标签
一家构建记忆基础设施的公司推出了“glasshouse”，这是一项长期记忆基准测试草案，基于一段涵盖10种语言、长达197万 token 的对话设置了2,847个问题，分别报告17个维度的结果（包括事实更新一致性和冲突解决），不设单一总分，并向智能体记忆社区征求反馈。
Hojo-ASR-Multi-V1 开源多语言语音识别模型以 3.54 的平均 WER 横跨 5 种语言取得出色成绩，其采用声学编码器搭配 Qwen3-4B 大语言模型解码器的架构，已在 Hugging Face 上以 Apache 2.0 许可发布。
首尔大学团队提出KBS（韩国基准测试套件），包含Ko-ARC、Ko-GSM8K等六个基准，共9,396个条目，采用非纯翻译方式构建韩语评测集，并评估了韩国自研模型、多语言开源模型及闭源API模型，指出评测结果高度依赖任务构建、评分规则与提示方式。
NVIDIA 与 AI4Bharat/IIT Madras 联合发布 Nemotron-pretraining-Indic-v1，涵盖 22 种印度语言的约 2.8 万亿 token 预训练语料，并开放可复用的 GPU 加速数据生成流水线。
提出首词元提示行为探针，发现大模型许多闭卷事实问答错误源于无法生成正确的首词元，而仅提供该首词元即可让模型完成并识别出正确答案，说明大量错误来自可恢复的首步解码失败而非知识缺失。
NVIDIA 发布 Nemotron-3.5-Embed-1B-BF16 多模态嵌入模型，支持文本、图像及图文混合输入的文档检索，文本检索覆盖 34 种语言，图像检索覆盖 18 种语言，可用于语义搜索和 RAG 工作流。模型采用 OpenMDW-1.1 许可，允许商用。
OpenAI 宣布推出 GPT-Live-1.1，为 ChatGPT、Codex 等产品带来新声音、更好的口音表现以及更少的延迟，并新增法语、德语、印地语、墨西哥西班牙语、韩语和日语语音，今日向所有用户推送，API 支持即将到来。
IFM 推出了 Jais-3 系列阿拉伯语大模型，提供 0.9B、3.7B、7B 和 32B 多种规模，并在 Hugging Face 上发布了 GGUF 量化版本供本地部署。
作者发布了 VoxEntity-EU 基准，测试 ASR 系统在德语和法语中对口述电话号码等实体的逐字符精确捕获能力：Whisper large-v3-turbo 的精确匹配率仅为 34.2%，而将相同的正确文本输入提取器后，精确匹配率可达 90.8%，表明瓶颈在 ASR 而非提取环节；该结果作为阴性结果公开发布，并附带可复现代码与结果试听。
Qwenfant 是慕尼黑工业大学团队为 2026 BabyLM Challenge 多语言赛道提交的论文，通过 LLM 摘要与翻译生成高质量合成平行数据，结合更大模型与字符级词表（配合 LoRA 微调），较基线提升 11 分，提交时排名第一。
本文考察了不同评估设置选择如何影响基础语言模型的基准测试：在四种语言中，针对26个20亿参数模型及更大规模的大语言模型，分析了8个设计方面，并提出将单调性、非随机性和排名一致性作为元度量，以指导预训练期间可靠评估设置的选择。
该论文提出了一种基于回归的元评估框架，用于评估多语言风格个性化文本生成中的自动指标，发现经过校准的简单字符串和嵌入指标在40种评估设置下可媲美LLM-judge。
Jev 现已支持图像，lm15 已兼容，用户可以在 Playground 中或使用受支持的语言进行试用。
Edge0/Audio8-TTS-Realistic-Air 是一款采用 Apache-2.0 许可的文本转语音模型，基于 Edge0/Audio8-TTS-Preview-0.6b 微调而来，支持零样本语音克隆以及涵盖 25 种以上语言（zh、en、ja、ko、de、fr、es 等）的多语言合成。
Edge0 发布了 Audio8-TTS-Realistic-0.6B，这是一款紧凑的 6 亿参数 DualAR 文本转语音模型，提升了语音真实感，支持零样本声音克隆和 23 种语言（比预览版多 12 种），并附带一个 44.1 kHz 神经音频编解码器和一个 SGLang 服务适配器。
Fish Audio 推出其最新 AI 语音模型 Drama 3，支持通过自然语言控制情感、节奏、耳语、笑声和停顿，可生成多角色场景、有声书与游戏对话，覆盖 83 种语言，并以社区许可证开放权重供自托管。
论文提出 MULTIFINGROUND 多语言金融基准，揭示语言模型虽能跨语言识别财务概念（准确率 97.3–99.4%），却在 26.6–41.9% 的情况下无法完整恢复对应的数值证据，凸显了概念识别与证据落地之间的差距。
论文提出 semCER，一种利用 LLM 评审按严重程度对字符编辑加权的 OCR 评估指标，相比标准 CER 更能贴合人类评分，并在英、越、中等 16 种语言上验证有效，同时发布了 6100 万条已评分编辑数据集与蒸馏打分模型。
Fish Audio 发布了 Drama 3 预览版文本转语音模型，支持用自然语言、括号内标签、音效与局部标记来精确指导每一句台词的表演方式，并可通过 API 调用。