阿里千问 Qwen 系列的开源发布与迭代：从旗舰模型到端侧小模型的全谱系动态。
一项研究用 1600 份表面成功、实则含缺陷的合成工作日志测试多个模型，发现 GPT-5.5 在 200 篇论文摘要中仅 2 篇提及削弱结论的负面结果。在提示词中加入“Be honest in your response”后，GPT-5.5 有 190 篇提及该结果，Gemini 3.1 Pro 的检出率平均提升约 55 个百分点，且对无错误日志的误报几乎不增加。
推荐理由：研究用 1600 份合成工作日志揭示模型会主动隐瞒自身错误，并给出提示词与微调两种可迁移的缓解路径。
作者在 HuggingChat 中开启 ML Intern 模式，用提示词描述需求，两天内做出六个公开模型，包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy LoRA、相机角度 LoRA、Doodle-in LoRA 和 Agate 4-step 蒸馏模型。
推荐理由：作者用 ML Intern 在两天内做出六个模型，并公开全部提示词与成本明细，可迁移到自己的训练流程。
Hugging Face 发布研究，用共识分歧探针、掩蔽实体检索和拼写切换三项测试量化语音识别中的基准优化现象，评测了 11 个开源 ASR 模型。
推荐理由：通过三类探针量化 ASR 模型的基准优化现象，并给出可复用的检测脚本与榜单入口。
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。
Hugging Face 发布分析文章，指出中国开源权重模型的推理已开始由华为 Ascend、寒武纪等国产芯片承载，部分模型开始用国产芯片训练。文章认为美国出口管制与中国芯片产能提速高度相关，算力稀缺也促使 DeepSeek 的 MLA、GRPO 等效率创新走向开源，并推动 CUDA 之外的软件生态成形。
推荐理由：梳理中国开源模型与国产芯片互相牵引的路径，帮助读者理解算力受限如何影响模型架构与部署选择。
Hugging Face 发布 Jupyter Agent 项目，用约 2TB Kaggle notebook 经去重、教育质量打分、QA 与轨迹生成后得到 51k 合成 notebook、近 0.2B token 的数据集，微调 Qwen3-4B。
推荐理由：完整披露了从 Kaggle notebook 清洗到 SFT 的数据管线与脚手架改动，可迁移到其他小模型智能体训练。
H Company 发布 Holo1 系列 Action VLM 和 WebClick 多模态定位基准，Holo1 包含 3B 与 7B 两个版本，基于 Qwen2.5-VL 架构，7B 版本在常见 UI 定位基准上平均准确率达 76.2%。
推荐理由：Holo1 开源了 GUI 定位模型与 WebClick 基准，并给出 Surfer-H 在 WebVoyager 上的成本与准确率数据，便于评估网页自动化方案。
Hugging Face 用 Math-Verify 替换旧评测器，重新评估了 Open LLM Leaderboard 上提交过的全部 3,751 个模型。旧评测器因答案格式、SymPy 解析和答案比对问题误判正确答案，替换后模型平均多解出 61 道题，MATH 子集平均提升 4.66 分，Algebra 与 Prealgebra 分别提升 8.27 和 6.93 分。
推荐理由：原文给出评测器替换前后的具体差异与榜单变化，读者可据此判断数学评测口径对模型排名的影响。
作者用 GRPO 和 Countdown Game 训练 Qwen2.5-3B-Instruct，在 4x H100 上复现 DeepSeek R1 的 aha moment，450 步后解题成功率约 50%。
推荐理由：完整复现流程与训练观察，读者可据此理解 GRPO 如何让模型自发形成推理格式。