一次辞职如何点燃AI恐惧的野火
Interconnects AI 分析了一起 AI 研究员因安全风险辞职事件为何引发病毒式传播。文章认为,随着 OpenAI-HuggingFace 事件、Navier-Stokes 成果等推高 AI 风险关注度,公众情绪已如干柴,Jacob Coxon 的辞职帖经《华尔街日报》独家报道和 AI 安全倡导群组协调放大后迅速引爆讨论。作者还批评前沿实验室员工(
公司与模型 · Hugging Face 开源社区动态:热门模型与数据集、排行榜变化与开源生态的晴雨表
关联由结构化实体与正文位置共同判定 · 最近刷新 2026-11-11 13:12
Interconnects AI 分析了一起 AI 研究员因安全风险辞职事件为何引发病毒式传播。文章认为,随着 OpenAI-HuggingFace 事件、Navier-Stokes 成果等推高 AI 风险关注度,公众情绪已如干柴,Jacob Coxon 的辞职帖经《华尔街日报》独家报道和 AI 安全倡导群组协调放大后迅速引爆讨论。作者还批评前沿实验室员工(
开发者 brandonmusic 在 Hugging Face 发布了 GLM-5.3-Flash 的 EXL3/TR3 4bpw 量化检查点,基于 zai-org/GLM-5.3-Flash-BF16,面向 SM120 双 GPU 环境。该版本提供多模态 DFlash2、纯文本 DFlash2 和纯文本 MTP3 三种 vLLM 服务配置,并附带可复现的
Hugging Face 用户 handy-computer 发布了 UsefulSensors/moonshine-streaming-medium 的 GGUF 量化版本,用于 transcribe.cpp 推理框架。该模型是 245M 参数的编码器-解码器英语流式语音识别模型,提供 F32、F16、Q8 0 三种量化格式,在 LibriSpeech t
handy-computer 在 Hugging Face 上发布了 moonshine-streaming-small 的 GGUF 量化版本,用于 transcribe.cpp 推理框架。该模型源自 UsefulSensors 的 123M 参数流式语音识别模型,提供 F32、F16、Q8 0 三种量化格式,LibriSpeech test-clean
Hugging Face 用户 handy-computer 发布了 NVIDIA nemotron-speech-streaming-en-0.6b 的 GGUF 量化版本,供 transcribe.cpp 推理框架使用。该模型是 0.6B 参数的缓存感知流式 FastConformer-RNNT 英文语音识别模型,支持离线与流式两种模式,并提供 F32
蚂蚁灵波开源了世界模型 LingBot-World 2.0 的轻量版,参数规模仅 1.3B,面向消费级单卡 GPU,可在本地实现实时世界生成。该版本并非由 14B 主模型裁剪而来,而是沿 Causal Pretrain、MoBA 注意力掩码、一致性蒸馏与 DMD 蒸馏的训练路线自然得到,并同时开放 Causal Pretrain 与双向 Teacher 上游
Qwopus3.8-27B-Flash 是基于 Qwen3.8-27B 微调的多模态模型,旨在降低推理成本与响应时间,提升智能体任务的效率。模型通过两阶段训练(SFT 和 NeMo-RL+GSPO 强化学习)实现 12.8% 的加速解码和 80.7% 的 MTP 接受率,但 MMLU-Pro 分数略低于基础模型。该模型支持视觉、工具调用和代码生成,已知问题为
Gartner 发布 2026 年度《战略云平台服务魔力象限》报告,阿里云首次进入“领导者”象限,成为该象限中唯一的中国及亚太厂商,与 AWS、微软、谷歌、Oracle 并列。报告指出 2025 年全球云基础设施与平台服务市场规模达 2970 亿美元,阿里云 CIPS 收入增长 33.9%,为有增速披露的六家厂商中最高。Gartner 评价阿里云正从传统 C
该论文提出 Show-Harness,一种通过离散语义动作单元将视觉语言模型(VLM)与机器人控制连接起来的具身接口,由特定于本体的解释器将语义动作确定性地映射为本地机器人动作。Show-Harness 证明了两点可行性:直接解锁闭源前沿 VLM 实现零样本机器人控制,以及仅用少量 GPU 小时微调小规模开源 VLM 实现低成本部署。作者还开发了 GUMI(
FuriosaAI 在 Hugging Face 发布了 furiosa-ai/Qwen3-VL-4B-Thinking 仓库,将 Qwen 的 40 亿参数稠密视觉语言模型 Qwen3-VL-4B-Thinking 与 Furiosa Executable Bundle(FXB)打包,使其可在 FuriosaAI RNGD 硬件上通过 Furiosa-LL
FuriosaAI 在 Hugging Face 发布了 furiosa-ai/Qwen3-VL-2B-Instruct 仓库,将 Qwen 的 2B 参数稠密视觉语言模型 Qwen3-VL-2B-Instruct 与 Furiosa 可执行包(FXB)打包,使其可在 FuriosaAI RNGD 加速卡上通过 Furiosa-LLM 运行。该模型支持图像/
FuriosaAI 在 Hugging Face 发布了 furiosa-ai/Qwen3-8B-FP8 模型仓库,将 Qwen3-8B-FP8 与 Furiosa Executable Bundle(FXB)打包,使其可在 FuriosaAI RNGD 硬件上通过 Furiosa-LLM 运行。该模型为 8.2B 稠密模型,支持思考/非思考模式切换、工具调
Hugging Face 上发布了 gittensor-model-hub/Qwen3.8-27B-NVFP4-RTX5090,这是基于 Qwen/Qwen3.8-27B 的 NVFP4 量化检查点,使用 NVIDIA Model Optimizer 量化,专为 RTX 5090(Blackwell)优化。该模型在 32GB 显存上支持完整 262,144
AWS 机器学习博客发布教程,介绍如何在 Amazon SageMaker HyperPod 上使用 vLLM 部署阿里 Qwen 团队开源的 Qwen3.8-2.4T-A95B 模型。该模型总参数 2.4 万亿,激活参数 950 亿,采用混合线性注意力与全注意力架构,原生上下文 262K,支持 NVFP4 量化、推理控制和多 token 预测。文章详细说明
Hugging Face 上发布了 GAP-models 仓库,用于备份 GAP 参考生成和量化评估所用的本地模型,包含多个模型族和检查点。仓库通过清单和 SHA256 校验确保文件来源和完整性,并记录了候选模型的资格评估结果,评估基于特定 CUDA 构建和硬件环境。文件保留原始模型的许可和归属,不统一替换许可。
TechCrunch 的 Equity 播客讨论了超级智能 AI 的潜在风险,并采访了非营利组织 ControlAI 的美国执行董事 Connor Leahy。Leahy 认为,由于对齐和遏制手段不足以应对风险,应完全停止开发超级智能,并指出近期立法支持了这一观点。
ControlAI 美国执行总监 Connor Leahy 在 TechCrunch 的 Equity 播客中表示,超级智能不是武器而是对手,主张完全阻止公司开发超级智能,因为对齐和遏制已不足以控制风险。他评论了美国“禁止超级智能法案”及英国类似立法,认为前沿 AI 实验室更像政治角色,并警告当 AI 能自我改进时将出现失控循环。
Anthropic研究员Jacob Coxon因担忧自我改进型AI的失控风险而辞职,他在社交媒体上指责OpenAI和Anthropic等公司不顾后果地竞相开发超级智能,认为这可能导致人类灭亡。Coxon呼吁行业放慢研发速度,并支持通过立法禁止超级智能的开发。近期,美国和英国已出现相关法案,同时多家初创公司如Ricursive Intelligence和Rec
红杉资本领投了网络安全初创公司 Cymphony 的 2500 万美元 A 轮融资,该公司旨在应对 AI 代理带来的企业安全风险。Cymphony 构建了“劳动力图谱”平台,帮助安全团队统一管理人类员工和 AI 代理的访问权限,并已签约多家企业客户。红杉合伙人表示,Cymphony 将身份和数据安全统一处理的方法使其在竞争激烈的市场中脱颖而出。
Anthropic科学家Jacob Coxon辞职,公开指责OpenAI和Anthropic拿人类生存赌博,认为AI系统即将超越人类并可能毁灭文明。Anthropic研究员Evan Hubinger估计,未来十年内超级智能AI导致人类灭绝的概率超过10%。多位AI研究人员签署公开信呼吁放缓AI开发,但业界对AI风险的严重性存在分歧。