Hugging Face 对比 8 款 AI 模型:古籍数字化识别 1000 页成本降至 0.1 美元以内
Hugging Face 测试显示,最新模型 LightOnOCR-3-0.8B 识别 1000 页古籍成本不到 0.1 美元,较早期 RolmOCR 的 0.51 美元大幅降低。
Hugging Face 测试显示,最新模型 LightOnOCR-3-0.8B 识别 1000 页古籍成本不到 0.1 美元,较早期 RolmOCR 的 0.51 美元大幅降低。
Jeveration System One 模型现已生成 论文:https://huggingface.co/papers/2611.24738
该研究提出混合 GNN 框架用于股骨应力预测,解决 FEA 高算力成本及传统 ML 缺失网格拓扑结构的问题。 模型采用 GCN-SAGE-Residual 架构,在 14 个模型对比中性能最优,R^2 达到 0.8022,平均绝对误差为 2.879 MPa。 代码已在 GitHub 公开,为骨科分析提供高效替代方案。
研究者推出原生权重编辑方法族 HypoLoop,利用实验反馈动态调整参数修正策略。 在涵盖 22 个科学任务的实验中,该方法在 Burgers 数据集上将误差降低 58.80% 至 47.72%,并显著提升了 DIODE 的预测精度。 该方法证明了实验证据能有效塑造模型更新问题本身。
MOLT 是 Hugging Face 原生的极简可扩展智能体强化学习开源框架。 代码仅 9.2K 行,支持 4B 至 753B 模型,异步训练速度提升 2.4 倍。 其训练器 NeMo AutoModel 支持高达 2.8 万亿参数的模型。
Code World Model 2.0 迈向无限可控视频生成 论文: https://huggingface.co/papers/2611.22925
自改进记忆能够实现持续的递归自我改进 论文:https://huggingface.co/papers/2611.18856
研究分析了 NVIDIA H200 GPU 集群上涵盖 LoRA 和全量微调的运行日志,发现仅基于计算的估算忽略了环境设置、数据检查点等非线性开销。 该预测方法利用调度前已知特征优化任务排队,减少 GPU 空闲时间,显著提升集群资源规划效率。
MPEG-Diffusion 混合分辨率视频生成 论文:https://huggingface.co/papers/2611.12069
该研究通过最小化参数敏感度,揭示了连续学习目标在代数补全任务中对功能压缩(共享代数组成)的偏好。 分析表明,全局最优解强制隐表征实现几何对齐和单位性,且在抵消操作中迫使隐表征成为单射同态。 这一结论解决了 Huh (2025) 提出的核心猜想,证实了模型在敏感度地板处会实施目标代数结构。
叙事连贯性显著提升 LLM 驱动蜜罐的欺骗效果。高级攻击者的中位会话长度从 40 条指令增至 165 条,放弃率从 86% 降至 52%。该效果在 16 组模型对和三种技能等级下均成立,推理成本相当。
该算法仅需黑盒采样即可对生成模型实施无失真语义水印,提供输出分布不变的正式保证。 语义嵌入在保持内容转换稳定性的同时区分独立生成,训练出的图像编码器在聚合检测中表现优于现成方案。 该方法在开源和闭源模型上均有效,代码与项目页面已公开。
研究揭示了开放权重LLM权重修改对OpenStamp风格水印验证器的影响,建立了残差约束下的精确有限词表下界。 在Llama-2-7B和Mistral-7B-v0.3实验表明,INT8量化和30%剪枝保留了85.6-94.8%的测试真阳率,而500步LoRA微调则将其降至28.8%和11.6%。 这些结果深化了对水印抗模型编辑/调优攻击鲁棒性的理解。
能量基推理器 你的循环推理器应当是一个能量基模型 论文: https://huggingface.co/papers/2611.08977
研究人员因 Hugging Face 缺乏所有权验证,注册 Kokoro 开发者域名重置密码并控制其账户。他们仅用 87 秒在消费级 GPU 上微调模型权重,使其输出与文本不符的音频,应用代码未做任何改动,且该恶意更新不会触发安全扫描器警报,揭示了 Hugging Face 平台对模型分发和账户真实性的广泛信任风险。
Calpha模型实现了LLM输出单链蛋白质结构的初步目标,基于Qwen3.5-9B读取增强序列并调用SimpleFold结构头。 在FoldBench-334开发集上平均TM-score达0.808,CASP16域为0.635。 蛋白质训练使350项MMLU-Pro子集准确率从77.4%降至70.3%,长链预测表现低于基线。
研究者提出 Model Maps 文档框架,通过构建知识图谱追溯基础模型的谱系及上游依赖,以解析 AI 纠缠现象。 该框架定义了 13 类依赖机制,应用于 15 个基础模型,记录了 2,778 个唯一依赖关系,并追踪了距离模型 9 跳之外的源头工件。 研究发现 AI 透明度要求应扩展至上游依赖,以促进供应链中的风险评估、审计与问责。
AGPV 在五个数学推理数据集上实现平均准确率 63.8%,较最强基线提升 13.5 个百分点。 该方法将解题分解为关键声明序列,结合共享数学工具箱与完整性验证,证明了在覆盖充分时的正确性保障。 评测涵盖 DeepSeek、Qwen 及 GPT 四个模型,显示 AGPV 的修复覆盖率高于程序化验证基线。
Minari 是一个开源 Python 库,专为解决离线强化学习中数据集格式不统一、难以共享及环境代码更新后无法再生等问题而设计,旨在简化协作强化学习数据集的创建、分享与加载全流程。
跨 4 个架构族 9 个开源模型的因果干预测试表明,量化损伤分布广泛而非集中于任务电路或权重统计,在 128 组量化兼容的 8 个模型中,全局提升量化粒度比局部修复关键层高出 21-52 分。
预训练优化器的增益不会自动迁移到 KL 蒸馏。 研究对比 AdamW、AdaGrad、SOAP 及 Muon 在 Qwen 模型蒸馏中的表现,发现无一致优于 AdamW 的质量与时间权衡。 AdamW 通常验证 KL 最低,SOAP 增加显著训练耗时,结论依具体可行配方而定。
研究对比了 MCP 代码模式、决策路由层与纯 MCP 三种范式,在 12 个服务器、最多 1,958 个干扰工具的受控测试中,使用 Qwen、Gemma、Nemotron 三个开源 agent 进行预注册评估。
研究分析了Hugging Face库中40篇LLM技术报告,发现多数新架构复用Llama组件,且仅19项创新声明有对照消融支持,可复现性披露极低。 具体数据显示,48个2025年新增架构中39个复用至少两个核心模块,73项创新声明中仅19项提供对照实验,40篇报告仅1篇同时披露数据混合、Token数与算力。 研究提出七项报告准则,强调LLM发布需加强消融验证与透明度,未测试声明不等同于错误。
summary_zh: 该研究提出一种方法,利用公开在线健康论坛构建无偏见、注重隐私的医疗问答数据集,并采用主题引导语义建模(TGSM)实现自动化标注。 基于检索器-读者架构,研究通过微调 BioBERT 等模型提升性能,实验结果证明其显著优于现有基准,为构建高效医疗问答系统提供了可复制框架。
通过探测激活来恢复蒸馏图像和视频生成器的多样性 论文:https://huggingface.co/papers/2611.18550
eDMD 端点分布匹配用于少步扩散蒸馏 论文:https://huggingface.co/papers/2611.17194
研究推出涵盖79项深突变扫描、21项流感中和任务及SARS-CoV-2预测的基准ViroGym,其中ProGen2模型表现最佳。 测试表明深突变扫描与中和任务能可靠识别可泛化至现实世界突变的模型,且两者互补。 相关数据与代码已在GitHub开源。
针对现有扩散模型固定原子数量导致无法准确捕捉分子性质与大小联合分布的问题,研究提出名为 Morph 的灵活尺寸生成模型。 该模型基于几何图结构,通过非平衡最优传输动态调整分子大小,在保持性能的同时显著增强了属性导向采样灵活性。 研究展示了 Morph 在分布外生成任务中超越了先前固定尺寸模型在特定区域表现不佳的局限。
参数高效微调(PEFT)方法面临适配器规模与表达力的权衡,BoostLoRA 提出一种梯度提升框架以打破此限制。该框架通过迭代训练和合并极简适配器,利用 ROTATE SVD 基策略使累积有效秩随轮数线性增长,且合并后消除推理开销。
发布包含 4,131 个 GitHub PR 的数据集 PrivacyPR,提供 1,169 个高置信度隐私修复及 250 条人工验证样本。 在 Small 子集上,编码智能体在通用提示下仅检测出 42%-51% 缺陷,而在明确隐私审查指令下检测率达 88%-91%。 结果表明缺陷检测依赖审查意图,且伴随 11%-15% 的误报,数据与代码已公开。
研究团队发布GDP.xlsx基准测试,包含13个领域由专业人士撰写的70个真实职场任务及791项评估标准,用于衡量模型在专业电子表格处理上的能力。测试显示,20种模型配置中得分最高的Gemini 4 Argon仅通过38.3%的任务,中位得分仅为19.3%。研究团队已开放评估框架和3个公开任务,其余任务保留以防污染。
分析显示,在 2025 年 11 月至 2026 年 11 月发布的 PyPI 项目中,MCP SDK 的导入数(20,013 个)超过 OpenAI 等 LLM 客户端(12,096 个),其中 86% 用于构建 MCP 服务端工具。
Hugging Face 发布 XYBench 基准,测试 AI 解决基于错误前提的“XY 问题”能力,该成果获 EMNLP 2026 最佳资源论文奖。 评测对象包括 Claude Sonnet 4.6、GPT-5 等 5 个模型,基准包含 8,115 个真实及生成问题。
Singularity-Bench 提出了一项开放式的智能体自主开发基准,包含预训练、推理、集群编排等六个端到端任务,要求智能体从极简起点实现核心系统并与成熟人类基线同硬件对比。
论文提出 Masked Diffusion Drive(MD-Drive)多阶段优化管线,在 NAVSIM 闭环基准上较未优化模型性能提升 29.7%。 该方法结合监督微调、强化学习及动态解码 DAD,无需辅助专家模块。MD-Drive 在 nuScenes 和 DriveCoT 数据集上超越同架构自回归基线,实现性能与计算成本更优平衡。
GuardianAgentFlow 提出一种多智能体框架,通过显式发布契约中介外出 Web 请求,以区分经脱敏处理可发送的请求与必须扣留的请求。 该框架包含限制检查、共享保护范围及基于候选者的反馈机制;实验表明其在人工审查意图标签的 Web 请求中提升了请求契约成功率,且协调效益在更小中介模型下依然存在。
Joint Null-Space Projection (JNSP) 提出无数据模型合并方法,在 8 个 CLIP 图像分类任务上将 ViT-B/16 专家模型平均准确率提升至 89.45%,超越 TIES-Merging 11.88 个百分点。 该方法移除任务向量在其他任务子空间中的分量,无需前向传播,但在 RoBERTa-large 上表现低于纯任务算术。
SteerDistill 通过闭环教师引导量化 LLM 智能体 论文:https://huggingface.co/papers/2611.13410
一项包含 75 名听众的盲测研究发现,在排除录音链路差异后,听众判断有声读物片段是人类还是 AI(ElevenLabs v4)生成的准确率仅为 48.8%。数据表明听众对判断信心与准确率无关,且 ElevenLabs 语音常被误认为人类。
智能体集群中的恶意合谋依赖其他智能体作为“见证者”。编排层可通过分叉智能体上下文并提示其上报违规行为,实现推理时自我治理,降低模型策略性优化压力。 该方法利用多智能体结构离散化单点风险,通过监控局部通讯识别偏离,在事故发生前干预集群行为。