Open ASR Leaderboard 新增 Monsoon 印地语与印度英语评测集
Voice Arena 与 Hugging Face 为 Open ASR Leaderboard 加入 Monsoon hi-IN 和 Monsoon en-IN 的公开与私有 split，Hindi 由此成为该榜多语言标签下的首个印度语言。
全部AI 动态
全部动态
今日 668 条HuggingFace BlogAI 评分5555 Google ResearchAI 评分5151 Google 推出行星预测引擎 PPE，自动完成地理空间建模全流程
Google 在 Google Earth AI 下推出实验性研究能力行星预测引擎（PPE），可直接从自然语言查询出发，自动完成地理空间数据检索、特征工程到模型训练与评估的全流程，把原先需要数周的人工数据工程缩短到数分钟。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景扩展、首尾帧插值与 4K 放大
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来场景扩展、首尾帧插值、360p 快速草稿和最高 4K 放大等生成式视频能力，已通过 Gemini API 在 Google AI Studio 上线。
推荐理由：相较于此前只参考最后一秒，Omni 1.1 把场景扩展的前序上下文提高到 10 秒，便于评估长视频工作流的可行性。
Google Blog：AI精选AI 评分6565 Google 在 Search AI Mode 中新增机票价格追踪、积分比价与酒店预订
Google 为 Search 的 AI Mode 新增机票价格追踪、积分或里程价格查看和酒店预订三项旅行功能。机票价格追踪沿用 Google Flights 的能力，已在 180 多个国家和地区上线，价格来自 300 多家合作航司和旅行网站。
推荐理由：Google 把机票价格追踪、积分比价和酒店预订接入 Search AI Mode，可看搜索入口向交易环节延伸的落点。
Google DeepMindAI 评分4444 Google 试点全球首个双盲 AI 评测，Gemini Flash Lite 参与机密基准测试
Google 联合新加坡 AI Safety Institute、OpenMined、AVERI 和 MLCommons，试点全球首个针对专有前沿模型的“双盲”评测，把外部评测限制在加密“盒子”内，避免模型提前看到测试题。该评测以 Gemini Flash Lite 在隐私保护环境中运行机密基准，提升评测可信度。其针对的是基准污染问题——模型若提前见过题目，分数会被虚高。
Google ResearchAI 评分4141 GlucoFM：面向连续血糖监测的基础模型
GlucoFM 是面向连续血糖监测（CGM）的自监督基础模型，双流设计分离慢速血糖趋势与短期偏差。它基于 109,066 小时无标注 CGM 数据预训练，在 14 项队列-任务评估中平均 PR-AUC 比最佳 GluFormer 变体高 5.8 个百分点。餐后血糖响应预测中其 MAE 在 Dexcom 和 Libre 上最低，并具备最佳跨数据集迁移能力。
Google DeepMindAI 评分5858 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转写模型，非流式 WER 为 2.6%
Google DeepMind 发布语音转文本模型 Gemini 3.5 Transcribe，官方称其为迄今最精确的一版，按 Artificial Analysis 测量，流式平均 WER 为 4.0%、非流式为 2.6%。
HuggingFace Blog精选AI 评分7979 Sentence Transformers 如何训练和微调多向量嵌入模型
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式后期交互检索，并配套完整的训练与微调流程。
推荐理由：文中给出可直接运行的微调脚本和六种起点对比，读者可据此判断在自有领域数据上训练多向量检索模型的成本。
Google ResearchAI 评分3434 AgentHands：为 XR 中空间化智能体对话生成交互式手势
Google 在 CHI 2026 发布研究原型 AgentHands，将 LLM 的高层推理映射为与语音同步的手势，用于 XR 中空间化的智能体对话。系统通过眼动与场景重建标记物体，由头显本地解析器按词级时间戳把 TTS 与手势动画对齐。在 N=12 的用户研究中，它对照纯语音基线完成兰花养护与 3D 打印机操作任务，空间定位效果显著提升。
Google Blog：AIAI 评分2828 用 Google Search 升级家居装饰的 5 种方式
Google 给出 5 种用 Google Search 升级家居装饰的方式：AI Mode 上传房间照片预览家具摆放，Google Lens 拍照找同款复古装饰，Circle to Search 圈选屏幕搜索装饰；Search Live 可语音加摄像头指导 DIY，商品页支持比价、价格历史与降价提醒。
Dwarkesh Patel：Podcast & BlogAI 评分6060 Dylan Patel 预测 Anthropic 和 OpenAI 到 2028 年掌握全球大部分算力
Dwarkesh Patel 与 SemiAnalysis 创始人 Dylan Patel 在播客中讨论实验室经济，判断 Anthropic 和 OpenAI 到 2028 年将掌握全球大部分可用算力。
HuggingFace Blog精选AI 评分6363 IBM 详解 Granite 4.2 系列 3B、8B、30B 推理模型的构建过程
IBM Granite 团队发布 Granite 4.2 推理模型系列，包含 3B、8B、30B 三个 dense、decoder-only 规模，全部以 Apache 2.0 许可开放。
推荐理由：原文公开了从五阶段预训练到多阶段 RL 的完整构建配方，可对照其他推理模型的开源训练路径。
HuggingFace BlogAI 评分4949 Quantization-Aware Healing：GPT-OSS 120B 压缩到 60B 的 4-bit 模型在 7/9 基准上超越全精度版本
Quantization-Aware Healing（QAH）让 GPT-OSS 120B 压缩到 60B、量化为 MXFP4 后，在 9 项基准中 7 项超过其 bfloat16 全精度版本。
HuggingFace Blog精选AI 评分6767 Gradio 推出 gr.Workflow，把 AI 管线变成可运行节点图与 REST API
Gradio 内置的 gr.Workflow 把 AI 管线变成可运行的节点图，每个节点能单独运行并就地显示中间结果，同一张图同时是 REST API 和一键部署到 Hugging Face Spaces 的入口。
推荐理由：Gradio 把多步 AI 管线做成可视化节点图，并自动生成 REST 接口与部署入口，读者可据此了解这套搭建方式。
Meta EngineeringAI 评分5353 Meta 发布 MetaRoCE RDMA 传输协议，经 OCP 开放规范与软件实现
Meta 发布 MetaRoCE，这是一款为 AI 工作负载在通用以太网上从零设计的 RDMA 传输协议，并通过 OCP 开放协议规范、软件参考实现 libsoftmetaroce 和合规测试套件。
Meta EngineeringAI 评分5353 Meta 公布 MTIA 300，首款内建 NIC 与通信卸载引擎的训练芯片
Meta 公布 MTIA 300，这是其自研芯片家族中首款面向推荐与排序模型训练优化的加速器。芯片封装内集成两个网络 chiplet，各含 6 个定制 800 Gbps RDMA NIC，总 I/O 带宽 1.2 TB/s，另有 16 个消息引擎（ME）独立承担通信，使大 GEMM 与集合通信并发时计算吞吐下降小于 0.5%。
Mistral AIAI 评分4444 Mistral 与 HUMAIN 宣布战略合作，推进沙特主权 AI
Mistral 与 HUMAIN 宣布战略合作，将在沙特及中东地区推进主权 AI，覆盖 AI 基础设施、先进模型开发与 AI 解决方案部署。初期聚焦网络安全与语音，并计划开发阿拉伯语表现强劲的前沿模型；Mistral 将探索使用 HUMAIN 的数据中心基础设施。合作规模达数亿欧元，双方还计划在沙特面向受监管行业制定联合市场推广策略。
Google AI：DEV 作者专属精选AI 评分6969 Gemini 3.7 Flash API 实测：$0.75 定价、minimal 档位返回 400
Gemini 3.7 Flash 于 2026-08-13 上线，输入每百万 token $0.75、输出 $3.75，介绍价 2026-12-31 到期后翻倍为 $1.50 / $7.50，且与 Gemini 3.6 Flash 现价完全相同。
推荐理由：作者在同一路由上对比三档思考级别的实测 token 与首 token 延迟，可帮助开发者估算迁移后的成本变化。
Google ResearchAI 评分4646 Google 的 Biomarker Discovery Framework：从可穿戴传感器数据中筛选候选生物标志物的 AI 工具
Google 的 Biomarker Discovery Framework 把可穿戴传感器数据中候选生物标志物的筛选组织为人类监督下的多智能体迭代研究闭环。在三个队列共 9,279 条参与者观测上，它自动提出 41 个心理健康与 25 个代谢候选数字生物标志物。
Google DeepMindAI 评分4747 从 Atari 到 EVE Online：Google DeepMind 的 15 年游戏 AI 研究
Google DeepMind 回顾 15 年游戏 AI 研究，并与 EVE Universe 背后的独立工作室 Fenris Creations 等游戏开发者合作，为只有 AI 才能实现的新玩法做原型。
Google ResearchAI 评分3636 Google Research：移动性数据如何让语言模型更深入理解地点
Google Research 提出 ME-POIs 框架，将匿名聚合移动性模式与语言模型的地点文本嵌入对齐，生成同时编码地点身份与动态功能的嵌入向量。在公开基准上，该框架对未见地点的访问意图预测相对提升最高 81.9%，价格等级分类提升 75.1%，繁忙度估计准确率提升 24.7%。其流程包含访问对齐、空间多尺度访问传播和文本-移动性协同，用于缓解长尾地点数据稀疏问题。
HuggingFace Blog精选AI 评分6262 Hugging Face 用三种方法检测语音识别基准过拟合，11 个开源 ASR 模型被检出复现错误参考文本
Hugging Face 发布研究，用三种探测方法量化语音识别中的基准优化现象，评测 11 个开源 ASR 模型后发现部分高分模型会复现 VoxPopuli、LibriSpeech 参考文本里的错误内容，即使音频与之矛盾。
推荐理由：原文用三种探测方法量化 ASR 模型对公开基准的过拟合，并给出开源脚本与榜单入口，可作为自查评测可信度的参考。
HuggingFace BlogAI 评分5757 Hugging Face 如何用 Inference Endpoints、Jobs 和 Buckets 支撑 Papers with Code 搜索
Hugging Face 公开 Papers with Code 的搜索架构，用 PostgreSQL 全文检索加 pgvector 向量检索组成混合检索，由 RRF 融合两路排名。
HuggingFace BlogAI 评分5858 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍
Liquid AI 发布 LFM2.5-DSpark 草稿模型检查点，覆盖 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 三个模型，通过投机解码在不改变输出质量的前提下最高提升 3.18 倍吞吐。
Mistral AI精选AI 评分6969 Mistral 推出 Agentic Search 检索层，支持多步检索与文档导航
Mistral 发布 Agentic Search，让模型通过多步检索循环在复杂文档中查找、检查并验证信息，可在 Mistral Search Toolkit 中集成，也已内置到 Studio 和 Vibe 的 Libraries。
推荐理由：官方用 FinanceBench 与 OfficeQA Pro 对比一次性 RAG 与多步检索，可据此判断检索层的收益与代价。
Google Blog：AIAI 评分5656 Google 搜索推出 5 项 AI 学习辅助工具
Google 在 Search 中推出 5 项学习辅助功能，包括交互式可视化、定制练习题、Lens 分步讲解、AI Mode 笔记本和自定义学习文件。练习题支持 ACT、AP、GRE、SAT 等标准化考试，内容来自 The Princeton Review、Careers360、PhysicsWallah 和 Akira Enem 的合作素材，现以英文在全球免费提供。
HuggingFace BlogAI 评分5555 ALTK-Evolve 实测：智能体到底需要多少记忆？
IBM Research 的 ALTK-Evolve 在 AppWorld 的 585 个多步任务上评测八款模型，发现智能体记忆的合适用量取决于模型能力，而非单纯参数规模。
HuggingFace Blog精选AI 评分6969 Sentence Transformers v6.0 新增 MultiVectorEncoder，支持 ColBERT 式后交互检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式后交互检索，可直接加载 PyLate 与 Stanford-NLP ColBERT 检查点。
推荐理由：文章展示 Sentence Transformers v6.0 的多向量编码器如何用 token 级向量与 MaxSim 换取更高检索质量，并给出可直接运行的接入代码。
HuggingFace BlogAI 评分4040 约束感知 GPU 分配器：同一集群利用率提升 33 个百分点，变的是分配顺序
约束感知 GPU 分配器让相同硬件与同一批负载下的利用率最多提升 33 个百分点，优先加权产出最多提升 105%。五个竞争场景中，利用率从 52–85% 升至 72–88%，优先加权价值平均提升 52%，最高 105.1%。最强单例是 8 GPU 训练密集型负载，利用率由 53.6% 升至 87.0%，关键在于实时推理按需求曲线分配、批式任务按优先级跨整个调度周期放置。
Google ResearchAI 评分5555 Google Research 提出 PhotoScan，用手机照片估算体成分并预测胰岛素抵抗
Google Research 提出 PhotoScan，可用普通手机 2D 照片估算体脂率、A/G 比和 V/S 比三项体成分指标。该框架在 UK Biobank 超过 3.5 万条记录上预训练，再用 677 名成人的手机照片配对 DXA 数据微调，并在 132 人的独立队列中验证。
Google AI：DEV 作者专属AI 评分3232 Fetch：扫描狗狗照片，即可聊天、生成护理计划并听它的故事
Fetch 是一款 AI 狗狗伴侣应用：上传一张照片即可识别最可能的品种，并给出性格、体型、能量水平和护理建议。同一只狗的资料贯穿聊天助手、一键护理计划（可应用内阅读、下载 PDF 或打印）和有声故事书三处；Gemini 承担视觉品种识别、品种相关聊天、结构化护理计划和故事生成，ElevenLabs 提供故事旁白。
Google AI：DEV 作者专属AI 评分3131 我做了 Dog Mind：用 Google Gemini 和 ElevenLabs 把狗的照片翻译成情绪与内心独白
Dog Mind 是一个 AI 网页应用，上传狗照片即可生成品种猜测、情绪评分、肢体语言观察和虚构内心独白。它用 Google Gemini 做多模态分析、ElevenLabs 合成配音，提供六种声音人格和最多三个追问，对话记录 24 小时后过期。代码已在 GitHub 开源，应用部署在 Vercel，定位为娱乐用途。
HuggingFace Blog精选AI 评分6969 Hugging Face 发布 2026 夏季开源模型报告，Qwen 衍生模型达 151,448 个
Hugging Face 发布 2026 夏季开源模型报告，基于 Hub 2026 年 1 月至 8 月的活动数据给出六项观察。报告显示模型仓库从 2.43 增至 2.96 百万、数据集从 71.1 万增至 100 万，但 85.6% 的模型累计下载不足 200 次，1.5% 的仓库占 99.2% 的下载量。
推荐理由：报告用 Hub 数据对比中美开源模型的规模与许可策略，并给出下载量与点赞所反映的不同生态信号。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.7 Flash，提升编码与 Agent 能力
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码和 Agent 的最强主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：原文列出 Gemini 3.7 Flash 相对 3.6 Flash 的多项基准提升与半价定价，便于判断是否值得升级。
HuggingFace Blog精选AI 评分6969 Hugging Face 复盘智能体复现 2,226 篇 ICML 2026 论文的结果
Hugging Face 公布 ICML 2026 Open Reproductions 挑战结果，1,221 名参与者用各自的编码智能体在 19 天内提交 6,816 份复现日志，覆盖 2,226 篇论文，占会议接收论文的 34%。
推荐理由：复盘给出 2,226 篇论文的复现结论分布，并说明人在智能体审查流程中仍承担的具体环节。
HuggingFace BlogAI 评分5151 OlmoEarth Studio 新增 OlmoEarth 嵌入向量导出功能
AllenAI 的 OlmoEarth Studio 现已支持计算并导出 OlmoEarth 开源基础模型生成的嵌入向量，结果以 COG 形式的 GeoTIFF 输出，每个嵌入维度对应一个波段，源码与模型权重随论文公开。
Google DeepMind精选AI 评分7272 Google DeepMind 发布手语转文本模型 SL2T，Gboard 与 Live Transcribe 在 Pixel 11 上线 ASL 听写
Google DeepMind 发布多语言手语转文本模型 SL2T，并在 Gboard 与 Live Transcribe 中上线手语听写功能，先在 Pixel 11 上支持美国手语（ASL）转英文。
推荐理由：SL2T 用 10 万小时、50 多种手语数据训练并直接落到 Gboard 与 Live Transcribe，可作为手语翻译产品化的参考。
Meta EngineeringAI 评分5555 WhatsApp 如何构建兼顾端到端加密与可验证性的 Scam Alert
Meta 公布 WhatsApp 可选功能 Scam Alert 的技术实现，它用端侧机器学习模型在设备本地判断非联系人消息是否为潜在诈骗，消息内容不离开设备也不自动上报。
Google ResearchAI 评分5757 Google Research 提出知识画像框架，指出 LLM 事实错误多是召回失败
Google Research 提出知识画像（knowledge profiling）框架和包含 2,150 条 Wikipedia 事实的 WikiProfile 基准，用于区分 LLM 的事实编码失败与召回失败。
Google Research精选AI 评分6767 Google Research 提出 AMIE (Video)，实现实时视频临床问诊
Google Research 发布 AMIE (Video)，一个基于 Gemini 和 Project Astra 的实时视频临床问诊系统，由 Talker、Planner、Perception 三个并行智能体组成。
推荐理由：研究用 100 个场景、300 场随机问诊对比 AMIE 视频版与初级保健医生，可了解多智能体架构在实时临床对话中的分工取舍。