Photoroom 详解 PRX 系列第四篇：文生图模型的预训练数据策略
Photoroom 发布 PRX 系列第四篇博客，详解其 7B 文生图模型的预训练数据策略，包括用 Lance 建库、Mosaic Streaming（MDS）供流、分辨率与长宽比分桶等核心环节。
#开源生态
#开源生态
今日 0 条Hugging Face BlogAI 评分5656 Hugging Face BlogAI 评分5353 Hugging Face Kernels 项目大版本更新：新增 kernel 仓库类型、签名机制与智能体开发支持
Hugging Face 官方博客总结 🤗 Kernels 项目近几个月的重大更新。Hub 新增 kernel 仓库类型，可查看内核支持的加速器、操作系统和后端版本；默认只加载受信任发布者的内核，非受信来源需显式传 trust_remote_code=True，并引入基于 Sigstore cosign 的代码签名（加载时尚未默认验证）。
Hugging Face BlogAI 评分5252 Hugging Face 与 Cerebras 联合展示 Gemma 4 实时语音 AI 方案
Hugging Face 与 Cerebras 发布开源级联语音到语音管线，语音识别用 Nvidia Parakeet，语言模型为 Google DeepMind Gemma 4 31B 并在 Cerebras 上推理，语音合成用 Qwen3TTS。
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5353 Hugging Face 模型页面上线 Every Eval Ever 评测结果展示与互传功能
Hugging Face 宣布 Every Eval Ever（EEE）与 Community Evals 互通，支持交叉发布评测结果并链接完整 EEE 记录，官方账号提交的结果在 EvalEval 显示认证标记。
Hugging Face BlogAI 评分4444 FFASR 远场语音识别排行榜发布：在真实声学环境下评测 ASR
Treble Technologies 与 Hugging Face 联合推出 FFASR Leaderboard，首个开放的社区驱动远场 ASR 基准，覆盖 14 个模拟房间并与实测数据做了 sim-to-real 验证。
Hugging Face BlogAI 评分4949 Chrome 团队在 Transformers.js 中实验 Cross-Origin Storage API
Google Chrome 团队的 Thomas Steiner 在 Transformers.js 中实验了尚处早期提案阶段的 Cross-Origin Storage API。
Hugging Face BlogAI 评分5050 PP-OCRv6 登陆 Hugging Face：1.5M 至 34.5M 参数的 50 语言 OCR 模型家族
PaddlePaddle 发布 PP-OCRv6，提供 tiny、small、medium 三档模型，参数量从 1.5M 到 34.5M，medium 和 small 档支持 50 种语言。
OpenAI NewsAI 评分4747 OpenAI 推出 Patch the Planet：Daybreak 计划支持开源维护者
OpenAI 推出 Patch the Planet，这是 Daybreak 旗下的一项计划，旨在帮助开源维护者借助 AI 和专家评审来发现、验证并修复安全漏洞。
Hugging Face Blog精选AI 评分6565 Hugging Face 用 gemma-4-26b-a4b 和 qwen3.6-35b-a3b 本地模型实时分诊 OpenClaw 仓库 PR
Hugging Face 博客介绍了 localpager 系统，用 pi agent harness 加受限只读 shell reposhell，在 NVIDIA GB10（DGX Spark。
推荐理由：作者分享了本地模型加受限 shell 做高吞吐分类的完整配方，附带 330 条评测对比，可迁移到其他信息过滤场景。
Hugging Face Blog精选AI 评分6666 Hugging Face 实测多款 PEFT 技术：LoRA 表现良好但未必是最佳选择
Hugging Face 在 PEFT 库中 added LLM 数学微调和图像生成两个基准，用相同模型、数据、代码和硬件对比 40 多种 PEFT 技术，并追踪 VRAM、遗忘、运行时间和 checkpoint 大小等指标。
推荐理由：Hugging Face 用统一条件的基准实测多种 PEFT 技术，给出 LoRA 并非处处最优的证据和其他技术在两个任务上的具体取舍数据。
Hugging Face BlogAI 评分5252 Hugging Face 发布 agent-eval：用自建基准评测开源模型对 transformers 的智能体使用
Hugging Face 发布 agent-eval 基准工具，不只看最终答案，而是测量智能体完成任务所需的轮次、token、时间和失败情况，全部由开源模型通过 pi 编码智能体驱动并跑在 Hugging Face Jobs 上。
Hugging Face Blog精选AI 评分6464 AWS Strands Robots 集成 LeRobot：从 Hugging Face Hub 数据集到实体机器人硬件
AWS 开源 SDK Strands Robots 将 LeRobot 栈封装为 AgentTools，可用单个 Strands agent 完成录制演示数据、运行策略、部署到实体 SO-101 和多机器人协调。
推荐理由：AWS 官方 walkthrough 给出从 Hub 数据集到实体 SO-101 机器人的完整可运行示例，仿真与硬件共享同一 LeRobotDataset 格式，可迁移到自己的机器人工作流。
Hugging Face Blog精选AI 评分7777 智谱发布旗舰模型 GLM-5.2，主打 1M 上下文长时程任务
智谱发布旗舰模型 GLM-5.2，面向长时程任务，首次在稳定的 1M-token 上下文上交付该能力，采用 MIT 开源协议。架构上提出 IndexShare，每 4 层稀疏注意力共享一个 indexer，1M 上下文下每 token FLOPs 降低 2.9 倍，并改进 MTP 层使投机解码接受长度最多提升 20%。
推荐理由：官方技术报告给出 1M 上下文的架构改进和三项长时程基准对比，读者可以借此评估开源模型在真实编码场景的可用性。
Google DeepMind精选AI 评分7272 Google DeepMind 发布开源实验模型 DiffusionGemma，GPU 文本生成最高提速 4 倍
Google DeepMind 发布基于文本扩散的开源实验模型 DiffusionGemma，采用 Apache 2.0 协议，权重已在 Hugging Face 上提供。
推荐理由：官方说明了文本扩散模型的架构取舍与适用场景，读者可据此判断它是否适合本地低并发的高吞吐需求。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemma 4 12B：无编码器的统一多模态模型
Google DeepMind 发布 Gemma 4 12B，采用无编码器的统一多模态架构，视觉和音频输入直接进入 LLM backbone，支持原生音频输入。
推荐理由：原文给出了架构细节、内存门槛和许可证等可验证事实，读者可据此评估本地部署多模态模型的可行性。
Hugging Face Blog精选AI 评分7474 Hugging Face Spaces 通过 agents.md 让 Agent 链式组合搭建 3D 巴黎地标画廊
Hugging Face 工程师让一个编码 Agent 通过调用两个 Spaces（ideogram-ai/ideogram4 图像生成和 VAST-AI/TripoSplat 单图转 3D Gaussian splat）搭建了巴黎地标 3D 画廊 mishig/monuments-de-paris，全程未手动使用图像生成或 3D 工具。
推荐理由：作者亲历一次完整流水线复现，给出可复用的 agents.md 调用方法和链式组合思路，读者可照做搭建自己的多媒体 Agent 应用。
Hugging Face BlogAI 评分5252 开源社区多方共建 OpenEnv，推动开源智能体 RL 环境标准化
Hugging Face 宣布 OpenEnv 转为由多方委员会协调的开源项目，委员会成员包括 Meta-PyTorch、Unsloth、Modal、Nvidia、Microsoft 等。
Hugging Face BlogAI 评分4949 Reachy Mini 如何通过 MCP 调用 Hugging Face Spaces 上的工具
Reachy Mini 对话应用现在可以通过 MCP 调用托管在公开 Hugging Face Spaces 上的远程工具，无需修改应用即可为机器人添加查天气、搜索网页等新能力。
Hugging Face Blog精选AI 评分7070 Hcompany 发布 Holo3.1 系列 Computer Use 模型，支持量化本地部署
Hcompany 发布 Holo3.1 系列 Computer Use 模型，提供 0.8B、4B、9B 和 35B-A3B 四种尺寸。
推荐理由：官方给出各尺寸在 OSWorld 与 AndroidWorld 的量化后表现和部署路径，读者可据此评估本地 Computer Use Agent 的可行性。
Hugging Face BlogAI 评分5959 JetBrains 发布 12B 开源 MoE 模型 Mellum2
JetBrains 发布 Mellum2，一个总参数 12B、每 token 仅激活 2.5B 的开源 Mixture-of-Experts 模型，在自然语言和代码语料上从头训练，采用 Apache 2.0 许可证。
Hugging Face BlogAI 评分5858 TRL 推出 Delta Weight Sync：通过 HF Bucket 只传 RL 权重变化量
Hugging Face 在 TRL 中合入 Delta Weight Sync 功能（PR huggingface/trl#5417），将相邻 RL 步之间约 99% 未变化的 bf16 权重剔除，只编码变化元素为稀疏 safetensors 文件，经 Hub Bucket 供 vLLM 拉取。
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 BlogAI 评分5353 PaddleOCR 3.5 发布，支持用 Hugging Face Transformers 作为推理后端
PaddleOCR 3.5 通过新增 engine 参数让支持的模型（如 PP-OCRv5、PaddleOCR-VL 1.5）可用 Hugging Face Transformers 作为推理后端，并提供 engine_config 配置 dtype、设备与 attention 实现等选项。
Hugging Face Blog精选AI 评分6262 IBM 发布 Granite Embedding Multilingual R2 两款 Apache 2.0 多语言嵌入模型，支持 32K 上下文
IBM 发布 Granite Embedding Multilingual R2 两款 Apache 2.0 多语言嵌入模型：97M 紧凑版在 MTEB Multilingual Retrieval 得 60.3。
推荐理由：原文给出完整基准数据、训练方法与框架集成示例，读者可按规模和场景直接选型。
Berkeley AI ResearchAI 评分4848 Berkeley AI Research 解析 Adaptive Parallel Reasoning：高效推理扩展的下一个范式
Berkeley AI Research 发布对并行推理领域的综述分析，主张让模型自主决定何时分解任务、并行多少线程以及如何协调。文章指出串行推理 token 线性增长会导致上下文过载（context-rot）和长达数十分钟的延迟，并评述了 ParaThinker、GroupThink、Hogwild! Inference 等近期方法，指出现有方法的并行结构仍由外部固定设定，而非模型自适应决定。
Google ResearchAI 评分3131 Google Research 通过全球合作与开放资源推动科学影响力
Google Research 阐述其开放科学理念，通过开源工具、开放数据集与全球科研合作推动科学进步，已服务超过 250,000 名研究者和开发者。
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 BlogAI 评分4444 DeepInfra 正式接入 Hugging Face Inference Providers
DeepInfra 现已成为 Hugging Face Hub 支持的 Inference Provider，为开发者提供按 token 计价的低成本 serverless 推理服务。
Hugging Face Blog精选AI 评分8383 DeepSeek 发布 V4：MoE 双检查点上线 Hub，主打百万 token 上下文的 Agent 能力
DeepSeek 发布 V4，在 Hub 上开源 DeepSeek-V4-Pro（1.6T 总参数 / 49B 激活）和 DeepSeek-V4-Flash（284B 总参数 / 13B 激活）两个 instruct 及对应 base 检查点，均支持 1M token 上下文。
推荐理由：文章拆解了 V4 为长上下文与 Agent 场景做的架构与后训练设计，读者可据此评估开源模型跑长任务的部署成本。
OpenAI NewsAI 评分4848 OpenAI 发布 Privacy Filter：开放权重的文本 PII 检测与脱敏模型
OpenAI 发布 Privacy Filter，一个开放权重（open-weight）模型，用于检测并脱敏文本中的个人身份信息（PII），准确率达到当前最先进水平。
Hugging Face BlogAI 评分4646 QIMMA：一个质量优先的阿拉伯语 LLM 排行榜
Hugging Face 推出 QIMMA（قِمّة，意为“峰顶”），先对基准做质量校验再评估模型，确保分数反映真实的阿拉伯语能力。QIMMA 整合 14 个基准的 109 个子集、超 52,000 样本，覆盖文化、STEM、法律、医疗、安全、文学和代码 7 个领域，99% 为原生阿拉伯语内容。
Hugging Face Blog精选AI 评分6060 Hugging Face 谈 AI 与网络安全的未来：为什么开放性至关重要
Hugging Face 发文分析网络安全进入 AI 加速时代后的格局，认为关键在于模型所嵌入的系统而非模型本身，开放生态可在检测、验证、协调、补丁四个阶段分散风险、缩小攻防能力差距。文章主张防御方采用半自主 AI 智能体，配合开源安全工具在组织内部署，并保留人类审批与可审计的决策日志。
推荐理由：原文从 Mythos 出发分析开放生态为何是防御方的结构性优势，并给出半自主智能体的可行防御路线。
Google ResearchAI 评分3838 Google Research 用 AI 生成的合成神经元加速大脑连接组重建
Google Research 的 MoGen 模型基于 PointInfinity point cloud flow matching，用 1,795 条经人工验证的小鼠轴突训练生成合成神经元形态，扩充 PATHFINDER 重建模型的训练数据。
Hugging Face Blog精选AI 评分7373 Hugging Face 发布 transformers 到 mlx-lm 的模型移植 Skill 与测试套件
Hugging Face 发布一个 Skill 和独立测试套件，帮助贡献者把 transformers 模型移植到 mlx-lm，模型进入 transformers 后可更快在 MLX 上可用。
推荐理由：原文给出一个可复用的 Skill 加非智能体测试套件，并总结了让智能体 PR 符合开源惯例的具体规则，可迁移到其他项目。
Hugging Face BlogAI 评分3333 Hugging Face 开源 Ecom-RLVE：面向电商对话智能体的自适应可验证环境
Hugging Face 将 RLVE 框架从单轮推理任务扩展到多轮、带工具调用的电商对话场景，推出 EcomRLVE-GYM，提供 8 个可算法验证的环境，如商品发现、换货、购物车构建、订单追踪等。
Hugging Face Blog精选AI 评分6363 Sentence Transformers 多模态嵌入与重排模型训练微调教程：以 Qwen3-VL-Embedding-2B 微调视觉文档检索为例
Hugging Face 博客讲解如何用 Sentence Transformers 训练和微调多模态嵌入与重排模型，以 Qwen/Qwen3-VL-Embedding-2B 在 Visual Document Retrieval 任务上微调为例。
推荐理由：作者用 Qwen3-VL 完整走通多模态嵌入微调流程，NDCG@10 从 0.888 提到 0.947，方法可直接迁移到自己的领域数据。
Hugging Face BlogAI 评分5353 Safetensors 加入 PyTorch Foundation
Hugging Face 宣布 Safetensors 作为基金会托管项目加入 PyTorch Foundation（隶属 Linux Foundation），与 DeepSpeed、vLLM、Ray 等并列。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemma 4 开源模型，E2B/E4B/26B MoE/31B 四尺寸
Google DeepMind 发布 Gemma 4 开源模型，基于 Gemini 3 技术，主打高级推理和智能体工作流。提供 E2B、E4B、26B MoE（推理时仅激活 3.8B 参数）和 31B Dense 四种尺寸，31B 在 Arena AI 文本排行榜上位列全球开源模型第 3，采用 Apache 2.0 许可，支持 128K-256K 上下文窗口、原生多模态和 140+ 语言。
推荐理由：原文给出了四个尺寸、基准排名和部署细节，读者可以据此判断在本地和端侧硬件上的可用性。
Hugging Face Blog精选AI 评分8282 Google DeepMind 发布 Gemma 4 多模态模型系列并登陆 Hugging Face
Google DeepMind 发布 Gemma 4 多模态模型系列，共五个尺寸（E2B、E4B、12B Unified、31B、26B A4B MoE），采用 Apache 2.0 许可，支持图像、文本和音频输入，上下文窗口最高 256K。
推荐理由：Hugging Face 官方详解 Gemma 4 架构、多模态能力与全生态部署方式，还覆盖 DiffusionGemma 和推理加速等上手细节。