跳到正文

全部动态

今日 34 条
4月10日周五
  1. OpenAI News18

    OpenAI 科普:AI 基础入门

    OpenAI 发布面向初学者的 AI 基础知识指南,解释 AI 是什么、如何运作,以及 ChatGPT 这类工具如何使用大语言模型。内容为入门级科普,未涉及具体模型版本、参数或性能数据。

4月9日周四
  1. Hugging Face Blog62

    Sentence Transformers v5.4 支持多模态嵌入与重排模型

    Sentence Transformers v5.4 更新后,可用同一套 API 对文本、图像、音频和视频进行编码与比较,并支持多模态重排模型对混合模态文档打分。

    推荐理由:Sentence Transformers v5.4 把文本、图像、音频、视频统一进同一套嵌入与重排 API,读者可据此判断多模态检索管线的落地方式。

  2. Hugging Face Blog62

    Overworld 发布 Waypoint-1.5 实时视频世界模型,消费级 GPU 可跑 720p 60FPS

    Overworld 发布实时视频世界模型 Waypoint-1.5,在 RTX 3090 至 5090 等桌面硬件上可生成最高 720p、60 FPS 的实时环境,并新增面向更广消费级硬件的 360p 档位,后续将支持 Apple Silicon Mac。

    推荐理由:Waypoint-1.5 给出 720p 与 360p 两档本地实时世界模型,读者可据此判断消费级硬件跑交互式生成世界的门槛。

4月8日周三
4月6日周一
4月3日周五
4月2日周四
  1. Hugging Face Blog88

    Google DeepMind 发布 Gemma 4 多模态模型家族

    Google DeepMind 的 Gemma 4 多模态模型家族已在 Hugging Face 上线,采用 Apache 2 许可,支持图像、文本和音频输入并生成文本,共五个尺寸:E2B、E4B、12B Unified、31B 和 26B A4B。

    推荐理由:Gemma 4 五档尺寸与 12B 无编码器统一多模态的架构取舍,为端侧多模态选型提供了具体参照。

4月1日周三
  1. Hugging Face Blog62

    TII 发布 Falcon Perception 与 Falcon OCR 模型

    阿布扎比 TII 的 Falcon Vision 团队发布 Falcon Perception,一个 0.6B 参数的早期融合 Transformer,用自然语言提示做开放词汇定位与分割,在 SA-Co 上达到 68.0 Macro-F1,高于 SAM 3 的 62.3,但在存在性校准上落后(MCC 0.64 对 0.82)。

    推荐理由:原文给出 0.6B 早期融合模型在 SA-Co 与 PBench 上的分项对比,可据此判断单栈架构相对模块化流水线的取舍。

  2. Hugging Face Blog62

    Hugging Face 推出 gradio.Server,让任意前端接入 Gradio 后端

    Hugging Face 发布 gradio.Server,它扩展 FastAPI,让开发者用 React、Svelte 或原生 HTML/JS 等自定义前端,同时保留 Gradio 的排队、SSE 流式、并发控制、MCP 支持和 Spaces 上的 ZeroGPU。

    推荐理由:原文给出 gradio.Server 的完整后端示例,读者可据此判断自定义前端如何接入 Gradio 的队列与 ZeroGPU。

3月31日周二
  1. Hugging Face Blog62

    IBM 发布 Granite 4.0 3B Vision 企业文档多模态模型

    IBM 发布 Granite 4.0 3B Vision,一个面向企业文档理解的紧凑型视觉语言模型,以 LoRA 适配器形式叠加在 Granite 4.0 Micro 之上,采用 Apache 2.0 许可并在 Hugging Face 上线。

    推荐理由:Granite 4.0 3B Vision 以 LoRA 适配器形式发布,并给出图表与表格抽取的基准对比,可据此判断小模型在企业文档场景的可用性。

  2. Mistral AI38

    Mistral AI 推出 Spaces:一款为人类和 AI 智能体打造的 CLI

    Mistral AI 发布 Spaces CLI,同时面向人类开发者和编码智能体设计。它通过 `spaces init`、`spaces dev` 等命令完成项目脚手架、开发环境与部署,并让每个交互式提示都有对应的 flag 或配置文件,使智能体可自主操作。每次 init 还会生成 context.json 和 AGENTS.md 两个文件,为智能体提供项目上下文与规则。

  3. Hugging Face Blog22

    OpenMed 用 165 美元训练跨 25 物种的 mRNA 语言模型

    OpenMed 构建了覆盖结构预测、序列设计与密码子优化的端到端蛋白质 AI 流水线,其中 CodonRoBERTa-large-v2 以困惑度 4.10、Spearman CAI 相关性 0.40 明显优于 ModernBERT。团队随后扩展到 25 个物种,用 55 GPU-hours 训练出 4 个生产模型,并搭建了目前其他开源项目未提供的物种条件化系统。

  4. Google Research66

    Google Quantum AI 发布白皮书:量子计算机破解加密货币椭圆曲线密码所需资源大幅下降

    Google Quantum AI 发布白皮书,称未来量子计算机破解保护加密货币的椭圆曲线密码(ECDLP-256)所需的量子比特和门数比此前估计更少。

    推荐理由:Google Quantum AI 给出破解 ECDLP-256 的最新量子资源估算,并用零知识证明公开结论,读者可了解量子威胁与后量子迁移的紧迫性。

3月30日周一
3月29日周日
3月28日周六