特朗普政府公布 AI 安全自我监管协议《前沿责任联合承诺》全文
特朗普政府公布 AI 安全自我监管协议《前沿责任联合承诺》（Joint Commitment on Frontier Responsibilities），由 David Sacks 公开。
#Meta
#Meta
今日 4 条The Verge · AIAI 评分5757 The Verge · AIAI 评分4848 Instagram 将在 Edits 应用中加入 AI“创意助手”指导发帖
Instagram 宣布在独立 Edits 应用中推出 AI“创意助手”，基于用户账号数据为创作者提供发帖建议。该助手可调用点赞、观看量、视频留存率和分享等指标，回答关于流行趋势、内容表现及文案、音频、脚本创作等问题，对创作者免费，重度用户可购买 Meta One 订阅获得更多用量。YouTube 也刚宣布了类似的 AI 创作者数据面板更新。
TechCrunch · AIAI 评分5858 Meta 否认 Muse 在未经许可的情况下读取用户私人信息
针对专栏作家 Jason Aten 指控 Meta AI 智能体 Muse 未经许可读取其 Mac 私人信息，Meta 高管 Andy Stone 与 David Singleton 回应称读取信息需开启 Full Disk Access 并经应用与 macOS 系统多层权限确认，即使存在 bug 也无法绕过。
TechCrunch · AIAI 评分5959 消费级AI的残酷经济学：付费率增长缓慢，行业转向企业市场
TechCrunch 分析消费级AI的商业困境：截至5月仅2.2%消费者为AI付费、月均31美元，模型性能大幅提升（GPT-5.2到Astra）也未改变付费增长；按Netflix规模的34美元客单价测算年化收入约110亿美元，不足OpenAI运营成本的三分之一。
The Verge · AIAI 评分6464 OpenAI 在 DevDay 发布 Dots 智能体，对标 Meta 免费 Muse
OpenAI 在 DevDay 上发布由 GPT-6 Astra 驱动的智能体 Dots，定位为可委派长周期知识工作的付费专业工具，暂时仅面向每月 20 美元起的 Pro 及以上订阅用户。
The Verge · AIAI 评分5555 Meta 与 OpenAI 先推可爱 AI 智能体试水，再进军专用硬件
The Verge 报道，Meta 和 OpenAI 正以可爱软件智能体为硬件铺路。Meta 计划在今年假日购物季前推出带屏幕、形似钥匙扣的 Muse Charm 设备；OpenAI 在 DevDay 发布智能体平台 Dots，与 Jony Ive 合作的硬件按公开文件最早 2027 年 2 月出货。
The DecoderAI 评分7272 Meta 将 AI 数据中心归为“试验模型”，2025 年省税 39 亿美元
据纽约时报报道，Meta 通过把 AI 数据中心归为“试验模型”、Nvidia 芯片归为实验材料，利用 1981 年联邦研究税收抵免 2025 年省下 39 亿美元，高于前一年的 20 亿和 2023 年的 7 亿美元，是上市公司中最大受益者。
The Verge · AIAI 评分7070 六家科技巨头签署前沿责任联合承诺，取代联邦 AI 监管
特朗普在宴请六位科技公司负责人后表示，AI 安全由「世界上最聪明的人互相监督」，以自律承诺取代联邦监管，并称相关担忧因其将 AI 改称「超级智能」而不再适用。
The Verge · AIAI 评分5252 Meta Muse AI 智能体动态汇总：发布、外设与争议
Meta 发布 Muse AI 智能体，宣称可代发邮件、在线购物，前提是用户愿把数据和信用卡交给它。Meta 还公布了类似 Tamagotchi 的 Muse Charm 配件、Mac 应用、智能眼镜集成等计划，但产品也出现地址泄露、漏洞被攻击者控制等问题，Amazon 已封禁 Muse 智能体。
Simon WillisonAI 评分3838 John Gruber 谈 Meta Muse：可爱外表下的强大与危险
John Gruber 评价 Meta 的 Muse：它为每位用户提供运行在 Meta 云端的专属持久 Linux VM，是首个消费者可用的 agentic AI 系统，安装使用简单、以吉祥物形象呈现。但他警告，消费者可能并未意识到 Muse 有多强大、因而多危险，尤其是运行在 Mac 上时。
Latent SpaceAI 评分5454 Latent Space 公布 AINews v3 改版计划并汇总本周 AI 动态
Latent Space 主笔 swyx 宣布 AINews v3 计划，将合并 Discord 与 AINews 的功能、探索迁移至 Beehiiv，并重新开放赞助（business@latent.space）与 PR/tips 投稿。
Hugging Face Blog精选AI 评分7979 Meta 开源多模态模型 Muse Glimmer-30B，主打本地智能体场景
Meta 发布 30B 参数开源多模态模型 Muse Glimmer，从 Muse 蒸馏而来，采用 Apache 2.0 许可，定位于本地智能体场景如编码、文档分析和个人助理。
推荐理由：原文给出架构细节、跑分对比和多套部署方案，读者可据此评估其在本地多模态智能体场景的可用性。
Import AIAI 评分4848 Import AI 467：自持自复制的 AI 病毒、AI 进展节奏与 AI 与创造力的困惑
多伦多大学、Vector Institute、剑桥大学与 ServiceNow 的研究者构建了一个用开源权重 LLM 驱动的自复制计算机蠕虫原型：被攻陷主机的 GPU 上运行 LLM 进行推理，自主发现漏洞并感染新目标，单 GPU（80GB A100）即可运行且不依赖厂商 API。漏洞检测成功率约 80%，利用约 53%，自复制 88%，完整攻击总体成功率约 37%。
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。
Berkeley AI ResearchAI 评分4444 Berkeley AI Research 提出 GRASP：面向更长时程世界模型的梯度规划方法
Berkeley AI Research 提出 GRASP，一种基于梯度的世界模型规划器，让长时程规划更稳定可靠。其核心做法有三点：把轨迹提升到虚拟状态使优化在时间上并行、在状态迭代中直接引入随机性以实现探索、重塑梯度让动作获得干净的信号并避开脆弱的“状态-输入”梯度。
Hugging Face BlogAI 评分3232 OpenMed 用 165 美元跨 25 物种训练 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。在对比多种 transformer 架构后，CodonRoBERTa-large-v2 胜出，困惑度 4.10、Spearman CAI 相关性 0.40，显著超过 ModernBERT；团队随后扩展到 25 个物种，用 55 GPU 小时训练了 4 个生产模型，建立了其他开源项目没有的物种条件化系统。
Hugging Face BlogAI 评分5454 Turing 基于 OpenEnv 构建 Calendar Gym 评估真实环境中的工具调用智能体
Turing 在 Meta 与 Hugging Face 的开源框架 OpenEnv 上构建了生产级日历管理环境 Calendar Gym，用于在访问控制、时间推理和多智能体协调等真实约束下评估工具调用智能体。
Hugging Face BlogAI 评分3535 Alyah：面向阿拉伯语 LLM 阿联酋方言能力的稳健评测基准
Hugging Face 团队推出 Alyah（意为阿联酋方言中的"北极星"），一个评测阿拉伯语大模型阿联酋方言能力的基准，包含 1,173 个由母语者人工采集的多选题样本，覆盖问候语、诗歌、历史遗产和方言语言等类别。
Hugging Face BlogAI 评分5858 Meta 与 Hugging Face 联合推出 OpenEnv 智能体环境 Hub
Meta-PyTorch 与 Hugging Face 联合推出 OpenEnv Hub，一个共享开放的智能体环境社区平台，同时发布 OpenEnv 0.1 规范（RFC）征集社区反馈。
Hugging Face Blog精选AI 评分6868 BigCode 发布 BigCodeArena：通过代码执行端到端评判代码生成模型
BigCode 发布 BigCodeArena，一个通过真实执行来评判代码生成模型的人类投票平台，支持 10 种语言和 8 种执行环境，开放无需注册。上线 5 个月收集 14K 对话、4700+ 偏好投票，Elo 排名中 o3-mini 和 o1-mini 居首。
推荐理由：基于5个月社区执行评估数据发布代码生成评测平台，给出分语言和执行环境的模型表现差异与两个新基准。
Hugging Face Blog精选AI 评分6161 Meta 发布 Gaia2 智能体基准及开源评估框架 ARE
Meta 的 Hugging Face 团队发布 GAIA 后续基准 Gaia2 和配套开源框架 Meta Agents Research Environments（ARE），Gaia2 数据集采用 CC BY 4.0 许可，ARE 采用 MIT 许可。
推荐理由：官方发布新基准 Gaia2 和开源评估框架 ARE，含七类任务和主流模型结果，便于开发者调试和评估自己的 Agent。
Hugging Face BlogAI 评分5858 Arm 与 ExecuTorch 0.7 将生成式 AI 带向大规模存量设备
Arm 宣布 ExecuTorch 0.7 beta 中 KleidiAI 默认启用，为 Arm CPU 设备带来自动加速，无需开发者改代码。
Hugging Face BlogAI 评分3737 NVIDIA 在 DeepResearch Bench 上评测开源 Llama Nemotron 模型
NVIDIA 的 AI-Q Blueprint 在 Hugging Face DeepResearch Bench「LLM with Search」榜单登顶，总分为 40.52（截至 2025 年 8 月），是目前完全开源授权方案中的第一名。
Hugging Face Blog精选AI 评分6868 Hugging Face 盘点视觉语言模型年度进展：更好、更快、更强
Hugging Face 发布长文，回顾 2024 年 4 月以来视觉语言模型（VLM）的关键变化与趋势。
推荐理由：Hugging Face 系统梳理了过去一年 VLM 的新架构、多模态 RAG、智能体与安全模型，可作为领域入门与选型参考。
Hugging Face Blog精选AI 评分8080 Meta 发布 Llama 4 Maverick 与 Scout，Hugging Face 同步上线权重与生态支持
Meta 发布 Llama 4 Maverick（约 400B、128 专家）和 Scout（约 109B、16 专家），均为 17B 激活参数的 MoE 原生多模态模型，在最多 40 万亿 token、200 种语言数据上训练。
推荐理由：官方公告给出两款模型的参数、上下文长度与架构细节，读者可以据此评估部署门槛和与 transformers 的集成方式。
Hugging Face Blog精选AI 评分6565 Hugging Face 盘点 Diffusers 中的开源视频生成模型现状
Hugging Face Diffusers 团队发文综述当前开源视频生成模型现状，覆盖 CogVideoX、Mochi-1、HunyuanVideo、LTX Video 等模型及其高资源需求、泛化与延迟等局限。
推荐理由：Diffusers 团队原文梳理了开源视频生成模型现状，并给出实测内存数据和一套可复用的推理与微调优化方法。
Hugging Face BlogAI 评分4444 Self-Speculative Decoding 如何加速 LLM 文本生成
Hugging Face 详解 LayerSkip 提出的 self-speculative decoding：用同一模型的浅层生成草稿 token、深层做验证，兼得加速、内存节省与更低延迟。
Hugging Face BlogAI 评分5252 Hugging Face 与 Atla 推出 Judge Arena，众包评测 LLM 作为评判模型的能力
Hugging Face 与 Atla 推出 Judge Arena 平台，让用户对两个 LLM 评判模型在同一测试样本上的打分与理由进行投票，结果以 Elo 分数汇入每小时更新的公开排行榜。
Hugging Face BlogAI 评分4848 Llama 3.2 已可在 Keras 中使用
Llama 3.2 两周前登陆 Hugging Face/Transformers，而 Keras 从第一天起就支持它，可直接从 safetensors 格式的 Hugging Face checkpoint 加载，如 "hf://meta-llama/Llama-3.2-1B-Instruct"。
Hugging Face BlogAI 评分5858 Hugging Face 将 Llama3 8B 微调至 1.58 比特，MMLU 超过 Llama 1 7B
Hugging Face 发布把 Llama3 8B 微调到 BitNet 1.58 比特（三元权重 -1/0/1）的方法，模型在 HF1BitLLM 组织开源，其中两个在 10B tokens 上训练、一个在 100B tokens 上训练，MMLU 成绩超过 Llama 1 7B。
Hugging Face BlogAI 评分4545 在 Google Cloud Vertex AI 上部署 Meta Llama 3.1 405B
这篇 Hugging Face 教程讲解如何在 Google Cloud A3 节点（8 x H100）上，用 TGI 的 Deep Learning Containers 在 Vertex AI 上部署 Meta Llama 3.1 405B 的 FP8 量化版 Meta-Llama-3.1-405B-Instruct-FP8。
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 BlogAI 评分4444 CyberSecEval 2：Meta 推出的大语言模型网络安全风险与能力综合评测框架
Meta 发布开源评测框架 CyberSecEval 2，用于评估 LLM 在生成不安全代码、提示词注入、协助网络攻击、代码解释器滥用和自动化攻击能力等方面的安全风险。评测显示，LLM 平均协助网络攻击的合规率已从上一版的 52% 降至 28%；提示词注入防护仍未解决，模型在端到端漏洞利用上能力有限。全部代码开源，并提供 leaderboard，欢迎社区贡献。
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。
Hugging Face BlogAI 评分4343 Pollen Robotics 开源 pollen-vision：机器人零样本视觉模型统一接口
开源人形机器人 Reachy 的开发商 Pollen Robotics 发布开源库 pollen-vision，提供面向机器人的零样本视觉模型统一接口，无需训练即可开箱使用。
Hugging Face BlogAI 评分5656 Hugging Face 无代码教程：零基础微调 Llama 2 并搭建自己的聊天机器人
Hugging Face 发布面向非工程师的教程，用 Spaces、AutoTrain 和 ChatUI 三个工具，无需写代码即可微调 Llama 2 并部署聊天应用。教程分三步：创建 AutoTrain Space、用 Alpaca 指令数据集微调模型（示例用 7b 基座模型）、再用 ChatUI 模板部署成可分享的聊天应用。
Hugging Face BlogAI 评分4949 Llama 2 在 Amazon SageMaker 上的基准测试
Hugging Face 发布了一项针对 Llama 2 在 Amazon SageMaker 上部署的基准测试，分析了 60 种不同部署配置。测试覆盖 7B、13B、70B 三种参数规模，在 g5 与 p4d 系列 EC2 实例上，以 1/5/10/20 并发请求，比较有无 GPTQ 4-bit 量化的延迟与吞吐。
Hugging Face BlogAI 评分5454 使用 PyTorch FSDP 微调 Llama 2 70B 的实践指南
Hugging Face 团队发布教程，讲解如何用 PyTorch FSDP 在 2 节点共 16 张 A100 80GB 上全参数微调 meta-llama/Llama-2-70b-chat-hf，训练耗时约 13.5 小时。
Hugging Face Blog精选AI 评分8383 Code Llama 发布：Llama 2 代码特化系列模型接入 Hugging Face 生态
Hugging Face 发布 Code Llama 系列开源代码模型集成，含 7B、13B、34B 三种规格，基于 Llama 2 在 500B token 代码数据上训练，提供 Python 特化版和指令微调版。
推荐理由：官方完整介绍了模型规格、上下文扩展原理和生态接入方式，读者可以直接据此选择规格并上手部署使用。
Hugging Face Blog精选AI 评分6767 Hugging Face 教程：用 DPO 微调 Llama v2
Hugging Face 官方博客介绍 TRL 库新支持的 DPO 方法，无需奖励模型和 RL 步骤即可直接在偏好数据上优化语言模型。
推荐理由：原文提供了从 SFT 到 DPO 微调 Llama v2 的完整代码与训练脚本，读者可复用到自己的数据集上。