Meta GEM 训练：如何将广告推荐基础模型效率在 LLM 规模下翻倍
Meta 发布 GEM 训练细节，通过定制推荐内核库、混合超低精度训练、拓扑感知 5D 并行与 SM-free 通信等协同设计，将端到端训练效率翻倍至 20–25% MFU，并在 12 个月内将训练 FLOPs 扩展 4 倍。
Why it matters: Meta 分享了 GEM 在 LLM 规模下训练推荐模型的具体方法，为跨推荐与 LLM 的基础设施协同设计提供可迁移经验。
开源生态
All topics开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
242 selectedRelated topics模型发布Hugging FaceAI 编码
Latest selected
141–160 of 242Meta Engineering · AISelectedAI score7171 Microsoft ResearchSelectedAI score8282 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。
Why it matters: 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。
Together AISelectedAI score8989 Kimi K3 开发者指南：2.8T 参数开源模型发布
Kimi K3 是 Moonshot AI 发布的 2.8 万亿参数开源模型，是全球首个 3 万亿参数量级的开源模型，支持 1M 上下文长度，在 Together AI 上提供 OpenAI 兼容 API。
Why it matters: 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。
Google ResearchSelectedAI score7272 Science One Framework：基于 Chain-of-Evidence 的可验证自主研究框架
Google Research 提出 Science One Framework 与 Chain-of-Evidence（CoE）审计框架，在 75 篇生成论文上验证自主研究系统的可验证性。Science One Framework 在五个 ADRS 任务上实现零幻影引用、完全可复现得分，并在 MLE-Bench 与 Parameter-Golf 上达到 SOTA。
Why it matters: 通过引入可验证证据链框架，为自主研究系统的可信度提供了可量化的审计方法。
Microsoft Semantic KernelSelectedAI score6767 Microsoft Agent Framework 集成 GitHub Copilot CLI 与 Squad 构建智能体团队
Microsoft Agent Framework 正式集成 GitHub Copilot CLI/SDK 与开源多智能体框架 Squad，提供 Squad.Agents.AI NuGet 包，将 Squad 团队包装为标准 MAF AIAgent。
Why it matters: MAF与Squad通过一个NuGet包和DI调用即可组合，适合已有MAF流水线的开发者低成本接入会随使用积累领域知识的多智能体团队。
Kubernetes AISelectedAI score7070 controller-runtime 缓存实际工作方式与避免压垮 API Server
文章详解 controller-runtime 缓存的 list+watch 架构：r.Get 和 r.List 默认读本地缓存而非 API server，写操作直达 API server，通过 watch 事件异步更新缓存。
Why it matters: 原文拆解了 controller-runtime 缓存的读写路径与一致性边界，读者可据此避免常见的读后写一致性陷阱和内存陷阱。
Berkeley AI ResearchSelectedAI score6262 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。
Why it matters: 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。
Together AISelectedAI score7676 ThunderAgent：大规模合成数据生成中的 Agent 推理提速 2 倍
ThunderAgent 在单 8×H100 节点上相对 SGLang 达到 2.5 倍吞吐量、P50 延迟降低约 10 倍，8 节点集群实现 2.4 倍加速且接近线性扩展。
Why it matters: 把多轮 agent 请求视为程序而非独立请求，让 KV cache 命中率提升并缓解多节点负载不均。
Together AISelectedAI score7777 Together AI 与 Moonshot AI 战略合作，原生上线 Kimi 模型
Together AI 与 Moonshot AI 达成战略合作，成为 Kimi 模型的首发平台，首发模型为 Kimi K3。Kimi K3 是迄今最大开源模型，参数规模达 2.8T 的稀疏 MoE 架构，支持原生视觉与 1M token 上下文窗口。
GitHub SecuritySelectedAI score7272 GitHub 扰乱 npm 与 GitHub Actions 上的供应链攻击
GitHub 发布多项 npm 与 GitHub Actions 安全更新，通过账户只读保护、限制不受信任的触发器、只读缓存、staged publishing、默认禁用 install 脚本以及 Dependabot 冷却期等措施扰乱供应链攻击链，并新增自助凭据撤销与扩展凭据撤销 API 支持。
Why it matters: 原文给出了 npm 与 GitHub Actions 的具体防护变化和开放入口，读者可以据此评估现有 CI/CD 工作流会受到哪些实际影响。
Microsoft Semantic KernelSelectedAI score6262 .NET Agent 支持从 MCP 服务器发现和加载 Agent Skills
Microsoft Semantic Kernel 在 .NET 中通过 Microsoft.Agents.AI.Mcp 包支持从 MCP 服务器按需发现和加载 Agent Skills。技能以 skill-md 或 archive 方式分发，通过 skill://index.json 发现，并保留渐进式披露和审批机制。archive 下载有文件数、大小和解压后大小上限，且远程脚本永不执行。
Why it matters: 让 Agent 按需从 MCP 服务器发现和加载技能，减少重复打包与重新部署，适合多 Agent 共享领域知识。
Microsoft Semantic KernelSelectedAI score6565 Microsoft Agent Framework 声明式工作流 1.0 发布
Microsoft Agent Framework 的声明式工作流（Declarative Workflows）Python 与 .NET SDK 均达到 1.0。团队可用 YAML 定义多智能体编排、状态与分支逻辑，并作为标准 Workflow 运行、流式处理和组合。示例展示支持台路由场景，并提供客户支持等可运行样例。
Why it matters: 原文给出 YAML 定义与代码加载方式，读者可据此评估声明式编排是否适配现有工作流。
Together AISelectedAI score7373 Together AI 推出专用模型推理平台 Dedicated Model Inference
Together AI 发布 Dedicated Model Inference 平台，支持部署自有或开源权重模型，并提供部署配置、预热加速、Canary/蓝绿/滚动发布、A/B 与影子流量测试及 Prometheus 可观测性。平台覆盖从实验到生产的全生命周期，并同步开启自定义训练（含 LoRA 与强化学习）封闭测试。
Why it matters: 原文给出部署预热、流量切换与可观测性等具体能力，读者可以据此判断它能否降低自研推理栈的运维成本。
Hugging Face BlogSelectedAI score7272 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。
Why it matters: 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。
InterconnectsSelectedAI score8585 Kimi K3：开放权重的前沿升级
Moonshot AI 于 7 月 16 日发布 2.8T 参数 MoE 模型 Kimi K3，权重将于 7 月 27 日开放。在 Vals AI Index 排名第 2，Artificial Analysis 智力指数排名第 3（仅次于 Claude Fable 与 GPT-5.6 Sol Max），在 Frontend Code Arena 排名第 1。
Why it matters: K3 让开放权重模型首次逼近前沿，读者可据此重新评估开放与闭源模型的能力差距及扩散节奏。
Import AISelectedAI score7979 Import AI 465：开源与闭源能力差距缩小；Kimi K3；Demis的AGI监管方案
英国AI安全研究所分析显示，GLM-5.2和DeepSeek V4-Pro在窄网络安全评测上已接近4至7个月前的闭源前沿模型，但在长周期链式攻击任务上差距仍较大。
Why it matters: 开源模型与闭源模型在网络安全能力上的差距正在缩小，提示防御方需在能力扩散前抓紧准备。
Hugging Face BlogSelectedAI score8383 Hugging Face 披露 7 月安全事件：AI 驱动入侵与自主取证分析
Hugging Face 检测到生产基础设施遭自主 AI 代理系统入侵，未经授权访问了部分内部数据集和凭证，未发现公开模型、数据集或 Spaces 被篡改。攻击通过恶意数据集利用数据处理管道中的代码执行路径发起，代理框架在数千个短期沙箱中执行了超过 17,000 条操作。
Why it matters: Hugging Face 披露了由自主 AI 代理系统驱动的入侵事件，并分享了用自有开源模型进行取证分析的实践经验。
Hugging Face BlogSelectedAI score6060 Hugging Face 推出 Real World VoiceEQ 语音AI人本质量评测基准
Hugging Face 发布 Real World VoiceEQ 基准，从声学信息层面评估语音交互的人本质量，覆盖ASR、TTS、S2S与语音理解，超40款开源与闭源模型参与。评测基于超过100万条人类评分，包含78.5万条TTS与4.8万条STS评分，并指出传统基准在噪声、口音、情绪等真实场景下高估模型表现，语音模型在
Why it matters: 原文呈现了覆盖40余款模型的评测结果与关键发现，帮助读者在语音接口成为主流交互方式的背景下重新审视现有基准的局限。
Together AISelectedAI score7575 Thinking Machines Lab 发布多模态推理模型 Inkling，Together AI 首日上线
Thinking Machines Lab 发布 Inkling，Together AI 在发布当日将其上线至 Serverless 推理平台。Inkling 是 975B 总参数、40B 活跃参数的混合专家模型，支持 1M 上下文、接受文本、图像和音频输入并输出文本，提供可控推理强度设定，并在科学推理、数学、代码、预测等任务上进行了后训练。
Why it matters: 原文给出 Inkling 的参数规模、上下文长度和可控推理设定，开发者可据此评估它在推理深度与 token 开销之间的平衡。
Kubernetes AISelectedAI score6565 Headlamp 发布 Kubeflow 插件：在通用 Kubernetes UI 中直接管理 Kubeflow 自定义资源
Headlamp 推出 Kubeflow 插件，将 Notebook、Pipeline、Katib、Training Runs 和 Spark 等 Kubeflow 自定义资源直接集成到通用 Kubernetes Web UI。
Why it matters: 为 Kubeflow 提供原生 Kubernetes UI 入口，运营商可在不切换工具的情况下直接查看 Pod 与自定义资源状态。