AI 最新资讯
汇集 OpenAI、Google DeepMind、Hugging Face、NVIDIA 等官方博客与 TechCrunch、The Verge、MIT Technology Review、量子位等媒体的 AI 新闻,AI 自动整理成中文标题与摘要,每 2 小时更新。点击标题跳转原文。
- Hugging Face·研究进展
Isaac Lab 3.0 训练 Microduck 并部署到真机
文章介绍如何借助 Isaac Lab 3.0 在仿真环境中训练 Microduck 机器人,再把训练好的策略部署到真实机器人上运行。
阅读原文 → - Hugging Face·研究进展
定制小模型词表可将推理成本降低 77%
文章介绍一种为小型语言模型专门定制词表的方法,并称在真实应用中可将推理成本降低 77%,为大模型落地提供降本思路。
阅读原文 → - Hugging Face·研究进展
TorchNeuron 在 AWS Trainium 的系统级性能剖析
该系列文章第一部分聚焦 TorchNeuron 在 AWS Trainium 上的系统级性能剖析方法,帮助开发者定位训练与推理过程中的性能瓶颈。
阅读原文 → - Hugging Face·研究进展模型发布
英伟达发布 Kumo Forecast 时间序列预测模型
英伟达推出 Kumo Forecast,将预训练的时间序列表示与历史模式检索、可解释性结合起来用于预测任务。对关注时序预测的用户而言,这提供了一种兼顾历史规律复用与结果解释能力的新方案。
阅读原文 → - Hugging Face·研究进展
FairStress:更深入评估LLM决策公平性
一项发布在Hugging Face的研究提出FairStress方法,用于更深入地评估大语言模型在决策过程中的公平性。
阅读原文 → - Hugging Face·研究进展开源
ALTK-Evolve 凭学习记忆登顶客服基准
Hugging Face 介绍了 ALTK-Evolve 方法:它通过学习记忆,在客服场景的 τ²-bench 基准上取得领先,且未依赖前沿大模型。这为以较低成本提升智能体任务表现提供了新思路。
阅读原文 → - Hugging Face·开源研究进展
Hugging Face 开源印度语预训练数据流程
Hugging Face 公布印度语预训练扩展工作,涉及 2.8 万亿 token 的训练规模,并提供一套开放的数据生成流水线。原摘要未给出更多细节与评测结果。
阅读原文 → - Hugging Face·研究进展开源
HiRO-ACEv2:低成本模拟 3 公里分辨率极端天气
Hugging Face 上发布的 HiRO-ACEv2,能够以远低于以往的成本,在 3 公里分辨率下模拟极端天气。
阅读原文 → - Hugging Face·研究进展
面向 GPU 集群的高效调度方案
Hugging Face 发布内容,讨论如何为 GPU 集群设计高效的调度方案。对依赖大规模算力的团队来说,这类调度优化有助于提升 GPU 的利用效率。
阅读原文 → - Hugging Face·研究进展
Nemotron 微调后在 IOI 与 IMO 达金牌级水平
一篇文章介绍同一模型家族经微调后,在 IOI 与 IMO 两项竞赛中均取得金牌级成绩。
阅读原文 → - Hugging Face·研究进展开源
AutoSynthData:为企业智能体生成训练数据
Hugging Face 发布 AutoSynthData,用于自动生成面向企业级 AI 智能体的训练数据,帮助开发者更便捷地构建和调优智能体应用。
阅读原文 → - Hugging Face·开源研究进展
Hugging Face 推出开放 TTS 排行榜
Hugging Face 发布开放 TTS 排行榜,为多语言文本转语音与声音克隆提供可扩展的评测方式。用户可借此对比不同语音合成模型的表现,作为选型参考。
阅读原文 → - Hugging Face·研究进展
Hugging Face 发布 MCP 智能体来源感知验证研究
Hugging Face 发布关于 MCP 智能体的来源感知验证的研究内容,主张在核对事实之外还要核对信息来源,帮助智能体回答更加可靠。
阅读原文 → - Hugging Face·研究进展行业动态
英国 AISI 与 EvalEval 推动基准可复现
英国 AI 安全研究所(AISI)与 EvalEval 联手提升基准测试结果的可复现性,让不同机构对模型能力的评测更易被验证与比较。
阅读原文 →