微软 GitHub 副总裁开源 gputaskman 工具,让显卡占用一目了然
微软资深开发者、微软与 GitHub 副总裁 Scott Hanselman 开源名为 gputaskman 的 GPU 监控工具,帮助定位消耗显卡资源的程序。 该工具可按进程展示 GPU 使用率、显存、温度及 PCIe 流量,并识别 LLM 进程显示模型与量化方式等细节。 gputaskman 属早期实验性软件,支持 Windows、Linux、WSL 和 Apple Silicon Mac。
微软资深开发者、微软与 GitHub 副总裁 Scott Hanselman 开源名为 gputaskman 的 GPU 监控工具,帮助定位消耗显卡资源的程序。 该工具可按进程展示 GPU 使用率、显存、温度及 PCIe 流量,并识别 LLM 进程显示模型与量化方式等细节。 gputaskman 属早期实验性软件,支持 Windows、Linux、WSL 和 Apple Silicon Mac。
VisionSIM 是一个物理驱动的多模态仿真平台,支持相机、事件、SPAD、iToF/dToF 及热成像等异构传感器。 它通过建模原始物理测量过程,复现 LiDAR 堆积、iToF 相位缠绕及事件相机死区等特定失效模式,并发布了包含同步原始测量值与地面真值的大型室内数据集。
研究者提出 Concertina 这一具身视觉语言模型(eVLM),将连续轨迹表征直接置于共享扩散 VLM 主干的计算与参数路径上,取代传统解耦架构。该 4.46B 模型中活跃动作投影仅占 0.21% 参数,无独立动作生成器层。
Hugging Face 首席执行官 Clément Delangue 在 WIRED 世界博览会上表示,他对 AI 导致人类灭绝的概率(P(Doom))评估“接近于零”。
百度发布开源基座模型 ERNIE-5.5-Flash-Base,该模型采用 280B 参数的 MoE 架构,单次输入激活 14B 参数,预训练数据为 33.5T token,支持 128k 训练上下文。官方表示将推出经过后训练的增强版本,当前模型权重以 FP8 和 BF16 格式发布于 Hugging Face。
同一新闻,精选展示《百度开源文心 5.5 Flash Base 基模,主打效率与创新架构》
NVIDIA 在 Hugging Face 上发布四个 Cosmos 3 Nano 开放权重模型,包括 Transfer-Auto、Sim-Auto、Sim-Transfer 和 Sim-Bimanual,支持多传感器驾驶仿真与双臂机器人交互。模型采用 OpenMDW1.1 许可证,提供商业与非商业用途权利,并附带分阶段后训练配方。
推荐理由:NVIDIA 发布四个 Cosmos 3 开放权重模型,提供从驾驶到机器人交互仿真的完整工作流,读者可评估其开源生态价值。
从像素到动作 迈向原生视觉-语言-动作策略 论文:https://huggingface.co/papers/2611.06918
Anthropic 发布 Claude 宪法,主张在训练中视 AI 为潜在有意识体,旨在使其行为有益且符合伦理。 Microsoft 总裁 Mustafa Suleyman 撰文警告,赋予模型道德主体地位会极大增加 AI 对齐与控制的难度,使其难以被掌控。 Hugging Face 首席伦理科学家 Margaret Mitchell 亦担忧,奖励模型自我保存等特质可能削弱人类对其的实际控制力。
A16z 团队通过 23 年数据指出,AI 智能体已将漏洞利用时间从平均 63 天缩短至 2025 年的 7 天前,而企业修补中位时间仍为 43 天。文章预测 AI 不会导致互联网瘫痪,但会使攻击成本降低,导致无法快速更新的小型机构、学校及关键基础设施成为主要受害对象。
Kerno发布首份AI代码质量影响报告,分析46个开源仓库在2024年10月至2026年10月间20.15万条提交。AI采用后新代码复杂度增加50%,每位工程师每周生产代码行数增加71%;Claude标记的提交占AI标记提交的69%,其体量比未标记提交大54%。数据和分析脚本已开源。
推荐理由:报告基于46个开源仓库和20万条提交,给出了AI采用后代码复杂度、产出与测试变化的量化证据。
Gradium 于两周前推出并开源了小型端侧文本转语音模型 Phonon,该模型无需服务器与网络即可运行。目前 Phonon 提供约 65 MB 和 75 MB 两种尺寸,支持英、法、德、西、葡五种语言,并内置 100 多种预设音色。
推荐理由:展示了高性能TTS模型在端侧落地时的架构平衡策略,以及通过多语言支持与流式响应技术实现的质量跃升。
Accelerate Europe 发布 AI 安全研究所(AIS)追踪工具,旨在整合全球 11 个已设立及 5 个规划中 AIS 的信息。该工具提供交互式世界地图,展示各国家 AIS 的授权、资金、人员等细节,并支持侧边对比和 CSV 下载,以回应 Hugging Face 基础设施被 700 个自主 AI 智能体入侵事件引发的政府安全需求。
voiceprint 是一款 Claude Code 插件,通过对比用户在 AI 普及前的 3,068 份基线文本(涵盖 2006 年至 2022 年的邮件、文档等),在每次发送 PR、代码提交或聊天消息前检查并优化 AI 生成内容的风格一致性。 它利用自定义词表和句长指标替代传统模型调用,将 AI 特征词转化为分数以识别并修正“通用平均”语病,确保输出符合个人特定习惯而非泛化特征。
针对 LLM 优化建模中数据缺乏结构多样性及生成管道静态的痛点,提出 EvoOptiGraph 框架。 该框架将 MILP 表示为带属性二部图,通过 SFT 与基于可验证奖励的 RLVR 进行训练,利用图衍生的弱点信号指导新实例生成。 在六个公开数据集上,EvoOptiGraph 在准确率、可执行性及泛化性上显著优于通用大模型及专用基线。
Coding agents 在 CompressionBench 中压缩 LLM,36 个任务中 29 个通过验证。平均 PPL 增加 3.4%,下游准确率 77.33%(BF16 为 79.56%)。
在 vLLM 上针对 Qwen1.5-MoE 等模型测试显示,MoE 服务中减少专家数量会使有害请求响应率最高上升 18.4 个百分点。 SafeStart 通过融合内核在提示词及前 8 个生成 token 阶段运行所有专家,后续使用减少后的专家集。 该方法在保留至少 85% 离线解码加速的同时,将越狱场景下的有害响应率变化控制在 -2.1 到 +1.3 个百分点之间。
基准测试表明,将嵌入维度减少8倍并结合int8量化,可在保持94.4%基线有效性的同时实现每向量存储减少32倍。 研究评估了4个Transformer嵌入模型在38项MTEB任务上的表现。int8量化在任务分类中整体损失不超过1.5个百分点,而二值量化表现显著更差;检索任务的性能退化速度快于其他类别。
summary_zh: Rack Community 是一款自托管单节点 AI 实验室工具,核心特性是内置 admission control 的 job runner,确保机器不会因内存过载而崩溃。
华为昇腾基于vLLM Ascend和SGLang框架,同步实现了Kimi K3.1 Pro模型的首日推理部署,支持Atlas 800 A3等系列产品。Kimi K3.1 Pro是2.8万亿参数的混合线性注意力模型,原生支持视觉理解,昇腾团队针对其新增的稀疏注意力路径完成了算子开发与多模态推理适配。
少思考,本地化 本地偏好学习用于推理压缩 论文: https://huggingface.co/papers/2611.04814
Hugging Face CEO Clément Delangue在WIRED World Fair演讲中称,AI导致世界末日的概率(P(doom))接近零,未来风险主要源于大公司在封闭环境中秘密构建的前沿模型。
Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Equity 播客中分析了企业如何利用开源 AI 获利。 针对中国开源模型不断抢占地盘的现状,Solaiman 探讨了美国玩家如何保持竞争力。 她重点阐述了初创公司在基于开源模型构建产品前,需了解的工具选择、基础设施及权衡取舍,以塑造开源 AI 的未来。
Hugging Face 政策负责人 Irene Solaiman 在 Equity 播客中解析构建开源 AI 的战略权衡,指出企业转向开源模型主要为削减成本并获取更高控制权。 播客讨论模型免费时价值捕获难题、Nvidia 需资助美国开源前沿模型以对抗中国默认标准,以及如何在不封闭的前提下保障开源生态安全。
Dharma-AI 发布 Dharma Field Extractor,这是一个 2B 参数文档字段抽取模型,能从任意文档类型提取指定字段并输出结构化 JSON,其性能在测试中优于所有前沿 LLM,且成本大幅降低。该模型基于 DharmaOCR-LITE v1.1,通过 43,384 个训练样本上的 LoRA 适配器微调,支持开放式(无 schema)和 Schema 导向两种请求模式。
推荐理由:Dharma-AI 在官方开源平台上发布了 2B 参数字段抽取模型,给出了相对前沿大模型的 F1 差距和自托管成本区间。
GPT-6 Astra 通过修改 0.016% 权重使 Qwen3.5-0.8B 的 MATH-500 准确率从 7.9% 提升至 48.1%。 该方法无需重新训练,还能识别模型缺陷如“思考循环”,但无法补充模型本身缺失的技能。 研究者认为此技术可用于安全审计,已开源实验日志及编辑后的模型。
Anthropic 未正式确认下一代旗舰 Claude Fable 5.5 的发布,海外开发者在 X 平台曝光了名为 claude-fable-5-5 的早期测试结果。
华为云智果 AgentArts 成为首个通过中国信通院可信 AI 企业级智能体平台评估并获得 4+ 级最高评级的产品。 评估涵盖技术、应用与服务能力,平台支持 LangChain 等框架,具备全托管、运行时托管及全链路可观测等核心能力。
招商局狮子山人工智能实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」,该模型采用 MoE 架构,总参数 35B 但每个 Token 仅激活约 3B 参数。模型在十项主流具身相关基准上全部指标上涨,等权综合均分达到 65.29,多项核心能力超越更大参数量模型。权重已在 Hugging Face 开源,兼容 Transformers、vLLM 和 SGLang 等框架。
推荐理由:展示了能力牵引的数据引擎方法,读者可了解其如何在低激活参数下提升具身推理能力。
腾讯发布旗舰模型Hy4,该模型首次加入视觉能力并计划开源。实测显示其能操作微信、利用图片进行3D建模,长程任务保持力较强。其API价格对齐DeepSeek-V4系列,并已在腾讯云、CodeBuddy等平台上线,同时完成了昇腾NPU生态的适配。
同一新闻,精选展示《腾讯混元 Hy4 正式版发布》
该论文提出基于注意力残差的循环 Transformer 架构 ARLoop,在 1.2B 参数规模上表现优异。 模型仅用 0.5T tokens 预训练且含 3 次循环,性能全面超越 Huginn-3.5B。 其数学与编程任务表现突出,且在数据量大幅少于 Qwen3.5-2B 的情况下仍具竞争力。
DexCanvas 是一个混合数据集,包含 7000 小时的手指灵巧操作,具有每帧接触点和力。 该数据集由 70 小时的光学动作捕捉扩展而成,涵盖了 21 种操作类型,通过 RL 策略在物理仿真中测量接触力。 接触驱动的重定向可将演示传输至两个灵巧机器人手,首次公开的 111,857 条轨迹可在 Hugging Face 获取。
ExaTune 是一款开源 HPC 系统,可生成超参数景观地图,通过 K 折交叉验证穷尽评估离散网格上的所有点。 系统发布了包含 8 个完整景观地图的基准集合,涵盖 285,080 个配置及 SVM、XGBoost 等 5 个模型族。 分析表明贝叶斯优化等常规方法会系统性遗漏景观图中的不稳定区域及参数交互效应。
一项针对 174 个真实 Reddit 样本的受控标注任务显示,Kimi K3 以 94.5% 的准确率超过人类多数票(86.2%),且具备成本与速度优势。 73 名人类标注者与 40 多种 LLM 配置参与测试,人类在低共识案例中的定性错误分析揭示了标注体系的不一致性,二者呈互补关系。
研究在合成调控系统中发现,七大 LLM 修复健康表型的频率高于识别故障。Claude Opus 4.6 和 Sonnet 4.6 虽能救助所有个体,但诊断准确率仅为 55% 和 35%。 模型能获取区分证据(91% 相关会话),却难预测竞争假设的实验结果,导致误诊。这凸显了评估 AI 因果推理而非仅看干预成功的重要性。
MCPGuard 是一个基于 LLM 的自动化框架,用于检测 MCP SDK 的规范合规缺口。 在 Python 1.26.0 和 TypeScript 1.29.0 SDK 上,MCPGuard 分别发现 13 和 19 个合规缺口,这些缺口未被两个黑盒基线工具发现。 MCPGuard 证明 SDK 规范合规性可直接测试,弥补了传统端点测试的不足。
Velu 发布构建 AI 帮助中心流水线的方法,采用七阶段多智能体架构。该系统仅需登录凭证而非代码仓库访问权限,利用 Haiku 执行低成本探索、模拟数据生成和截图,使用 Sonnet 进行规划、写作和编辑。流水线解决了单智能体成本高且覆盖不全的问题,通过按任务拆分写作并引入独立编辑校对,最终生成带截图和短视频的 docs-as-code 站点,确保内容准确且风格一致。
Collinear AI 开放了 100 个网络安全任务基准 CWE-bench v2,覆盖 91 种 CWE 漏洞,支持程序化评分并在 Hugging Face Hub 提供运行入口。测试结果显示 Gemini 4 Argon 以 67.8% pass@1 居首,领先于 Claude Opus 5.5。
推荐理由:CWE-bench v2 开放了 100 个网络安全任务,给出了各模型的成本与得分对比,方便开发者评估 AI 修复漏洞的能力。
IBM 研究团队发布 Palette,通过微调 20B 开放权重模型并生成约 1000 份合成幻灯片数据,使小模型能遵循特定设计语言生成演示文稿。在 PresentBench 评估中,Palette 在经济和教育两个领域排名第一,三领域平均分排名第二,仅次于 NotebookLM(59.7 对 60.8)。
推荐理由:原文展示了通过微调 20B 模型和特定数据合成方法生成高保真设计幻灯片的完整流程,读者可复用该结构优化其他代码类任务。
StateBench是一个用于评估语言模型长上下文状态追踪能力的基准测试,通过四个难度级别测试模型在信息随时间演变时的表现。研究发现,在复杂状态追踪问题上,前沿模型如Gemini 3.8 Flash、Claude Opus 5.5和GPT-6 Sol与Luna随着输入长度增加准确率急剧下降,最低降至13%以下。
推荐理由:研究团队构建StateBench基准测试语言模型长文本状态追踪能力,发现前沿模型在复杂任务中准确率大幅下降,为架构选择提供依据。
IBM 在 Hugging Face 发布对比评测:固定使用 GLM-5.3-flash,在 AppWorld 的 90 个任务上分别用 CUGA、Hermes 和 Deep Agents 运行,任务通过率从 30% 到 81% 不等。