微软与 Hugging Face 将数据库校验转为 RL 奖励，用 ThinkingBox 后训练智能体
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的校验结果直接当作强化学习奖励，用于智能体后训练。
推荐理由：微软与 Hugging Face 把数据库终态校验当作 RL 奖励，并公开了任务筛选与训练代码，可供做智能体后训练时参考。
#Hugging Face
Hugging Face Blog精选AI 评分6262
Hugging Face Blog精选AI 评分7878 NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可预测
NVIDIA 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做预测，无需任务特定训练、特征工程或表扁平化。给定预测查询时，它最多读取 1 万个历史样本作为上下文，一次前向传播输出流失、需求或欺诈等结果。
推荐理由：官方披露了预训练关系型基础模型在 41 项基准上超越监督学习的结果，以及无需训练、直接查询数据库的使用方式。
Hugging Face Blog精选AI 评分6060 NVIDIA 在 Hugging Face 发布 SimReady Central：2000 多个仿真就绪 OpenUSD 资产库
NVIDIA 在 Hugging Face 上线 SimReady Central Library，汇集 2000 多个仿真就绪（SimReady）OpenUSD 资产，免费、无需申请即可用于物理 AI 训练环境和 AI 工厂数字孪生。
推荐理由：原文说明该库把 2000 多个带物理属性的 OpenUSD 资产放到 Hugging Face 免费开放，并给出 OEM 提交与场景搭建路径。
Hugging Face Blog精选AI 评分6060 NVIDIA 发布 Cosmos3-H-Dreams 手术生成仿真模型
NVIDIA 发布 Cosmos3-H-Dreams，基于 Cosmos3-H-Embodied-Nano 训练，可从视频与机器人运动学中学习临床胆囊切除场景的实时生成仿真。
推荐理由：原文给出从桌面任务到临床胆囊切除场景的模型演进，并公开四步与两步检查点及适配自有数据的流程。
TechCrunch · AI精选AI 评分7676 Google 开源 TorchTPU，让 PyTorch 应用无需重写即可跑在 TPU 上
Google 宣布开源 TorchTPU，这是 PyTorch 面向 Google TPU 的版本，开发者只需修改配置、无需重写应用，就能把现有 PyTorch 应用迁移到 TPU 和 Google Cloud。
推荐理由：Google 与 Amazon 先后推出 PyTorch 的 TPU、Trainium 适配版本，读者可据此观察 AI 芯片生态的竞争格局。
Hugging Face Blog精选AI 评分7878 Hugging Face 接入 TorchTPU，Transformers 与 Diffusers 原生支持 TPU
Hugging Face 宣布通过原生 PyTorch 后端 TorchTPU 在自家生态中支持 TPU，Transformers、Diffusers 和 Kernels 可原生运行在 TPU 上，加载模型时传入 device_map="tpu" 或 pipe.to("tpu") 即可，不再需要 Optimum TPU。
推荐理由：Hugging Face 官方说明 TorchTPU 让 Transformers 与 Diffusers 直接把 TPU 当作普通设备使用，并给出实测加速数据。
Hugging Face Blog精选AI 评分6060 ALTK-Evolve 用学习到的记忆让 GPT-4.1 客服智能体登顶 τ²-bench 零售任务
ALTK-Evolve 用 GPT-4.1 从智能体自身任务轨迹中提炼行为准则并追加到系统提示词，在 τ²-bench 零售任务上把基础 ReAct 智能体的 Pass^4 从 57.5% 提升到 67.5%，超过榜单上所有零售条目和微调模型 RAFT-30B-A3B 的 61.4%。
推荐理由：原文给出了同一套提示词级记忆在零售与航空两个客服域上的完整对照数据，可据此判断不更新权重也能提升智能体可靠性的路径。
Hugging Face Blog精选AI 评分6262 PyTorch 2.15 为 MPS 带来 FP8 与更快的 LLM 解码
Hugging Face 的 PyTorch 团队介绍 PyTorch 2.15 在 MPS 后端的更新，新增 float8_e4m3fn 张量与 F.scaled_mm，MoE 模型解码比 2.14 快 5–6.5 倍，Qwen3.6-35B-A3B 在 M3 Ultra 上从 9.4 提升到 61.3 tokens/s。
推荐理由：Hugging Face 的 PyTorch 团队给出 MPS 后端在 2.15 中的具体提速数字和内存变化，可据此判断 Mac 本地跑模型的实际收益。
Hugging Face Blog精选AI 评分6262 NVIDIA 与 AI4Bharat 发布 Nemotron-pretraining-Indic-v1：2.8 万亿 token 与开放数据生成流程
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，并同步开放用于生成该语料的 GPU 加速数据生成流程。
推荐理由：原文公开了约 2.8 万亿 token 的语料构成与完整生成流程，读者可据此评估 Indic 预训练数据的可复用程度。
Hugging Face Blog精选AI 评分8787 Meta 开源 Muse Spark Open：816B 参数多模态 MoE 模型
Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens。
推荐理由：Meta 开源 816B 参数 MoE 多模态模型，给出完整部署、微调与量化运行配方，可据此评估自托管成本。
The Decoder精选AI 评分7878 Black Forest Labs 发布开源图像模型 FLUX 3 Image Klein，8GB 显存可跑
Black Forest Labs 发布 FLUX 3 Image Klein，这是一个 5.6B 参数的开源权重模型，支持文生图、图像编辑以及最多十张参考图的生成，原生支持 4K 输出、像素级精确编辑和用于元素定位的 bounding box。
推荐理由：5.6B 参数开源图像模型在 8GB 显存消费级显卡上跑出 9 秒内出图，可对照其与闭源模型的 Elo 差距。
The Decoder精选AI 评分8080 GPT-6-Astra 在 TheoPhysEval 上解出 50 道物理研究题中的 49 道，每题约 2.40 美元
一项新基准让商用 AI 智能体在无人类提示下求解理论物理研究题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 答对 50 题中的 49 题（98%），平均每题成本不到 3 美元，整轮约 116 美元。
推荐理由：通过 TheoPhysEval 基准的分数、成本与失败案例，读者能看到当前智能体在理论物理计算上的真实边界。
Hugging Face Blog精选AI 评分7878 Black Forest Labs 发布 FLUX.3 Image Klein，Diffusers 首日支持
Black Forest Labs 发布 FLUX.3 Image Klein，一个模型同时支持文生图、多参考图生图和边界框布局控制，Diffusers 首日即可运行。
推荐理由：FLUX.3 Image Klein 在 Diffusers 首日支持，并新增用边界框控制画面布局的能力，读者可据此了解文生图与图像编辑的新交互方式。
Hugging Face Blog精选AI 评分6262 Apertus 1.5 发布：8B 和 70B 模型新增图像音频理解与思考模式
Apertus 1.5 在 8B 和 70B 模型上新增图像与音频理解、可选思考模式，上下文窗口扩展至 262,144 tokens，为 1.0 的 4 倍，并改进指令遵循与工具调用。
推荐理由：Apertus 1.5 在 8B 和 70B 上加入图像音频理解与思考模式，并公开训练数据与中间检查点，可据此判断开源多模态模型的开放程度。
Hugging Face Blog精选AI 评分7676 作者用 ML Intern 两天自建六个模型，总花费约 103 美元
作者借助 HuggingChat 中的 ML Intern，在两天内做出六个模型，包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy LoRA、相机视角 LoRA、Doodle-in LoRA 和 Agate 4-step 蒸馏模型，总计算成本约 103 美元。
推荐理由：作者用 ML Intern 在两天内自建六个模型，公开了完整提示词与成本明细，可迁移到自己的训练流程。
Hugging Face Blog精选AI 评分6262 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和反馈驱动的推理循环做出两个专精系统，分别在 IOI 2026 和 IMO 2026 达到金牌水平。
推荐理由：原文给出从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与开源资产，可看领域专精模型如何与推理循环协同。
AWS Machine Learning Blog精选AI 评分6060 GLM 5.3 上线 Amazon Bedrock
智谱（Z.ai）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码和长程智能体任务优化。Bedrock 提供全托管 API、跨区域推理、提示词缓存和服务层级，支持 OpenAI 兼容的 Responses 与 Chat Completions API 以及 Invoke 和 Converse API。
推荐理由：GLM 5.3 以 753B MoE 模型上线 Amazon Bedrock，读者可了解其编码与长程智能体能力及托管接入方式。
Hugging Face Blog精选AI 评分8282 Reflection 开源 501B 模型 Beam，Apache 2.0 许可
美国新实验室 Reflection 的首个模型 Beam 在 Hugging Face 开源，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持 1M token 上下文，Apache 2.0 许可，面向编码与智能体场景。
推荐理由：Hugging Face 给出 Beam 的架构细节、量化版本与 vLLM/SGLang 部署命令，可据此评估自托管成本。
Hugging Face Blog精选AI 评分7171 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再依据终端后端状态和副作用而非模型生成的文字来判定任务成败。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出可复现的 OpenEnv 运行方式。
Hugging Face Blog精选AI 评分6161 Ai2 开源科学报告生成模型 AstaBrief 8B
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，已在 Asta 的 Generate a report 功能中以 Fast 模式上线，同时开放模型权重和训练数据。
推荐理由：原文给出 AstaBrief 的训练数据构造与过滤细节，读者可据此判断小模型做科学报告生成的可行路径。