用 SimReady 资产在 Isaac Sim 中搭建机器人抓取放置仿真
英伟达团队演示了用 UR17G 机械臂、Robotiq 2F-140 夹爪和饮料罐在 Isaac Sim 6.2 中搭建抓取放置仿真,资产来自 Hugging Face 上的 SimReady Central 库。示例使用 GPT-6 Sol 生成并执行任务代码,完成抓取、抬升、移动和释放动作。运行前需检查关节限位与驱动设置、小幅运动及接触行为,避免资产静止时外观正常但仿真中动作出错。
英伟达团队演示了用 UR17G 机械臂、Robotiq 2F-140 夹爪和饮料罐在 Isaac Sim 6.2 中搭建抓取放置仿真,资产来自 Hugging Face 上的 SimReady Central 库。示例使用 GPT-6 Sol 生成并执行任务代码,完成抓取、抬升、移动和释放动作。运行前需检查关节限位与驱动设置、小幅运动及接触行为,避免资产静止时外观正常但仿真中动作出错。
OpenFold3-preview 已在 Amazon SageMaker JumpStart 上线,可在自有 AWS 账户中预测蛋白质、DNA、RNA、小分子配体及其复合物的 3D 结构。
llama.cpp 与 ggml 发布 v1.0.0,并规定此后公共 C API 的破坏性变更将以主版本号递增来标记。项目已支持超过 150 种模型架构变体及主流投机解码方法,并通过 Docker、Homebrew、conda-forge、Winget、XCFramework 等渠道分发。
推荐理由:llama.cpp 与 ggml 同步发布 v1.0.0,并明确此后以主版本号标记 API/ABI 不兼容变更,下游集成方可据此规划升级。
IBM 发布 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview 两个实验性预览模型,基于 Granite 4.1 base 训练,可读写 LLMON 标记文本。
推荐理由:IBM 团队解释了 LLMON 如何用保留特殊 token 标记指令与数据边界,并给出提示注入攻击成功率下降的基准对比。
Hugging Face 发布 TRELLIS.2 的 LoRA 微调指南,提供可在本地或 Hugging Face Jobs 运行的预处理与训练容器脚本。作者用 GSO 中 188 个鞋类对象做实验,只对稀疏结构流 DiT 和形状流 DiT 注入 LoRA 适配器、冻结纹理流 DiT,共训练约 930 万适配器参数。
多向量嵌入模型可通过 Token Pooling 合并相似 token 向量来压缩存储,而 pooling 感知训练能让编码器在合并时保留关键信息。在 pool_factor=4、文档向量减少 4 倍的条件下,常规训练模型保留未池化 NanoBEIR nDCG@10 的 94.6%,感知训练将这一保留率提升至 97.8%。
Tether AI Research 发布 BotPsy,一个基于 Qwen3.5-0.8B 的 0.8B 参数模型,面向函数调用与智能体工作流,适合端侧部署。
Hugging Face 发布决策模型(decision model)支持,在 Transformers 中新增 DecisionPipeline、AutoModelForDecision 和 DecisionConfig,模型接收 state 与 questions,直接返回带概率的结构化决策而不生成文本。
Hugging Face 组织现在可关联 Google Cloud 账户,使用费用直接计入 Google Cloud 账单,无需再用信用卡支付。
Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan,这是 Nemotron-Personas-Japan 的金融领域扩展,据称是首个百万记录规模、结合日本官方统计与家庭金融数据的开放 persona 数据集。
Hugging Face 的 Open ASR Leaderboard 与 Liva AI 合作,新增埃及和尼日利亚两种英语口音的私有评测数据,时长分别为 1.34 小时和 1.55 小时,均为带标点、大小写和不流畅标记的对话式自发语音。榜单私有标签页现按 Kachru 三圈模型细分口音,区分美国与非美国、内圈与外圈及扩展圈。
Ai2 发布 ToyBlocks,一个围绕机械臂与桌面方块的开源仿真框架,可自动生成任务与演示数据并评测机器人行为。它基于 Isaac Lab 用强化学习和运动规划生成技能,单 GPU 并行执行数百个规划,达到最高 24 倍实时速度。首个数据版本包含 85,336 条长程演示、近 1,600 小时机器人执行数据和 1.44 亿帧。
gradium 团队发布端侧文本转语音模型 Phonon,两个版本约 65 MB 和 75 MB,覆盖英语、法语、德语、西班牙语和葡萄牙语,无需服务器和网络即可运行。
推荐理由:原文交代了 Phonon 的端侧运行方式、开源许可和榜单表现,读者可据此判断小模型语音合成的可用边界。
Dharma-AI 发布 Dharma Field Extractor,一个 20 亿参数模型,输入文档图像后按开放模式或指定 schema 输出结构化 JSON,同一 checkpoint 无需按文档类型微调。
Collinear AI 在 Hugging Face 发布 CWE-bench v2,公开 100 个安全漏洞修复任务,覆盖 91 种 CWE,评分完全程序化、可复现。
IBM 研究团队发布 Palette,通过 LoRA 微调一个 20B 开源权重模型,让它按 IBM Design Language 生成幻灯片。模型被拆成设计者和编码者两个角色,前者输出结构化 JSON 简报,后者并行生成每页的 pptxgenjs 代码,编码阶段约快 6–7 倍。
Ai2 推出 StateBench,用于评测语言模型在长文档中追踪实体状态变化的能力,按 r-trivial、aperiodic、soluble、general finite 四个难度层级设计。
Hugging Face 提出 transformers-mic 模型集成契约(MIC)标准,用缩小版 fixture 模型在 CPU 上运行快速集成测试,在 PR 阶段拦截回归。
Mistral 发布多模态 MoE 模型 Mistral Large 4(Le Chonk),约 1T 总参数、49B 激活参数,上下文窗口 1M tokens,提供 FP8 与 NVFP4 两个官方版本。
推荐理由:原文给出 MoE 架构、稀疏注意力与安全基准细节,可据此判断开源权重模型在编码与网络安全场景的可用性。
Hugging Face 与卡内基梅隆大学、普渡大学、佐治亚理工学院等机构联合发起 Project ProtoStar,推动公共资助的科研数据集、模型和代码以 AI 就绪格式开放共享。首个挑战赛由卡内基梅隆大学主办,于 11 月 2 日开放。Hugging Face 目前已托管超 17,000 个核心科学领域公开数据集,含医学和数学则接近 29,000 个。
作者发布 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包,可在 Apple 平台本地运行开源语音识别与决策模型。
NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe,把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint,支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人标注,可处理最长 1 小时录音并标注最多 8 位说话人。
推荐理由:原文给出多语言转写、说话人分离与翻译的统一模型,并附开放数据管线和微调配方,可据此判断落地方式。
Ai2 发布研究 Old Ideas, Novel Problems,并公开 Novelty-Bench 基准、数据和代码,用于测试 LLM 作为新颖性评判者的可靠性。
LiquidAI 发布 LFM3 新一代 Liquid Foundation Models,六个 2B 级模型(文本、视觉、音频、omni 及两个 d1 决策模型)全部从 LFM3-1.7B-Base 分支而来,覆盖文本、图像、视频和音频输入。
推荐理由:LiquidAI 公布了 LFM3 的架构改动与六个 2B 级模型的实测对比,可据此判断端侧多模态选型。
Ai2 与宾夕法尼亚大学合作开发了 LitPivot,一个基于 Asta Paper Finder 检索论文、按问题/贡献/评估三个维度组织文献并给出带原文摘录的批评与修改建议的研究构思系统。在 17 名研究者的实验中,领域专家认为用 LitPivot 形成的想法比用文本编辑器加 AI 聊天工具的想法更有文献依据,参与者自评其想法更新颖、更有用。该系统将在 UIST 2026 展示。
Hugging Face 推出 torch-neuronx 模型支持 Space,可查询 Hub 上热门模型能否在 AWS Trainium 上原样运行,并给出复现脚本。
微软与 Hugging Face 联合发布 ThinkingBox-Training,把 ThinkingBox 对数据库终态的确定性校验直接当作 RL 奖励,用于训练智能体。
Ai2 发布 OlmoEarth v1.3 卫星嵌入模型,为全球每 10 米像素生成 128 维向量,前 64 维可单独使用。团队同时公开全行星预计算年度嵌入(10m、64 与 128 维)和无需登录的 OlmoEarth Embeddings Explorer 浏览器工具,模型权重、预训练数据和代码全部开放。
IBM 在 Hugging Face 发布 Granite Timeseries Ensemble,用一套可扩展接口组合四个 Granite 时序模型,无需重训、无需拟合集成权重即可输出中位数与分位数预测。
IBM 发布 Granite Speech 5.0 系列三项更新:新模型 granite-speech-5.0-2b 支持英法德西葡日六种语言转写及与英语互译。
Dharma-AI 团队提出 VocabX 方法,在不更换基座模型、数据和训练配方的前提下,围绕每个 token 的推理成本而非出现频率重建词表,在基于 Qwen3-4B 的葡萄牙语作文评分器上将实测推理成本降低 77.0%。
推荐理由:作者团队公开 VocabX 的词表专门化方法,读者可了解按生成成本而非词频选择 token 的思路与实测数据。
NVIDIA 发布预训练关系基础模型 Kumo Relational,可直接在企业数据库上做预测,无需任务特定训练、特征工程或表展平。
推荐理由:原文给出预训练关系基础模型在 41 项任务上的对比结果与开源入口,可据此判断免训练预测能否替代现有 XGBoost 流水线。
NVIDIA 扩展其开源模型家族,覆盖语言、机器人、生物和量子计算,包括新的 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt、面向结构化业务数据的 Kumo 系列、Cosmos 3.5 世界模型、面向自动驾驶的 Alpamayo 2 Edge、BioNeMo 蛋白质设计模型和量子计算模型 Ising。
推荐理由:原文一次性列出语言、机器人、生物、量子等多条开源模型线的能力与开放渠道,便于读者对照自身场景判断可复用范围。
Hugging Face 发布 AnyLanguageModel 1.0,同时推出 swift-huggingface 1.0 和 swift-xet 1.0。
Hugging Face 宣布 TorchTPU 作为 PyTorch 原生后端接入其生态,Transformers、Diffusers 和 Kernels 可直接在 TPU 上运行,模型只需指定 device_map="tpu" 或 pipe.to("tpu")。
推荐理由:原文给出了安装命令、各库的接入方式和实测吞吐数据,读者可据此判断 PyTorch 在 TPU 上的迁移成本。
IBM 研究团队提出 ALTK-Evolve,用 GPT-4.1 从智能体自身任务轨迹中提炼行为准则并追加到系统提示词,不更新模型权重,使基础 ReAct 客服智能体在 τ²-bench retail 上 Pass^4 达到 67.5%,高于榜单上所有 retail 条目及微调模型 RAFT-30B-A3B 的 61.4%。
Ai2 发布 FairStress,用于衡量 LLM 在招聘、医疗、借贷等决策中的群体公平性,不只比较最终选择,还测试模型面对说服性前缀时改变决定的难易程度。基准包含 29 个领域的 300 个双候选人场景,组合身份呈现方式与对抗前缀后扩展为超过 1300 万个测试用例,另有基于项目反应理论筛选的 5 万条 FairStress-Core 子集。
PyTorch 2.15 在 MPS 后端加入 FP8 张量支持和原生 grouped matmul,MoE 模型解码速度比 2.14 快 5–6.5 倍,Qwen3.6-35B-A3B 在 M3 Ultra 上从 9.4 tokens/s 提升到 61.3 tokens/s。
Amazon SageMaker AI 新客户现在可用 Google、GitHub、Apple、Amazon 账号或邮箱在 2–3 步内注册 AWS,并直接进入自动配置好的 SageMaker Studio 环境,环境创建约需 20 秒。
Amazon SageMaker JumpStart 在 2026 年 1 月至 9 月新增超过 100 个模型,来自 30 家不同提供商。其中 Alibaba(Qwen)贡献 29 个模型,NVIDIA 贡献 17 个,包括 Cosmos3 世界基础模型系列与 Nemotron-3-Super-120B。新增模型重点覆盖多模态、量化与紧凑模型,以及图像视频生成能力。