IBM 在 Hugging Face 发布 Granite Timeseries Ensemble，把四个预训练 Granite 时间序列模型（PatchTST-FM-r1/r2、FlowState-r1.1、TTM-r3）组合成一个集成预测接口，无需重新训练、无需拟合集成权重，直接输出点预测和 0.1 到 0.9 分位数预测。默认提供概率集成和自适应 IQR 集成两种方案，接口可扩展接入其他兼容预测器，代码与默认成员模型均为宽松许可。安装 granite-tsfm 0.3.11 及以上版本即可加载，首次运行需下载…
推荐理由pip 装完就能用四个开源模型做零训练预测，直接拿到分位数区间
IBM 发布开源语音语言模型 Granite Speech 5.0 2B，采用 Apache 2.0 许可，可将 6 种语言的语音转成文本。模型为 2B 参数稠密结构，LLM 主干基于 granite-4.0-1b-base，用 YaRN 扩展到 16k 位置，训练使用 39 万小时公开音频加合成数据，8 张 H100 训练 40 天。在 Open ASR Leaderboard 上以 5.68% 平均英文 WER 排开源权重第二，仅次于 Qwen3-ASR-1.7B 的 5.40%；LibriSpeech Cle…
推荐理由Apache 2.0 可商用，2B 模型能在 Mac 本地跑，关键词偏置最多 2000 词，适合做会议转写
MiniMax 在 Code 桌面端上线 Mini App，一种带前端和 Node.js 后端、以插件形式安装的常驻应用，可与 Agent 互相调用。官方称目标是让 Agent 的工作留在一个持续存活的页面上，而不是散落在多个对话里。发布包含三部分：Mini App 运行时（持久数据目录、托管 MCP、Agent API、Host Connectors、页面内工具审批）、/miniapp-creator（从一句话需求生成可用页面）、插件市场官方 Mini App 及开源仓库 MiniMax-Code-MiniApp…
推荐理由做 Agent 工具的人可以看它的插件协议和托管 MCP 设计，把一次性对话输出变成常驻应用。
Perplexity 与 NVIDIA 团队提出后训练方法 JOLT（Joint On-policy Learning and Teaching），让同一个模型同时扮演教师和学生两个角色：教师能看到特权信息，学生看不到，而且教师本身也会被训练，以保证其反馈始终可用。在 MATH 上，JOLT 达到 GRPO 的准确率，但处理的训练 token 少 6.5 倍。测试覆盖 Qwen3-0.6B、Qwen3-4B-Instruct、Qwen3-8B、Qwen3-30B-A3B-Instruct 和 DeepSeek-V2…
推荐理由做 RL 后训练可省 6.5 倍 token，AppWorld 通过率高 9.9 个百分点
一位开发者撰文批评同事把 AI 生成内容原样转发来回答问题：他提出技术问题后，对方回复结构工整、列 3 个权衡并给出建议，被追问后停顿一分钟再贴一段同样精致的回答，实际是在和「带人形复制粘贴按钮的聊天窗口」对话。作者认为，向同事提问要的是其亲身经验与判断，而非通用输出加延迟；并质疑所谓「AI 出方案、人做决策」：若 99% 同意 AI 建议，决策者只是盖章。他建议自测：能否说出一次基于模型不知道的约束、历史事故或团队偏好而反对 AI 的经历。原文信息有限，末尾案例未完整呈现。
推荐理由可对照自测：你最近一次基于团队约束反对 AI 建议是什么时候？说不出就是盖章。
MarkTechPost 实测了 Cactus Compute 的语音转文字模型 Whistle：该模型体积 16.9 MB，可在 CPU 上运行，支持 7 种语言，并能返回词级时间戳和概率。在 LibriSpeech 的 test-other 样本上，Whistle 领先使用贪心解码的 Whisper base，但与使用 beam search 的 Whisper base 相比没有显著差距；它的速度优势会随音频变长而缩小。测试还发现，固定版本的引擎在处理超过 30 秒的音频时，会静默丢弃中间部分。数据来自 Ap…
推荐理由想用 CPU 跑本地语音转写的人可以看：16.9 MB 模型对 Whisper base 的真实差距
NVIDIA 发布 Nsight Python 使用教程。该开源库是 NVIDIA kernel 分析器的 Python 接口，用 nsight.annotate 标注代码、用 nsight.analyze.kernel 装饰基准函数，即可返回按标注区域、配置和运行次数组织的硬件指标 pandas DataFrame。自 1.0 版起，该库把 Nsight Compute 挂到运行中的 Python 进程，可在 Jupyter 和 Colab 中使用；即将发布的 1.1 版将加入实验性 CUPTI 后端、显式工具管…
推荐理由在 Colab 免费 T4 上就能跑通，用 pandas 直接拿到每个 kernel 的硬件指标，不用再翻 ncu 报告
Anthropic 宣布把 Agent Skills 开放标准捐给 Linux 基金会旗下的 Agentic AI Foundation（AAIF），同时捐出名称、Logo、GitHub 组织和 agentskills.io 域名。该标准自 2025 年 12 月发布以来，已有 ChatGPT、Cursor、GitHub Copilot、VS Code 等 70 多个 Agent 平台接入；累计发布 100 万个 skill，安装量近 2.8 亿次。Anthropic、Google、OpenAI 等公司的工程师将以…
推荐理由100 万个 skill、2.8 亿次安装，Agent Skills 已成跨平台事实标准
医疗 AI 公司 Heidi 在 Fireworks 平台上对 550B 参数的 NVIDIA Nemotron 3 Ultra 进行后训练：先用合成 Agent 轨迹做监督微调，再用围绕临床安全与忠实度设计奖励的强化学习，经 NVFP4 量化后部署在 NVIDIA Blackwell 的专属实例上。Heidi 每周支持 270 万次临床问诊、覆盖 110 种语言。后训练后的开源模型在实时盲测对比中约 54% 胜出，而基线检查点约为 42%，对手是当前生产环境使用的前沿闭源模型。
推荐理由一个 12 人团队用开源权重在临床盲测中反超前沿闭源模型，54% 对 42%，可看后训练与 RL 奖励设计思路
Anthropic 与 Theorem 合作，用 Claude 在 RISC-V 汇编代码层面为 100 多个真实开源软件库证明了安全属性，这是首次用 AI 对生产软件做汇编级大规模形式化验证。Claude 在写证明过程中还发现了此前历经数万亿次测试运行仍未检出的 bug。形式化验证传统上成本极高：seL4 内核实现用了 2 人年，验证却用了 20 人年，因此此前只用于空客航电等关键领域。
推荐理由形式化验证从 20 人年降到可批量跑，做安全与系统软件的团队可以关注这条新路径
特斯拉在第三季度财报电话会上给出时间表：自动驾驶副总裁 Ashok Elluswamy 表示，预计 2027 年第二季度可让首批车主车辆加入 Robotaxi 车队，前提是这些 Model Y 能纳入特斯拉的地理围栏和车队管理。目前特斯拉在得州和佛州有数百辆 Robotaxi，其中部分仍配安全员；奥斯汀有数十辆完全无人驾驶的 Cybercab。本季度北美新购车者中超过 75% 选装 FSD（Supervised），环比提升近 20 个百分点。特斯拉还上线 Robotaxi 安全网站，称已自动驾驶 330 万英里。原…
推荐理由看特斯拉 Robotaxi 时间表与 330 万英里、75% 选装率三个数字，判断 FSD 商业化进度。