标签
Nvidia 发布了免费开源权重语音转写模型 Nemotron 3.5 Transcribe（30B 参数，支持 40 种语言）以及 Granary 开源语音数据集 v2，瞄准会议记录和医疗转写等企业应用场景。该模型声称在 Open ASR 等基准上超越竞争对手，且可在单芯片上运行。
TextRIRO 提出仅使用真实数据进行场景文本编辑的方法，通过图像扰动（Shuffle&Crop）构建自配对训练数据并结合条件扩散模型，显著缩小合成到真实的域差距，并发布了 TextRIRO-3M 大规模真实数据集用于长文本识别。
3DCodeVerse引入了一个研究生态体系，包含一个200万规模的可执行3D代码数据集、一个用于3D内容自动生成与验证的多智能体DAG框架，以及实证指南，表明经过微调的开源模型在与Claude Design（3D Object）的对比中达到了90%的胜率。
Maniformer 的新论文提出 MEgoVista，一套基于头戴式装置的物理 AI 数据系统，通过立体视觉和全序列优化，将手部手指误差降至 4.29 毫米、头部跟踪误差控制在 0.65–2.83 毫米，并经 26 相机动作捕捉实验室验证，为机器人学习提供可测量的人类动作数据。
Show HN：carrier-explode 2.0 可解码并对比 iPhone、Pixel 和 Galaxy 固件中的运营商配置（APN、VoLTE、Wi-Fi Calling、5G），同时提供 API 和每日 CC0 数据集。该项目开源，正在征集解码器贡献者。
据报 OpenAI 计划发布数百道由 AI 解决的数学题，此举引发数学家的批评，他们认为这类输出贬低了人类的数学推理能力以及严格的证明标准。
小米在 HuggingFace 上开源了约 7K 个用于训练 MiMo 的强化学习环境，而 billxbf 则向 Harbor Hub 上传了 7,780 条 MiMo 强化学习数据集，并发布了 Skill2Env，包含额外的 7,496 个强化学习数据集——合计 15,276 条强化学习数据免费提供，这些数据原本从供应商处采购需花费数百万美元。
OneStreamer 提出了一个面向流式视频 LLM 的统一框架，通过 Proactive Hierarchical Caption Memory（主动分层字幕记忆）与 Proactive State Transition Learning（主动状态转移学习）联合学习与查询无关的证据记录与任务响应，其 4B 模型在八个流式视频理解基准上取得了当前最佳结果，并发布了 OneStreamer-1M 数据集。
4Director 提出了一种基于显式 4D 场景表征的视频世界模型：每个物体被重建为规范网格（canonical mesh），并由逐帧的刚性 3D 变换驱动，再结合 MotionAdapter 将几何骨架渲染为视角一致的视频。作者还发布了 RealCOD-Rigid 数据集和 IG-IoU 指标，表明该方法在相机与物体控制上优于以往方法。
Hugging Face Hub 现已推出专门的强化学习环境（RL Environments）筛选功能，被标记为环境的数据集可以被发现、进行版本管理，并在 Harbor、Verifiers 和 NVIDIA NeMo Gym 等框架中运行，无需新的注册中心或仓库类型。
TinyFish 发起了一个15家公司联盟，为AI代理提供经过授权的数据集，强调数据是AI开发中的竞争护城河。
本文讨论了利用Hugging Face上的开放训练数据来训练Marin’s 535B模型的过程，涉及来自152个数据集的25万亿token，并具有允许训练的许可证。
本文提出一种使用联合嵌入预测架构（JEPA）的表格型基础模型训练方案，以解决潜在项坍塌问题，并在147个真实数据集上将其性能与纯值方法进行比较。
文章提出，数据集中的类型多样性解释了Transformers为何在结构组合泛化方面表现不佳，并通过改变COGS和SLOG数据集中的多样性来验证这一点。
本文介绍AMDKernelVault，这是一个用于AMD GPU内核优化的开放数据集和训练框架，包含大规模HIP和Triton内核，以及用于生成和验证内核的代理驱动流水线。
本文介绍了用于阿拉伯语文本蕴涵和自然推理的E-CONAN基准，包括多样化的数据集和对多语言及大语言模型的评估，以丰富该领域的研究。
OpenAI宣布，高级金融数据现已纳入，包含来自Daloopa、PitchBook和LSEG News的数据集。
本文是关于Hugging Face平台的详细教程，从入门到精通，介绍如何查找和使用开源模型、数据集和应用。
Hugging Face 正在探索以约 130 亿美元估值出售，引发对开源模型政策可能变化的担忧，原因是第三方投资和盈利关注。
Mundo AI 获得2000万美元A轮融资，用于构建数据集、评估和研究，以提升AI在音频、视频及新兴模态中的感知能力。