NVIDIA 开源表格基础模型 Kumo Tabular，单次前向预测登顶四大基准
NVIDIA 发布开源表格基础模型 Kumo Tabular，对带标签的表格数据在单次前向传播中完成分类或回归预测，无需训练、调参或特征工程。
推荐理由：官方发布开放表格基础模型，用上下文学习免训练预测，作者给出了架构细节和基准表现，读者可以评估它是否适合替换现有梯度提升树流程。
#数据/训练
#数据/训练
今日 0 条Hugging Face Blog精选AI 评分6060
Latent Space精选AI 评分7979 Xiaomi 发布 MiMo-V2.6-Pro 1T-A42B 开源全模态模型，训练成本约 300 万美元
Xiaomi 发布 MiMo-V2.6 系列，含 Pro、Flash 两个原生全模态模型及 20 倍加速输出的 Pro-UltraSpeed，MiMo-V2.6-Pro 以 1.02T 总参数/42B 激活参数登上 Artificial Analysis Intelligence Index 开源权重模型榜首（46 分）。
推荐理由：汇总了 MiMo-V2.6-Pro 的开源权重、价格与 RL 训练细节，读者可以了解小米进入前沿模型行列的具体依据。
Microsoft ResearchAI 评分4444 Microsoft Research 扩大 Skala 开放范围，加速迈向可预测的 DFT
Microsoft Research 发布 Skala 1.1，训练数据较上一版增加 2.5 倍，在 GMTKN55 基准的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol，并以 meta-GGA 的计算成本超越最昂贵的 global hybrid 泛函。
Google Research精选AI 评分6363 Google 发布表格数据零样本基础模型 TabFM
Google Research 发布面向表格数据分类与回归的零样本基础模型 TabFM，将表格预测重构为上下文学习问题，免去人工训练、调参和特征工程。
推荐理由：官方介绍了把表格预测重构为上下文学习问题的模型设计、合成数据训练方式和 TabArena 基准结果，读者可据此评估其对传统表格机器学习流程的影响。
Hugging Face BlogAI 评分5656 NVIDIA 发布 Nemotron 3.5 Content Safety 多模态内容安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，将多模态输入、12 种语言显式训练覆盖、自定义策略执行和可审计推理轨迹统一到一次推理调用中。
Hugging Face Blog精选AI 评分6666 Hugging Face 发布 Ettin Reranker 系列：6 个 Apache 2.0 交叉编码器重排序模型
Hugging Face 的 Tom Aarsen 发布 ettin-reranker-v1 系列，含 17M 到 1B 六个 Sentence Transformers CrossEncoder 重排序模型，基于 Ettin ModernBERT 编码器，Apache 2.0 许可，支持最长 8192 token 上下文。
推荐理由：作者公开了六个模型、完整训练脚本和1.43亿条蒸馏数据，并给出与主流reranker的速度和精度对比，便于按规模选型或自行复现训练。
Hugging Face Blog精选AI 评分6464 IBM Granite 4.1 系列模型发布并详解训练过程
IBM Granite 团队发布 Granite 4.1 系列 dense 模型，含 3B、8B、30B 三个规模，在约 15T tokens 上训练，上下文经长文本扩展达 512K，均以 Apache 2.0 许可开源。
推荐理由：原文完整披露了五阶段预训练、SFT 质控和四阶段 RL 的训练配方，8B 稠密模型对标上一代 32B-A9B MoE 的结果也可供选型参考。
Hugging Face Blog精选AI 评分6262 TII 发布 Falcon Perception 0.6B 早融合感知模型及 0.3B Falcon OCR
TII Falcon Vision 团队发布 Falcon Perception，一个 0.6B 参数的早融合 Transformer，用混合注意力掩码处理图像块与文本，做自然语言提示的开放词汇定位与分割，在 SA-Co 上达到 68.0 Macro-F1（SAM 3 为 62.3），但在 presence calibration 上落后（MCC 0.64 vs 0.82）。
推荐理由：TII 自述用单一早融合 Transformer 做开放词汇感知，读者可以看到架构、数据配方和 SA-Co 与 PBench 上的具体对比依据。
Hugging Face BlogAI 评分4545 Microsoft 提出 Differential Transformer V2：更快解码且无需自定义 kernel
微软团队（Tianzhu Ye、Li Dong、Yutao Sun、Furu Wei）发布 DIFF Transformer V2，在 DIFF V1 基础上让相减的两个 head 共享同一 GQA 组的 key 和 value，不再增加 KV head，解码速度与标准 Transformer 相当，也无需自定义 attention kernel。
Google ResearchAI 评分5858 Google NeuralGCM 论文用卫星观测改进全球长时效降水模拟
Google 发布在 Science Advances 的论文，介绍 NeuralGCM 通过直接在 2001 至 2018 年 NASA 卫星降水观测上训练，改进全球降水模拟能力。
Hugging Face BlogAI 评分4545 TII 推出 Falcon-H1-Arabic：以混合 Mamba-Transformer 架构突破阿拉伯语 AI 边界
Hugging Face 博客宣布推出 Falcon-H1-Arabic 阿拉伯语模型家族，包含 3B、7B、34B 三种规格，采用融合 Mamba（State Space Model）与 Transformer 注意力的混合架构。
Hugging Face BlogAI 评分4949 NVIDIA 发布 600 万条多语言推理数据集 Nemotron Post-Training Dataset v2
NVIDIA 发布 600 万条多语言推理数据集 Nemotron Post-Training Dataset v2，将原有英文推理数据翻译为法语、西班牙语、德语、意大利语和日语五种语言，并保留原始英文推理链。
Hugging Face BlogAI 评分4646 Kimina-Prover-RL：开源 Lean 4 形式化定理证明训练管线发布
Numina 与 Kimi 开源 kimina-prover-rl，一个基于 DeepSeek-R1 推理范式、与 Verl 完全兼容的 Lean 4 形式化定理证明训练管线，采用 GRPO 强化学习并配套 kimina-lean-server 验证服务。
Hugging Face BlogAI 评分5353 BSC-LT 发布 Visual Salamandra 7B 多模态模型，支持图像与视频理解
巴塞罗那超级计算中心语言技术实验室发布 Visual Salamandra，基于 Salamandra Instructed 7B，集成 SigLIP-So400m 视觉编码器、2 层 MLP 投影层和 late-fusion 技术，可处理单图、多图、视频和纯文本输入。
Hugging Face Blog精选AI 评分6666 NVIDIA GTC 2025 发布 Cosmos Transfer、Physical AI Dataset 与人形机器人基础模型 Isaac GR00T N1
NVIDIA 在 GTC 2025 上发布三项面向物理 AI 的开源资源：70 亿参数的 Cosmos Transfer 世界基础模型、含超过 32 万条轨迹共 15 TB 数据的 Physical AI Dataset，以及首个开放的人形机器人推理与技能基础模型 NVIDIA Isaac GR00T N1。
推荐理由：官方一次放出 Cosmos Transfer、开放数据集和 GR00T N1 三项资源，开发者可直接获取模型权重与数据用于机器人和自动驾驶研发。
Hugging Face Blog精选AI 评分6464 Hugging Face Open-R1 项目一周进展：复现 DeepSeek-R1 评测、训练管线与合成数据
Hugging Face 发布 Open-R1 项目启动一周后的进展更新，目标复现 DeepSeek-R1 缺失的训练管线与合成数据。
推荐理由：官方一周进展报告给出可复现的评测数字、GRPO 训练管线与大规模推理生成的具体配置，读者可以直接沿用其工程做法。
Hugging Face BlogAI 评分5959 IBM 联合高校发布混合 Mamba2 模型 Bamba-9B，vLLM 推理吞吐提升 2.5 倍
IBM、Princeton、CMU 和 UIUC 发布基于完全开放数据训练的混合 Mamba2 模型 Bamba-9B，在 vLLM 中相比标准 transformer 实现最高 2.5 倍吞吐提升和 2 倍延迟加速。
Hugging Face BlogAI 评分5858 Cohere For AI 发布 Aya Expanse 8B 与 32B 开源权重多语言模型
Cohere For AI 发布 Aya Expanse 8B 和 32B 开源权重模型。在 Arena-Hard-Auto 23 语言成对对比中，Aya Expanse 32B 胜过 Gemma 2 27B。
Hugging Face Blog精选AI 评分6161 TII 发布首个无注意力 7B 强模型 Falcon Mamba
阿布扎比 TII 基于 Mamba 架构发布开源模型 Falcon Mamba 7B，采用 TII Falcon Mamba 7B License 1.0，称在 LLM Leaderboard 两版基准上平均分领先多数同类 Transformer 与 SSM 模型。
推荐理由：原文给出架构设计、训练数据和两版评测基准数字，读者可据此判断无注意力 7B 模型与主流 Transformer 的差距。
Hugging Face Blog精选AI 评分8888 Meta 发布 Llama 3.1（8B/70B/405B），支持 128K 上下文与多语言
Meta 发布 Llama 3.1 系列，在 Hugging Face Hub 上线 8B、70B、405B 三个规模共 8 个开放权重模型，上下文长度提升至 128K tokens，支持 8 种语言和工具调用。
推荐理由：官方发布说明覆盖了三个规模、内存需求和量化权重，读者可以据此选择适合自己硬件的部署与微调路径。
Hugging Face Blog精选AI 评分6464 Hugging Face 发布 SmolLM 小型模型系列，含 135M、360M 和 1.7B 三种规格
Hugging Face 发布 SmolLM 小型语言模型系列，提供 135M、360M 和 1.7B 三种参数规模，并同步开源训练语料 SmolLM-Corpus。
推荐理由：官方公开了小型模型的数据配比、训练细节和完整语料，同档评测结果与端侧部署信息都可查证，适合关心小模型训练的人参考。
Hugging Face BlogAI 评分5858 StarCoder2-15B-Instruct-v0.1 发布：完全透明且许可开放的自对齐代码模型
Hugging Face 团队发布 StarCoder2-15B-Instruct-v0.1，首个采用完全透明、许可开放管线的自对齐代码 LLM，无需人工标注或从专有大模型蒸馏数据。
Hugging Face Blog精选AI 评分8383 Meta 发布 Llama 3，8B 与 70B 模型上线 Hugging Face
Meta 发布 Llama 3 开源模型，提供 8B 和 70B 两种规模，各有 base 与 instruct 版本，并附基于 Llama 3 8B 微调的 Llama Guard 2，全部上架 Hugging Face Hub。
推荐理由：官方发布说明完整给出模型规格、许可证变化和部署微调路径，读者可据此评估升级与迁移成本。
OpenAI News精选AI 评分7878 OpenAI 发布基于 Transformer 与无监督预训练的语言理解系统
OpenAI 宣布以可扩展、任务无关的系统在多项多样化语言任务上取得 SOTA 结果，并开放发布该系统。方法结合 Transformer 与无监督预训练两个已有思路，团队认为结果证明了监督学习搭配无监督预训练的有效性，希望推动在更大更多样数据集上的进一步研究。
推荐理由：原文给出无监督预训练加 Transformer 的方法组合和多任务 SOTA 结果，可帮读者理解预训练思路的实际成效。
OpenAI News精选AI 评分6262 OpenAI 谈 Dota 2 结果：自博弈如何让系统从远低于人类跃升至超人类
OpenAI 表示其 Dota 2 结果表明，在足够算力下自博弈能让机器学习系统从远低于人类水平跃升至超人类。系统在一个月内从勉强匹敌高排名玩家进步到击败顶尖职业选手，且此后仍在提升；与监督深度学习受限于训练数据不同，自博弈系统的数据会随智能体变强而自动改善。
推荐理由：官方复盘解释了 Dota 2 自博弈为何能在一个月内从低于人类跃升到超越顶尖选手，比较了监督学习与自博弈的数据获取差异。
OpenAI News精选AI 评分6262 OpenAI 发布无监督情感神经元，仅凭预测下一字符学得情感表示
OpenAI 开发了一个无监督系统，仅在 Amazon 评论文本上训练预测下一个字符，却学到了优秀的情感表示。方法无需情感标注数据。
推荐理由：原文说明模型仅靠预测 Amazon 评论下一字符就学到优秀情感表示，展示了无监督表征的潜力。