Hugging Face 用 Gradio Workflow 重建 AUTOMATIC1111,推出 Workflow1111
Hugging Face 发布 Workflow1111,用 Gradio Workflow 画布重建 AUTOMATIC1111 的大部分功能,包含 11 条媒体流水线和 73 个节点。
Hugging Face 发布 Workflow1111,用 Gradio Workflow 画布重建 AUTOMATIC1111 的大部分功能,包含 11 条媒体流水线和 73 个节点。
OpenAI 在 API 中推出 GPT‑Live‑1,带来自然的全双工语音对话能力。模型具备更强的指令遵循能力,支持自定义音色和电话接入。
OpenAI 推出 Agents API,一项由 Codex harness 驱动的托管服务,用于构建和启动云端智能体。该服务提供编排、长时间运行会话和工具使用能力。
Hugging Face 在 TRL v1.14 的 AsyncGRPOTrainer 中加入 LoRA 支持(PR #7017),训练器与 vLLM 副本作为独立 HF Jobs 运行,仅几 MB 的 adapter 经 Storage Bucket 挂载同步,无需 NCCL。
推荐理由:原文给出完整的跨节点 LoRA 异步 RL 架构与五轮瓶颈调优数据,读者可以复用其中按 KV 前缀路由和 token 打包的调优方法。
OpenAI 宣布 Paul Christiano 加入 OpenAI 基金会董事会及其安全与安保委员会。官方称他将带来在 AI 对齐、安全和标准方面的经验。
推荐理由:官方宣布 Paul Christiano 加入 OpenAI 基金会董事会及其安全委员会,读者可据此关注其对安全方向的可能影响。
OpenAI 的 Chris Lehane 表示,更强的 AI 能力需要更强的安全证据、共享标准以及持久的政策行动。他呼吁在政策窗口仍然开启之际及时采取行动。
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 储层模拟器代码迁移到 C++,先搭建数值对齐校验环境并用百余个智能体生成文档。实践发现结构化工作流加人工审查优于完全自主,首个冲刺完成 300,000 行中的 40,000 行核心功能,并总结出先建对齐环境、先整理文档、采用带人工审查门的结构化工作流三条原则。
推荐理由:Mistral 复盘真实迁移案例并给出可复用的三条原则,读者可以对照自己的遗留系统改造工作流。
OpenAI 发布 GPT-6 Astra,称其为企业业务场景最强模型。模型具备高级推理、计算机使用能力,写作与设计判断力也更强。
一位 MIT 研究者使用 GPT-5.6 Sol 搭配 Codex,自主运行量子计算实验。它能分析实验结果并校准 qubit,展示了 AI 智能体在科研自动化中的应用。
Google DeepMind 于 9 月 8 日发布 AlphaGenome Atlas,包含人类基因组约 90 亿个单核苷酸变异的分子效应预测,数据集达 1 PB,是 AlphaFold Database 的 30 多倍。
推荐理由:原文给出平台规模、AVI 评分构成和免费学术入口,读者可据此评估它在变异解读和罕见病研究中的用法。
OpenAI 发文探讨能力更强、价格更低的 AI 如何扩展个人和企业能完成的工作。文章指出,这类 AI 可让增长更具经济性,使更多人负担得起借助 AI 完成任务。
Mistral 宣布完成 30 亿欧元 D 轮融资,投后估值超 210 亿欧元,称其为欧洲科技公司最大规模股权融资,由三星电子领投,EQT 旗下 Scaleup Europe Fund 与 PSG Equity 联合领投。
推荐理由:官方公告给出了融资规模、估值、领投方和资金用途,读者可以据此了解 Mistral 主权开放权重路线的进展。
OpenAI 发布 ChatGPT Images 2.5,可将想法、草图和参考照片转化为更个性化、更精致的图像,更好地呈现用户的创意意图。
OpenAI 宣布扩大对新闻业的支持,面向学生、教育工作者、记者和新闻机构提供工具、培训与合作项目,覆盖从课堂到新闻编辑室的场景。
OpenAI 宣布分享一个针对 Navier–Stokes 千禧年大奖难题的 AI 生成解答,附带论文写作与 Lean 形式化证明。
推荐理由:官方同时给出论文与 Lean 形式化证明,读者可以借此了解 AI 在数学前沿问题上的实际产出形式。
OpenAI 推出一项总额 500 万美元的资助计划,面向独立研究开放申请,研究生成式 AI 对青少年发展、身心健康与安全的影响。项目现已开放申请。
1Password 工程师使用 Codex 快速构建新功能和内部工具,工程效率提升 21%,同时在严格安全策略下达到生产可用。
OpenAI 与 AIRPPU、WAN-IFRA 联合推出一项 AI 计划,帮助乌克兰新闻机构增强创新能力、韧性与独立新闻报道。
OpenAI 的 Jakub Pachocki 发文反思能力日益增强的 AI 带来的对齐难题,称其为“异类心智”。他呼吁建立更强的安全防护措施,并推动国际协调合作来应对。
在 OpenAI 内部,coding agent 正在重塑 AI 研究方式。文章探讨了智能体使用情况、实验速度、任务复杂度及研究加速等方面的早期数据。
GitHub 推出 Project HydraFusion 研究预览,通过运行时多模型编排为每个任务生成执行计划,在 Single、Cascade、Critique 三种模式间选择以平衡质量、成本和延迟。
推荐理由:官方公布了 HydraFusion 的三种执行模式和三份基准的质量与成本数据,读者可以据此评估多模型编排对编码工作流的实际价值。
Google Research 评估了将基于 UK Biobank 数十万欧洲个体训练的多基因风险分数(PRS)迁移到 Biobank Japan 约 20 万日本个体样本的效果,覆盖 BMI、血压、HDL、LDL、血糖等 8 项临床性状。
GitHub 官方发布面向初学者的 GitHub Copilot app 教程,讲解如何同时运行多个智能体会话。每个会话可运行在独立的 Git worktree 中,互不干扰、各自保留上下文,用户可在会话视图中跟踪进度,把时间花在审查和决策而非等待上。
Google Research 与 HHMI Janelia、MRC 分子生物学实验室及剑桥大学等合作,在 Cell 发表雄性果蝇大脑与中枢神经系统的完整连接组,包含超过 166,000 个神经元和 1.25 亿个突触连接,是目前按神经元数量计最大的大脑图谱。
推荐理由:官方团队说明了这份连接组图谱的规模、验证方式和可视化工具,读者可以了解它与雌性图谱互补后的研究用途。
Google DeepMind 与 Google Research 发布 WeatherNext 3,官方称其为迄今最先进准确的全球天气 AI 模型。
推荐理由:原文给出分辨率、更新频率和降水准确率等具体指标,并说明如何接入 Google 产品与数据平台,可据此评估应用场景。
OpenAI 推出 Daybreak for Frontline Defenders 计划,承诺投入 $1B,扩大基础服务对前沿网络安全 AI 的获取,并提供相关培训与支持。
Hugging Face 推出 NeoMME 多语言多模态编码器家族,含 260M 和 800M 两个规模,用单个双向 Transformer 从头处理文本 token 和原始图像 patch,无需单独的预训练视觉塔或因果语言模型。
Legora 在财务审阅工作流中使用 GPT-6 Astra,数分钟内审阅了 41 份文档,并找出了全部四个预先埋设的错误。该工作流性能提升近 40%。
Playco 使用 GPT-6 Astra 从一个灰盒基础构建了三个主题游戏原型,手动修复比使用上一代模型减少了 50%。
Hugging Face 发布完整教程,用 TRL 库的 GRPO 结合 LoRA 微调 LiquidAI/LFM2.5-350M,仅需约 500 样本和 100 步训练即可在免费级 Colab 或 Kaggle 16 GB GPU 上完成。
推荐理由:完整开源了小模型 GRPO 结构化输出微调的配方和评测对比,资源门槛低,方法可直接迁移到其他小模型任务。
Hugging Face 博客发布一篇开源复现:受 Surya Narreddi 病毒视频启发,作者用 TRL 和 OpenEnv 训练 Qwen/Qwen3.5-35B-A3B 通过 LoRA 写 p5.brush JavaScript 画水彩画,参考池、RL 环境、训练脚本和模型全部公开。
推荐理由:作者把审美偏好的RL复现完整开源,奖励设计、三组对照和踩坑修复都可迁移到类似的代码生成训练中。
Hugging Face 发布开源工具 funes,为 Claude Code、Codex、pi、Hermes 等编码 agent 提供基于本机会话记录的持久记忆层。
推荐理由:Hugging Face 官方介绍 funes 的本地优先记忆层设计,给出跨 agent 共享记忆与成本对比,读者可评估是否接入自己的编码工作流。
Google 推出 Fairwind Program,向政府机构、Google Cloud 客户和网络安全合作伙伴提供先进网络防御能力。该计划将专用模型 Gemini 3.8 Flash Cyber 与 CodeMender 结合,可自主查找、验证并修复漏洞,在几分钟内生成可直接部署的补丁,运营成本远低于传统前沿模型。
Hugging Face 推出 BenchMIRT,一种基于多维 Item Response Theory 的方法,可在单个题目层面审计 LLM 基准测试实际测量的能力。
Google 与 NASA JPL 在 PNAS 发表 MAPL-EMIT,一个基于 Swin-S vision transformer 的深度学习框架,用 EMIT 高光谱数据自动检测、量化并定位全球甲烷羽流。
Google DeepMind 发布 agentic video understanding 功能,覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite,通过智能体循环动态搜索和检视视频片段,替代固定帧率的静态处理。
推荐理由:官方公布了具体降本增效数字和 API 启用方式,开发者可据此评估长视频分析的成本与精度取舍。
Hugging Face WebAI 团队发布 @huggingface/kernels 库及 207 个 WebGPU 内核,每个内核以带版本、正确性与基准测试的独立仓库形式发布在 Hub 上,采用 Apache-2.0 许可。
推荐理由:官方发布 207 个 WebGPU 内核及加载库,并给出与 ORT WebGPU 的实测对比,读者可据此评估浏览器推理的加速空间。
Google 发布时序基础模型 TimesFM-3,原生支持多变量零样本预测,参数量 330M,预训练语料包含超过 1 万亿时间点。模型采用 decoder-only Transformer 与交替注意力架构,通过 Contiguous Patch Masking 在单次前向传播中生成完整预测区间,并为每个目标输出 10% 到 90% 共 9 个分位数。
Microsoft Research 推出 GigaPath-Flash 和 GigaTIME-Flash 研究模型,以大幅提升病理学研究的计算效率。
Voice Arena 与 Hugging Face 合作,在 Open ASR Leaderboard 中引入 Monsoon en-IN 和 Monsoon hi-IN 两个评测集,印地语成为该多语言榜单上的首个 Indic 语言。