来自 HuggingFace 的文章
Ai2推出了TutorMoments，一个基于回放的评估框架和数据集，用于衡量大语言模型在1对1数学辅导中能否平衡何时提供帮助与何时放手。初步结果显示，模型倾向于过度帮助，而提示工程只能部分缩小与人类导师的差距。
一个Hugging Face仓库，托管了为ComfyUI使用而转换的MiniMax-H3模型，以及用于加快推理的Lightx2v蒸馏LoRA。
面向 Minimax-h3-Turbo 视频生成模型的 Hugging Face 页面，提供通过 Diffusers 及 Colab/Kaggle 笔记本使用该模型的说明。
MiniMax-H3 Turbo 4步音频-视频生成的第三方ComfyUI兼容LoRA转换，包含进一步训练的checkpoint-500变体及示例工作流。
本文介绍了KVAE，这是一个专为文本条件生成模型设计的音频、图像和视频分词器系列。论文声称，与现有开源分词器相比，KVAE在重建质量和生成质量上具有竞争力或更优。代码和训练细节已公开发布。
EffectLearner 是一个面向真实世界视频物体移除的语义推理增强框架，它将基于 VLM 的物体-效果推理器与基于 DiT 的视频擦除器相结合，并引入了 EffectWorld 数据集以处理复杂的物体引发效果。
本文介绍了MASS，一种多玩家世界模型方法，通过使用权威共享状态将世界动态与视图渲染解耦，从而实现可扩展且一致的多智能体模拟，支持多达1,024个并发玩家。
本文提出了一个系统蓝图和六级能力阶梯，用于构建经济世界模型（EWMs），其中异构智能体与市场和制度互动，以产生涌现的经济动态。本文综述了现有工作，并强调了自进化智能体、内生制度与实证对齐方面的空白。
DyPES-VLA是一种跨具身VLA模型，通过未来预测学习共享动力学先验，并使用具身特定的混合专家（MoE）动作头在机器人原生动作空间中控制机器人，在LIBERO、RoboCasa和RoboTwin基准上取得了最先进的结果。
HarnessOpt-Bench是一个基准测试，用于评估LLM在固定评估预算下优化目标智能体周围harness（提示、工具、控制流、记忆和编排代码）的能力。对五个前沿LLM的实验表明，优化器模型之间的差异大于它们所借助的编码harness之间的差异，且仍有很大的改进空间。
ChronoVision 是一个多模态框架，通过将视觉逻辑与潜在图像对齐，使用重构视觉头、ROI 注意力定位模块和强化学习，改进视觉语言模型中的时间推理。它引入了 Vbvr-VQA 数据集，并在时间跟踪基准上达到了 SOTA 准确率。
本文提出了UniME-R1，一种用于统一多模态检索的嵌入器-顾问框架，该框架基于检索反馈生成检索中心思维链（RC-CoT），通过从硬负样本中学习来提升检索性能。
本文研究了同策略Delta蒸馏（OPD^2）在英语、韩语和日语中的多语言数学推理，显示其相对于标准OPD的一致改进，并缩小了语言差距。
GST-Bench是一个新的VQA基准，用于评估视频理解中的全局空间意识，测试VLMs能否从长时间的第一人称视频中构建连贯的全局场景表示。对22个最先进的VLMs的评估显示，它们与人类之间存在巨大差距，最佳模型得分42.68，而人类为79.08。
AgentOPSD 提出了一种无评论家的递归方法，用于智能体强化学习中的回合级信用分配，通过在 log-odds 空间中进行贝叶斯信念更新来重新加权结果。它在 ALFWorld 上使用 Qwen2.5-7B 达到了 89.1% 的成功率，优于 GRPO 和自蒸馏基线。
CalibForge 是一个自主终端任务合成系统，利用对抗性求解器校准来生成可学习任务，用于训练终端智能体。它构建了 5,431 个校准任务，并在 Terminal-Bench2.0、SWE-bench Pro 和 Doc2Repo 上提升了智能体性能。
EnvACE 引入了世界预演，一种智能体强化学习方法，通过策略在内部预演环境响应来取代外部环境交互，在多个基准上取得了强劲性能。
PaDoc 提出了一种面向端到端文档解析器的基于布局的并行解码方法，将布局解码与内容解码解耦，以减少解码深度并提高吞吐量。它在 OmniDocBenchFull 上取得了最先进的结果，并且相比顺序基线显著加速了推理。
Hugging Face 宣布将 Baseten 作为受支持的推理提供方，使用户能够直接从模型页面和 SDK 以无服务器方式访问 Kimi K3、DeepSeek V4 Flash 和 GLM-5.2 等热门开源权重大语言模型。