DataPraxis：通过已验证工作区演化扩展分析任务
该论文提出 DataPraxis，一个基于「已验证工作区演化」的分析任务合成框架：通过逐步积累经校验的分析发现与产物，并继承、组合工作区来挖掘更深层问题，再用双重证据校验构建评估标准。作者据此构建了覆盖 15 个领域的 5,000 条已验证轨迹数据集 DataPraxis-5K，并训练出 DataPraxis-27B 与 DataPraxis-35B-A3B
Hugging Face
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 08:21
顺带提及正文出现过，但不是文章的主要讨论对象，当前共 1245 条。
10月21日周三 · 10 条
正文顺带提及命中实体：hugging face
正文顺带提及命中实体：hugging face
llama.cpp b11773 新增 H2O-Lightning-4B 决策模型支持
llama.cpp 发布 b11773 版本，新增对 h2oai/h2o-lightning-4b 决策模型的支持，该模型基于 Qwen3.5-4B 并合并了决策 LoRA。由于现有类型均不匹配，转换器会从模型的 serve config.json 写入决策元数据和 systemone 模板，并将标签写入 GGUF 文件。此次更新使 llama.cpp 能够
正文顺带提及命中实体：hugging face
DavidAU 发布 Nemotron-3.5-Bolt 74B 的 IQ2 量化版，集成 Turbo Brilliance 系统
Hugging Face 用户 DavidAU 发布了基于 NVIDIA Nemotron-3.5-Bolt-74B-A9B 的 GGUF 量化模型，采用 IQ2 QAT 量化，可在 24GB 显存下运行。该模型集成了名为 Turbo Brilliance 的系统，提供 27 种推理模式和 27 种指令模式，以及 15 个 AI Constructs（预设角
正文顺带提及命中实体：hugging face
DavidAU 发布 Qwen3.8-Flash-Next 无审查 Turbo-Brilliance GGUF 微调模型
Hugging Face 用户 DavidAU 发布了基于 SC117/Qwen3.8-Flash-Next-GSQ-RCO-abliterated-GGUF 微调的 GGUF 量化模型，宣称具备 120B/180B 参数、512 专家 MoE 架构，并集成 27 种推理模式、27 种指令模式及 15 个「AI Constructs」预设人格，支持在提示词或
正文顺带提及命中实体：hugging face
DavidAU 发布 LFM2.5-24B Turbo Brilliance 微调模型
开发者 DavidAU 在 Hugging Face 发布了基于 LiquidAI/LFM2.5-24B-A2B 的微调量化模型 LFM2.5-24B-A2B-Turbo-Brilliance-50X-NEO-MAX-Imatrix-GGUF，主打名为 Turbo Brilliance 的系统，包含 27 种推理模式和 15 个 AI Constructs，
正文顺带提及命中实体：hugging face
MiniMax-H3 文本编码器 Qwen3VL-32B 去审查 GGUF 版发布
开发者 pottokao 在 Hugging Face 发布了 MiniMax-H3 文本编码器的 GGUF 量化版本，基于 abliterated（去审查）的 Qwen3-VL-32B-Instruct，提供纯文本版和合并视觉塔的 vis 版，后者供 ComfyUI 的 MiniMax-H3 视频生成流程使用。作者同时提示已有质量更好的新版 16GB-GG
正文顺带提及命中实体：hugging face
llama.cpp b11765：移除 Kolibri-1 路由冗余精度覆盖
llama.cpp 发布 b11765 版本，主要变更是移除 Kolibri-1 路由中多余的精度覆盖设置（ggml prec set 调用），因为路由 matmul 使用默认精度即可正常工作。该改动是 #30673 评审的后续修复，由 Sigbjørn Skjæret 参与合著，并同步提供 macOS、Linux、Windows、Android 等多平台预
正文顺带提及命中实体：hugging face
IBM 发布 Granite-4.2-8B 开源推理模型
IBM 发布 Granite-4.2-8B 开源推理模型，基于 Granite-4.1-8B-Base 构建，采用 decoder-only 稠密 Transformer 架构，原生支持 128K 上下文并可扩展至 512K。该模型内置 思维链，支持完整思考、非思考与低思考三档模式，并强化了推理增强的工具调用能力，面向推理、代码生成与 Agent 工作流。模
正文顺带提及命中实体：hugging face
H2O Lightning 4B 发布 GGUF 量化版本
H2O.ai 在 Hugging Face 发布了 H2O Lightning 4B 的 GGUF 量化版本，供 llama.cpp 使用。该模型以带概率的类型化决策（choice、noul、score）输出结果，官方推荐 Q8 0 文件，并给出各精度档位相对 BF16 的准确率与答案一致率对比。llama.cpp 已合并相关支持，用户可直接通过 llama
正文顺带提及命中实体：hugging face
Google 开源 TorchTPU，联合 Amazon 挑战 Nvidia 在 AI 开发者中的主导地位
Google 宣布开源 TorchTPU，这是其长期开发的 PyTorch 版本，可让 AI 应用无需重写代码、仅通过配置变更即可运行在 Google 的 TPU 及 Google Cloud 上。此前一天，Amazon 也发布了类似工具 TorchNeuron，支持将 PyTorch 应用迁移至其自研芯片 Trainium 和 AWS。两家公司正联手削弱
10月20日周二 · 10 条
正文顺带提及命中实体：diffusers
Kromoss：MOSS-Image-Base 全量微调文生图模型发布
开发者 lodestones 在 Hugging Face 发布了 Kromoss，这是对 OpenMOSS-Team 的 MOSS-Image-Base 在 1024px 分辨率下进行全量微调得到的文生图模型，采用与 MOSS-Image-SFT 相同的架构、推理流程、Qwen3.5-9B 文本编码器和 FLUX.2 small VAE，可直接替换使用。该
正文顺带提及命中实体：hugging face
llama.cpp b11756：Anthropic /v1/messages 透传 id slot
llama.cpp 发布 b11756 版本，修复了 server 端在 Anthropic /v1/messages 接口转换过程中未透传 id slot 参数的问题。此前该接口会忽略 id slot，导致依赖固定 slot 复用 KV cache 的代理回退到自动 slot 选择，在混合/循环模型上触发完整重新 prefill。该改动使 /v1/mess
正文顺带提及命中实体：huggingface
记忆张量开源MemT 1.0：把记忆原生焊进Transformer
记忆张量开源发布MemT 1.0系列记忆原生模型，包括36B参数（激活3B）的Nano和288B参数（激活17B）的Flash两个型号，通过在Transformer模块中增加与注意力并行的记忆分支，将经验编码为可训练的内部动态状态。这是记忆原生模型首次实现近300B参数规模的工程验证，在SWE-bench Verified等任务上平均成功率略高于无经验基线，
正文顺带提及命中实体：hugging face
面向大脑编码的参数高效微调扩展研究
该论文提出用参数高效微调（PEFT）与低秩适配器（LoRA）将超大多模态骨干模型适配到大脑编码任务，通过利用骨干的因果结构单次预测多个时间点，显著降低特征提取成本，从而可高效微调最多 104B 参数的模型。方法 BrainLoRA 在 Algonauts 2025 挑战赛上取得已发表最佳成绩，并借助自研 multi-LoRA 内核训练 200+ 适配模型集成
正文顺带提及命中实体：hugging face
美陆军网络司令部 ECHOTRIBBLE 拟将 AI 智能体变为自传播网络武器
据 The Intercept 获得的文件，美国陆军网络司令部（ARCYBER）正在开发代号 ECHOTRIBBLE 的平台，旨在将 AI 智能体变成可自主在网络间移动并“识别和消除目标”的自主网络武器，类似计算机蠕虫，可在云端和物理隔离系统中传播，完成后自毁，且要求“最少人工监督”和“自主行为”。专家警告，鉴于 OpenAI 等公司测试中智能体已多次无意入
正文顺带提及命中实体：hugging face
Aleph Alpha 开源 78B MoE 推理模型 Kolibri-1
Aleph Alpha 发布开源 MoE 推理模型 Kolibri-1，总参数 78B、每 token 激活 3.46B，聚焦德语和英语，支持显式推理模式与工具调用，上下文长度达 1,048,576 tokens。模型采用 FP8 权重，最低可在 2×A100 80GB 或单张 H200/B200 上部署，以 Apache 2.0 许可开放权重。其设计目标是
正文顺带提及命中实体：hugging face
从机群经验中学习：机器人集体学习范式
该论文提出集体经验学习（CEL）范式，让部署中的机器人共享执行经验以改进共同策略，无需额外专家纠正。其算法 FERT 利用失败上下文从机群共享的成功经验中检索相关轨迹片段作为监督信号，配套的容错异步训练系统 FATS 可在机群局部中断时维持学习。在五项真实操作任务上，策略成功率达 93.3%-99.2%；在多阶段手机包装任务中，使用 96 台机器人将成功率从
正文顺带提及命中实体：hugging face
OpenVLHarness：带多模态记忆的真实世界视觉智能体工具使用
研究者提出 OpenVLHarness，一个面向多模态大模型的可视化智能体工具使用框架，通过能力层（统一异构工具接口与证据渲染）和持久多模态记忆（保留图像、结构化数据与网页引用）支持迭代式证据获取与组合。在 22 个基准上，使用 8 个开源与专有骨干模型评测，平均得分比无工具基线提升 9.7-12.6 分，其中 Qwen3-VL-8B 提升 11.2 分、K
正文顺带提及命中实体：hugging face
MiniMax-H3 PDD 加速权重推出 ComfyUI 原生版本
Hugging Face 用户 aptech0081 发布了 MiniMax-H3 PDD 的 ComfyUI 转换版本，将阿里巴巴 PAI 的官方加速权重转换为 ComfyUI 可用的 LoRA 和预烘焙 Ref2VA 检查点。新增的 with-heads 检查点可在合并 PR #17157 的原生 ComfyUI 中直接加载，无需额外的 PDD 加速 L
正文顺带提及命中实体：hugging face
NII 发布 LLM-jp-4.1-32B-A3B 推理模型 GGUF 版
日本国立情报学研究所（NII）大语言模型研发中心发布 LLM-jp-4.1 系列中的 llm-jp-4.1-32b-a3b-thinking 模型，这是一个采用 MoE 架构、总参数 32B、激活参数约 3.8B、上下文长度 65,536 的推理模型。模型经 11.7T token 预训练与中期训练，再通过 SFT 和 DPO 对齐（未使用强化学习），并公开