接入方式和成本对比，读者可以据此判断它能否解决跨机器换 agent 后上下文断裂的问题。
Amazon Science精选AI 评分6060 Verus：Rust 自动化程序验证工具
Verus 是开源的 Rust 自动化程序验证工具，可在 Rust 源码中直接添加规约与证明，使用类 Rust 语法并由多种求解器自动 discharge 证明义务。
推荐理由：原文展示了 Verus 在 Rust 代码验证中的具体用法和自动化能力，读者可据此理解形式化验证工具如何嵌入现有开发流程。
Hugging Face Blog精选AI 评分7272 Open ASR Leaderboard 新增 Hindi 与 Indian English 评测集
Hugging Face 与 Voice Arena 合作在 Open ASR Leaderboard 推出 Monsoon en-IN 和 Monsoon hi-IN 评测集，覆盖印度英语和印地语。
推荐理由：新增 Hindi 与 Indian English 评测集让 ASR 错误率的地域、人口和设备差异可被追踪，读者可据此评估模型在多元人群上的真实表现。
Hugging Face Blog精选AI 评分6262 使用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers v6.0 引入 MultiVectorEncoder，支持 ColBERT 风格的晚交互检索，并提供完整微调流程。
推荐理由：原文给出了一套完整的多向量模型微调流程与实测数据，读者可据此在单张消费级 GPU 上复现领域检索模型。
Hugging Face Blog精选AI 评分6666 Quantization-Aware Healing：压缩后的 4 位模型超越全精度原版
Multiverse Computing 提出 QAH 方法，对 GPT-OSS 120B 压缩至 60B 并量化至 MXFP4 后，在 9 项基准中 7 项超越原 bfloat16 检查点，并在 LiveCodeBench 上超过 120B 原版教师模型。
推荐理由：原文给出了压缩-量化-恢复流程的对比，读者可据此判断 QAH 在训练稳定性与推理成本上的实际收益。
Amazon Science精选AI 评分6262 SOP-Bench：基于真实企业流程评估 AI 智能体的新基准
Amazon 发布开源基准 SOP-Bench，覆盖 12 个业务领域、2000+ 任务，把专家撰写的真实 SOP 与工具及答案对齐来评估智能体。实验显示升级模型未必提升表现、工具过多会降低成功率，且没有一种模型+智能体组合在所有流程中占优。
推荐理由：原文给出基线模型在真实业务 SOP 上的失败模式，读者可据此判断自研智能体在部署前应重点测试哪些环节。
Hugging Face Blog精选AI 评分7070 语音识别的基准优化测量方法研究
Hugging Face 提出三种测试量化语音 ASR 模型的基准优化行为，评估了 11 个开源模型，发现高分模型在 VoxPopuli 和 LibriSpeech 上会复现基准错误转录、恢复被掩码数字，并依据声学线索切换拼写变体。相关脚本和未归一化输出已开源。
推荐理由：原文给出三种可复现的测试方法，读者可据此自行评估语音模型在真实场景中的泛化能力。
Hugging Face Blog精选AI 评分6060 Sentence Transformers v6.0 发布 MultiVectorEncoder 支持 ColBERT 风格晚交互检索
Sentence Transformers v6.0 新增 MultiVectorEncoder，支持 ColBERT 风格晚交互检索，可直接加载 PyLate、Stanford-NLP ColBERT 及 ColPali 视觉文档检索 checkpoint。
推荐理由：原文给出了多向量模型的加载、评分和索引方案，读者可以据此判断它会怎样改变现有检索工作流。
Import AIAI 评分5050 Import AI 469：Science AI、RSI simulator 和 Zuck's technological pessimism
Import AI 469 期报道 DiG-bench 基准，该基准包含 70 个游戏测试 AI 系统探索隐藏规则的能力。Opus 5 和 Fable 5 是最佳模型，仅在 tier 7 取得 0.2 成功率，而人类可达 100%。
Hugging Face Blog精选AI 评分8383 ALTK-Evolve：更少 Token 的智能体经验记忆方案
ALTK-Evolve 与 ACE 都将智能体历史轨迹转化为可复用经验，但 ACE 每次注入完整剧本，ALTK-Evolve 按任务与模型能力选择性检索。AppWorld 上 DeepSeek-V3.2 TGC 89.3 vs 80.4、Token 263K vs 634K；gpt-oss-120b TGC 56.0 vs 54.8、Token 116K vs 777K。
推荐理由：同样不压缩经验，ALTK-Evolve 按模型能力分发提示，在强模型上以约 40% 的 ACE 推理成本取得更高准确率。
Hugging Face Blog精选AI 评分6262 高效知识蒸馏：离线 Top-K Logits 与融合分块 KL 损失
Multiverse Computing 提出高效知识蒸馏方法，通过缓存教师模型 top-100 logits 与融合分块 KL 损失，避免构建全词汇表×序列矩阵，在单 H200 上把峰值显存从约 250GB 降至约 58GB，并在 32K 上下文下把蒸馏从四卡节点缩至单卡。代码已开源：github.com/CompactifAI/Full-Chunked-KL-Loss
推荐理由：通过缓存 top-K logits 与融合分块 KL 损失两条改动，把蒸馏显存占用压到单卡可跑，为长上下文蒸馏提供了可复现的低成本路径。
Microsoft Research精选AI 评分8282 Orchard：面向可扩展智能体 AI 的开源框架
Microsoft Research 发布开源框架 Orchard，核心是 Orchard Env，一个基于 Kubernetes 的可复用环境服务，支持软件工程、网页导航和个人助理智能体的训练与评估。
推荐理由：开源框架 Orchard 把训练、评估与真实部署 harness 打通，让小参数模型也能在 SWE-bench 等基准接近前沿系统。
Berkeley AI Research精选AI 评分6262 K-Search：从 CUDA 到 MLX 的内核优化迁移研究
Berkeley Sky Lab 与 IBM Research 将 K-Search 进化式内核搜索框架扩展至 MLX 后端，通过结构化 CUDA-to-MLX 翻译层在 Apple Silicon 上复现专家级性能。在注意力内核上达到原生 MLX 的 0.97 倍速度，Mamba SSM prefill 相比社区 mlx-lm 提升约 20 倍；代码与后端已开源。
推荐理由：结构化翻译层让 CUDA 经验可迁移到 Apple Silicon，读者可借此评估跨平台内核优化的可行边界。
Hugging Face Blog精选AI 评分7272 Grabette：开源手持设备记录机器人操作数据
Grabette 是 Pollen Robotics 发布的开源手持采集设备，配合 Gripette 机械爪端，能用普通相机、IMU 和深度相机记录操作演示，并自动生成 LeRobot 格式的机器人就绪数据集。
推荐理由：原文给出了低成本的采集方案与开放数据集入口，读者可以据此判断它能否降低机器人学习的数据门槛。
Hugging Face Blog精选AI 评分6767 Hugging Face 模型登陆 Foundry Managed Compute，支持一键部署
微软在 Build 2026 发布 Foundry Managed Compute，Hugging Face 模型现可通过一键部署在 Azure 上运行。模型目录每周更新，仅包含 SafeTensors 格式的安全筛选模型，支持 vLLM、SGLang、TensorRT-LLM、NIM、TEI、llama.cpp 等运行时，并提供统一端点、Azure Monitor 指标和每部署计费标签。
推荐理由：Hugging Face 模型现可通过 Foundry Managed Compute 一键部署，微软承担了从运行时构建、安全扫描到 CVE 补丁的运维层，让企业能在自有租户中运行开源模型。
Hugging Face Blog精选AI 评分8282 LeRobot v0.6.0 发布：Imagine, Evaluate, Improve
LeRobot v0.6.0 发布，引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新 VLA 模型（GR00T N1.7、MolmoAct2、EO-1、Multitask DiT、EVO1）和奖励模型 API（Robometer、TOPReward）。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分5858 Hugging Face Kernels 项目重大更新
Hugging Face 推出 Hub 上的新仓库类型 kernel，并重构 CLI 与安全机制，包括可信发布者、代码签名与 manylinux_2_28 动态链接支持。
Hugging Face BlogAI 评分5656 ScarfBench：评测 AI 智能体在企业 Java 框架迁移中的表现
IBM Research 发布开源基准 ScarfBench，包含 34 个应用、102 套框架实现、204 个迁移任务和约 151K 行代码，覆盖 Spring、Jakarta EE、Quarkus 之间的迁移。当前前沿智能体行为成功率不足 10%，构建成功率显著高于部署和行为验证成功率；智能体普遍高估自身构建结果，且反复回到配置层处理依赖与环境问题。
Google ResearchAI 评分5858 Google开源水文模型框架以提升全球洪水韧性
Google Research将用于Google Flood Hub的水文模型框架开源至GitHub，采用Apache 2.0许可，基于PyTorch并支持LSTM架构。框架包含2024基准测试版与升级版，新版本在有测站流域将可靠预报期延长6天、无测站流域延长1天，并可与Delft-FEWS平台集成。捷克水文气象研究所（CHMI）已合作验证并提供适配器。
Mistral AI精选AI 评分6363 Mistral AI 发布 Search Toolkit 公测版
Mistral AI 发布 Search Toolkit 公测版，这是一个可组合框架，用于构建面向 AI 应用的生产级搜索流水线。框架将摄入、检索和评估统一在单一接口下，减少团队组装基础设施的时间，并内置召回率、精确率、MRR 和 NDCG 等评估指标。
推荐理由：将摄入、检索与评估统一到单一框架，减少团队在集成上的工程开销，使其能专注于搜索质量本身的持续优化。
Google Research精选AI 评分6262 构建更好的 AI 基准：多少标注者才够用？
Google Research 提出森林与树的(N,K)权衡框架，研究在固定预算下标注条目数与每条目标注者数量的最优配比。实验基于毒性、DICES、D3code、Jobs 等真实主观数据集，发现每条目 3–5 个标注者常不足、多数票用广度策略、意见分布用深度策略，并开源了模拟器。
推荐理由：给出了(N,K)权衡的模拟框架和开源工具，读者可据此在有限预算下设计更可复现的评估方案。
Google Research精选AI 评分6060 WAXAL：非洲语言语音技术大规模开源资源
Google Research发布WAXAL开源语音数据集，覆盖27种撒哈拉以南非洲语言、超过1亿使用者，包含约1846小时ASR转录语音和565小时TTS高质量录音，采用CC-BY-4.0许可。
推荐理由：开源语音数据集覆盖27种撒哈拉以南非洲语言，为低资源语言语音技术提供了可复用的数据基础。
Mistral AI精选AI 评分8282 Mistral 发布 Voxtral Transcribe 2 语音转文本模型
Mistral 发布 Voxtral Transcribe 2，包含 Voxtral Mini Transcribe V2 批量模型和 Voxtral Realtime 实时模型。
推荐理由：原文给出了两款模型的价格与延迟配置，读者可以据此对比其成本与实时性是否匹配自身场景。
Mistral AIAI 评分5858 Mistral Small 3.1 发布：性能超越 Gemma 3 与 GPT-4o Mini，支持 128k 上下文
Mistral Small 3.1 正式发布，在文本指令、多模态理解和长上下文任务上超越 Gemma 3 与 GPT-4o Mini，推理速度达 150 tokens/秒。
Mistral AI精选AI 评分7272 Mistral OCR 文档理解 API 发布
Mistral 推出 OCR API，支持图像和 PDF 输入，以 interleaved 文本与图片结构化输出，并作为默认文档理解模型集成到 Le Chat。API 在 la Plateforme 以 1000 页/$ 开放，批量推理每美元页数约翻倍，同时提供自托管选项。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。