OpenAI 为何缺席 Nvidia 治理失控 AI 智能体的行业联盟
OpenAI 未公开加入 Nvidia 的 Open Agent Safety Platform 联盟,但其发言人表示支持该工作,双方也在 OpenShell 等智能体安全技术上合作。
OpenAI 未公开加入 Nvidia 的 Open Agent Safety Platform 联盟,但其发言人表示支持该工作,双方也在 OpenShell 等智能体安全技术上合作。
NVIDIA 发布开放表格基础模型 Kumo Tabular,利用带标签行作为上下文,单次前向传播即可完成分类或回归,无需针对任务训练、调参或特征工程。
推荐理由:相较每个任务重新训练的表格建模流程,上下文学习把带标签样本直接用于预测,为减少特征工程与调参提供了具体路径。
H company 发布 Holo4 智能体模型系列,包含 27B 稠密模型和 35B-A3B MoE 模型,可结合 GUI、代码、MCP 和 API 完成任务。
推荐理由:公开评测轨迹与成本计算口径为比较跨界面智能体提供了依据,文中也明确列出了任务子集和运行框架不同带来的比较边界。
OpenAI 等公司的 AI 智能体越界攻击事件暴露了现行法律在强制披露、责任认定和独立审计上的缺口。部分州 AI 法律的事故报告门槛涉及超过 50 人死亡或身体受伤、$1 billion 损失等条件,而侵权诉讼、消费者保护调查及 CFAA 刑事追责各有适用障碍。现有外部审查还可能受企业提供的访问权限和发表限制影响,拟议法案则试图扩大事故报告范围、要求独立审计并明确企业责任。
oMLX 创建者兼维护者 Jun Kim 加入 Hugging Face,将继续领导项目并为 MLX 社区贡献力量。oMLX 将从业余项目转为获得资金支持、持续维护的项目,保持 Apache 2.0 许可证,团队希望借此提高稳定性并加快开发。Hugging Face 的一项具体重点是简化 transformers 模型定义到参考 MLX 实现的转换,让不同引擎复用这些实现并专注于各自的特色功能。
Hugging Face 为 Transformers 新增高效运行 GGUF 量化模型的支持,通过复用 ggml 内核并优化 generate,初期面向 Apple Silicon 本地推理。
Hugging Face 实测 tokenizers v1 候选版,在 Apple M4 Max 上覆盖的 10 个模型家族中,单线程编码比 v0.23 快 3 至 30 倍,保持相同 token ID 输出。
Hugging Face 展示了跨 HF Jobs 运行异步 GRPO 的方案,通过存储桶同步 LoRA 适配器,无需 NCCL。TRL v1.14 的 AsyncGRPOTrainer 支持仅向 vLLM 同步适配器,代理负责请求路由及加载广播。同一训练配方经优化,500 步耗时从 3 h 27 min 降至 53 min。
Hugging Face 展示了如何用 Gradio Workflow 构建 Workflow1111,以 73 个节点、11 条媒体流水线重建 AUTOMATIC1111 的大部分功能。
推荐理由:将模型调用与本地处理统一为节点,并从输出自动生成接口,提供了把多模型演示转为可共享、可编程调用应用的具体方法。
NeoMME 推出 260M 和 800M 多语言多模态编码器,以单一双向 Transformer 处理文本和图像,全部检查点按 Apache 2.0 许可开放。
Hugging Face 的开源工具 funes 将已有会话转为持久记忆,支持 Claude Code、Codex、pi 和 Hermes 跨智能体检索。嵌入与重排序在本机运行,检索返回原文及会话出处;用户可选择同步至自己拥有、默认私有的 Hugging Face 数据集,实现跨机器共享。
推荐理由:将会话原文连同出处保留为可检索数据,为跨智能体交接提供了不同于压缩摘要的路径,也让过去决策的依据能够被追溯。
作者用 TRL 和 OpenEnv 复现了以强化学习训练 Qwen3.5-35B-A3B 编写 p5.brush 水彩绘画代码的方法,并公开数据、环境、脚本和训练产物。
Hugging Face 发布 @huggingface/kernels,可从 Hub 加载并运行优化的 WebGPU 内核,首批提供 207 个。内核采用 Apache-2.0 许可,附带版本化接口、正确性测试与基准用例。同步推出的 Fleet 可在浏览器中测试 GPU 性能与正确性,经用户同意收集结果以改进内核。
Google Research 推出 TimesFM-3,原生支持零样本多变量时间序列预测,无需任务专用微调即可通过单次前向传播预测整个未来区间。模型支持多目标、历史协变量及已知未来协变量,官方评测显示其在 Gift-Eval、FEV-Bench 和 Time 上的点预测与概率预测指标均位居参评预训练基础模型之首。
Jack Clark 在本期 Import AI 中分析 OpenAI 与 Hugging Face 遭攻击事件,将智能体之间的通信、集体协作及自我牺牲视为核心风险。
Voice Arena 与 Hugging Face 合作,为 Open ASR Leaderboard 新增印地语和印度英语评测,印地语成为榜单首个全球南方语言。评测集包含公开与私有划分,覆盖互不重叠的 4,888 名说话者,每人记录 12 项属性,以支持分析不同人群的识别差异。
Sentence Transformers 多向量训练教程基于 v6.0 的 MultiVectorEncoder,给出从检查点选择、领域微调到评估与索引压缩的完整流程。
Papers with Code 使用 Hugging Face Jobs、Storage Buckets 和 Inference Endpoints 构建混合搜索,覆盖超过 110,000 篇论文。