Tag
A company building memory infrastructure introduces 'glasshouse', a draft long-term memory benchmark with 2,847 questions over a 1.97M token conversation in 10 languages, reporting 17 separate axes (including fact-update consistency and conflict resolution) without a single headline score, and asks the agent-memory community for feedback.
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（Korean Benchmark Suite），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 First-Token Cueing 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 token，而仅提供该首 token 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，覆盖 34 种语言文本检索和 18 种语言图像检索，可用于语义搜索和 RAG 工作流，采用 OpenMDW-1.1 许可并允许商用。
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 仅 34.2% 精确匹配，而将同样正确文本输入提取器可达 90.8%，表明瓶颈在 ASR 而非提取环节；结果作为公开的 null result 发布并附带可复现代码与结果试听。
Jais 3, a new version of the Arabic-focused large language model, has been released. It continues development of AI models optimized for Arabic language understanding and generation.
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。
This paper investigates how different evaluation setup choices affect base language model benchmarking by examining 8 design aspects across 26 2B-parameter models and larger LLMs in four languages, proposing monotonicity, non-randomness, and ranking consistency as meta-measures to guide reliable evaluation setup selection during pretraining.
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 now supports images, with lm15 already compatible, and users can try it on the playground or in supported languages.
Edge0/Audio8-TTS-Realistic-Air is an Apache-2.0 text-to-speech model finetuned from Edge0/Audio8-TTS-Preview-0.6b, supporting zero-shot voice cloning and multilingual synthesis across 25+ languages (zh, en, ja, ko, de, fr, es, and more).
Edge0 released Audio8-TTS-Realistic-0.6B, a compact 0.6B DualAR text-to-speech model with improved speech realism, zero-shot voice cloning, and support for 23 languages (12 more than the Preview version), bundled with a 44.1 kHz neural audio codec and an SGLang serving adapter.
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。