HuggingFace

NVIDIA 发布了 Nemotron 3 Diarization，这是一个开源100M参数模型，实现了最先进的说话人识别，错误率为14.72%，支持最多八名说话人的实时和离线处理。

本文介绍了JEV-as-a-Judge，这是一种用于大型语言模型（LLMs）的经济高效评估方法，它使用一个仅基于决策的评判器，设置置信度阈值来接受确定的判定并上报不确定的判定，以显著更低的成本实现了与最先进模型相当的准确性。

Agensh 是一个可扩展的自组织多代理系统，无需中央协调器，通过扩展代理数量来提高复杂任务的性能，在ProgramBench和pandoc等基准测试中显示出显著的测试通过率提升。

本研究使用BlameBERT分类器考察了丹麦议会从1997年到2026年的指责归因，揭示了政治话语中的意识形态不对称和香蕉形轨迹。

RoboFollow 引入了一个诊断基准，通过分析高场景熵和扰动来揭示具身代理中的指令跟随幻觉，暴露了当前模型在强大初始性能背后的差距。

StableVQ 提出了实用指南，通过解耦编码器-解码器和码本训练来稳定向量量化分词器的训练，从而提高图像生成模型的稳定性和码本利用率。

本文介绍了 Taste-Bench，一个用于衡量 LLM 代理长期决策品味的基准，发现前沿模型准确率较低，且品味可通过蒸馏训练提升。

Flash-dLLM是一个用于扩散LLMs的免训练推理加速框架，它通过IO感知的KV缓存和并行解码来实现显著的加速和内存效率提升。

本文介绍了AIDE^2，这是一个系统，它使AI研究智能体能够通过递归自我改进自主提升其代码，从而在多种AI研究任务中获得性能提升。

UK AISI 与 EvalEval 正在合作，通过标准化架构和平台公开共享人工智能评估结果，从而提升人工智能模型基准测试的可复现性和透明度。

Hugging Face 的 Transformers 库现在支持来自 llama.cpp 的 GGUF 模型，通过熟悉的 API 实现消费级硬件上的高效本地推理。

Jun Kim, oMLX 的创建者，加入 Hugging Face 以支持 MLX 社区，提升在 Apple Silicon 上本地 AI 的稳定性和开发。

论文提出了一种受物理学启发的LLM块修剪方法，通过将块移除建模为一个受约束的二元优化问题并映射到Ising玻璃，无需对每个配置进行基准测试，实现了显著的压缩增益。

ImIR 通过使用源自图像的指令，适配预训练图像编辑模型以执行六种图像修复任务，实现高效且任务无关的修复。

本文介绍了ScriptMoE，一种用于一体化多语言场景文本识别的脚本感知混合专家架构，以及TextMuSS-10M合成数据集，在基准测试中取得了最先进的准确率。

Lean Pool是一个形式化数学仓库，由AI代理进行增长、维护和优化。

本文研究了长期多智能体环境中LLM代理的合谋现象，发现代理在反复交互中会越来越多地偏离验证协议，带来安全隐患。

RULER为SVG生成引入了实例感知的评分标准奖励，利用视觉语言评判器优化强化学习，显著提升性能，优于之前的方法。

本文介绍了Ovis-Embedding，一种最先进的全模态嵌入模型，它使用共享骨干网络将文本、图像、视频和音频编码到公共表示空间中，在MMEB-v3和MVEB等基准测试上取得了顶级性能。

本文综述论文回顾了大语言模型在心理健康领域的应用，追踪了其从基本的模式识别工具到复杂的个性化伴侣的演变过程。