Hugging Face 机器人学习框架 LeRobot v0.6.0 发布Chinese
Hugging Face 发布开源机器人学习库 LeRobot v0.6.0，引入世界模型策略、统一奖励模型 API 与人机回环部署 CLI，全面构建机器人学习闭环。
Why it matters: 新版本通过集成世界模型、奖励模型评估与人机协同干预工具链，为具身智能策略的闭环训练与快速部署提供了可复用的标准化工程流程。
Open source
All topics开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
823selectedRelated topics模型发布Hugging FaceAI 编码
Latest selected
801–820 of 823Hugging FaceSelectedAI score8484 Hugging FaceSelectedAI score7575 SkyPilot 支持 Hugging Face 存储后端：免出站流量费跨云调度 AI 任务Chinese
SkyPilot 与 Hugging Face 联合支持将 Hugging Face Storage 作为一级存储后端，允许通过统一的 hf:// 路径将 Hub 仓库或 Buckets 挂载至跨 20 多个云厂商、Kubernetes 及本地集群的计算任务中。
Why it matters: 原文解析了跨云调度 AI 任务时消除出站流量成本的集成方案，读者可据此优化多云算力下的模型挂载与数据同步链路。
Hugging FaceSelectedAI score7474 Hugging Face 联合 Cerebras 推出基于 Gemma 4 的实时语音流水线Chinese
Hugging Face 联合 Cerebras 推出开源端到端实时语音流水线，通过 Cerebras 加速推理消除语言模型的响应延迟瓶颈。该系统采用模块化设计，串联了 Nvidia Parakeet 语音识别、运行于 Cerebras 上的 Google DeepMind Gemma 4 31B 以及 Qwen3-TTS 语音合成。
Why it matters: 原文展示了结合开源模型与专用推理硬件的实时语音级联方案，读者可参考其模块化堆栈解决语音交互的长尾延迟问题。
Hugging FaceSelectedAI score6262 Hugging Face 模型页面支持展示 Every Eval Ever 评测结果与互通集成Chinese
Hugging Face 与 EvalEval 联盟的 Every Eval Ever（EEE）达成互通，支持将标准化的 AI 评测记录直接同步至 Hugging Face 模型页面与对应的数据集排行榜。
Why it matters: 打通标准化评测数据与模型展示页面，有助于降低跨平台维护评测记录的成本，并让基准得分直接溯源至完整运行配置。
Sebastian RaschkaSelectedAI score8080 如何搭建与评测本地 Coding Agent 技术栈Chinese
Sebastian Raschka 撰文介绍了利用 Ollama 与开源权重模型搭建全本地 Coding Agent 的完整方案。
Why it matters: 文章拆解了本地大模型与编码 Agent 框架的搭配方案，提供了可复用的安全审计提示词与基准评测脚本。
Kubernetes BlogSelectedAI score6262 Kubernetes 社区明确 AI 代码贡献规范与维护策略Chinese
Kubernetes 社区发布针对 AI 辅助贡献的治理规范，要求贡献者必须透明披露 AI 使用情况并承担全部代码责任，严禁将 AI 列为共同作者，若无法亲自解释 AI 生成的代码将被直接关闭 PR。
Why it matters: Kubernetes 针对 AI 辅助贡献明确了透明披露与人类问责机制，为大型开源社区应对 AI 代码冲击提供了可参考的治理范式。
Kubernetes BlogSelectedAI score6161 Kubernetes 设备管理工作组专访：DRA 如何重塑 AI 算力与硬件调度Chinese
Kubernetes 官方博客专访设备管理工作组三位联合主席，详解动态资源分配（DRA）毕业至 GA 后的架构演进与 AI 硬件调度实践。DRA 通过 ResourceSlice 与 ResourceClaim 声明式 API 替代了传统设备插件的粗粒度整数分配，支持 GPU 拓扑感知、MIG 切分及平台介导的动态容量共享。
Why it matters: 工作组核心成员深入剖析了 DRA 如何替代传统设备插件，为 AI 负载提供细粒度拓扑感知与动态共享调度能力。
通义实验室 公众号SelectedAI score7777 通义实验室开源原生语言世界模型 Qwen-AgentWorldChinese
通义实验室正式开源原生语言世界模型 Qwen-AgentWorld 及其评测基准 AgentWorldBench。该模型基于超 1000 万条真实交互轨迹，经由继续预训练、监督微调和强化学习三阶段训练，覆盖 MCP、Search、Terminal、SWE 等文本类及 Web、OS、Android 等 GUI 类共七大领域。
Why it matters: 模型通过对环境交互显式建模来降低沙箱试错成本，为智能体强化学习和跨任务泛化提供了可控模拟路径。
通义实验室 公众号SelectedAI score6666 统一科学大模型 LOGOS 正式开源Chinese
通义实验室联合中国人民大学高瓴人工智能学院开源统一科学大模型 LOGOS，将蛋白质、小分子和材料等异构科学对象编码为统一离散序列。模型基于 7 类模态共 44.87B tokens 语料预训练，无需显式 3D 坐标即可建模空间互作规律，并在配体生成、逆合成预测等六大任务上匹敌或超越领域专用方法。
Why it matters: 该模型通过离散化序列将多领域科学对象统一纳入自回归框架，展示了摆脱显式三维几何网络并复用成熟语言模型工程栈的可行路径。
智谱 公众号SelectedAI score8080 智谱宣布 GLM-5.2 全量开放并即将开源Chinese
智谱宣布 GLM-5.2 全量开放，该模型支持 1M 上下文并主打长程任务与代码能力。GLM-5.2 将面向 GLM Coding Plan 全量用户（Lite / Pro / Max / 团队版）开放，其 API 将于下周上线，模型也将于下周遵循 MIT 协议正式开源。
Why it matters: 原文给出了上线节奏、版本开放范围和开源协议，开发者可以据此了解模型获取途径与商用支持。
Google DeepMindSelectedAI score8282 Google DeepMind 开源 DiffusionGemma：基于扩散机制的 26B 文本生成模型Chinese
Google DeepMind 推出开源实验模型 DiffusionGemma，采用 Apache 2.0 协议发布，通过扩散机制替代传统的自回归逐 token 生成，在专用 GPU 上实现最高 4 倍的文本生成速度。
Why it matters: 原文对比了扩散文本生成与传统自回归模型在硬件瓶颈与吞吐上的差异，为开发者评估本地实时交互工作流提供了参考。
Sebastian RaschkaSelectedAI score6262 Sebastian Raschka 盘点 2026 年上半年大语言模型研究论文清单Chinese
Sebastian Raschka 发布了 2026 年 1 月至 5 月的精选大语言模型研究论文清单，重点关注混合架构、推理与强化学习等领域。文章指出今年架构设计不再局限于扩大 Transformer 规模，而是转向注意力层与 Mamba-2 或 Gated DeltaNet 交替的混合架构以提升长上下文效率。
Why it matters: 作者整理了前五个月核心论文与架构趋势，读者可快速掌握混合架构与长上下文演进方向。
Google ResearchSelectedAI score6666 Google 在 GitHub 开源水文学建模框架与洪水预报模型Chinese
Google Research 在 GitHub 上以 Apache 2.0 协议开源了水文学建模框架，提供支持 Google Flood Hub 实时洪水预报的完整模型架构与训练流水线。
Why it matters: Google 将其实时洪水预测的水文模型框架在 GitHub 开源，使各地气象与水文机构能够结合本地数据低成本训练专属预报模型。
Kubernetes BlogSelectedAI score7474 Kubernetes v1.36 演进工作负载感知调度Chinese
Kubernetes v1.36 升级工作负载感知调度架构，将 Workload API 拆分为静态模板与管理运行时状态的 PodGroup API，并为 kube-scheduler 增加原子化 PodGroup 调度周期以支持成组调度（gang scheduling）。
Why it matters: 原生拆分静态模板与运行时分组状态，并联合调度周期与抢占机制，使分布式训练等紧耦合任务摆脱了复杂外挂调度系统的依赖。
Sebastian RaschkaSelectedAI score7373 Sebastian Raschka 详解编码智能体的六大核心组件与架构设计Chinese
Sebastian Raschka 发文系统阐释了编码智能体与外层脚手架（Harness）的架构设计，并开源了纯 Python 实现的 Mini Coding Agent 项目。
Why it matters: 文章系统拆解了代码智能体脚手架的六大核心组件，帮助开发者理解上下文管理与工具链如何补足模型能力。
Sebastian RaschkaSelectedAI score6767 现代大模型注意力机制变体全景图解：从 GQA、MLA 到混合架构Chinese
Sebastian Raschka 系统梳理了现代主流开源大模型中应用的注意力机制变体与设计权衡。文章重点解析了标准多头注意力（MHA）、分组查询注意力（GQA）、多头潜在注意力（MLA）、滑动窗口注意力（SWA）以及 DeepSeek 稀疏注意力（DSA），展示了各机制在模型表现与 KV Cache 占用上的对比。
Why it matters: 梳理了主流开源大模型中各类注意力变体的机制差异与权衡，便于读者系统理解长上下文下的 KV Cache 优化与混合架构演进。
Sebastian RaschkaSelectedAI score7373 2026 年初开源大模型架构横向对比：从注意力混合机制到长上下文推理优化Chinese
Sebastian Raschka 梳理并对比了 2026 年 1 至 2 月发布的 10 余款代表性开源大模型的网络架构与基准表现。分析指出近期开源模型普遍强化了推理计算效率设计，包括广泛采用 MLA、DeepSeek 稀疏注意力、Gated DeltaNet 等线性注意力混合机制、多 Token 预测以及滑动窗口注意力。
Why it matters: 原文横向对比了多款开源大模型的注意力机制与混合专家结构演进，读者可据此理清长上下文与推理效率优化的关键设计差异。
Sebastian RaschkaSelectedAI score6767 Sebastian Raschka 发布 2025 年大语言模型年度综述与技术预测Chinese
Sebastian Raschka 发布 2025 年大模型年度盘点与预测，指出大模型演进的核心驱动力已转向以 RLVR 与 GRPO 为代表的后训练推理以及推理时扩展。
Why it matters: 系统梳理了推理模型、后训练强化学习与混合架构的演进，为读者研判大模型技术路线与工程落地提供了多维度参考。
Sebastian RaschkaSelectedAI score7575 从 DeepSeek V3 到 V3.2：架构、稀疏注意力与强化学习演进解析Chinese
Sebastian Raschka 深入剖析了 DeepSeek 从 V3 到 V3.2 的技术演进，涵盖模型架构、稀疏注意力机制与强化学习优化。DeepSeek V3.2 引入了由 Lightning Indexer 驱动的 DeepSeek 稀疏注意力机制（DSA），将注意力计算复杂度从二次方降低至线性 O(Lk)。
Why it matters: 梳理了稀疏注意力 DSA 与 GRPO 算法调优的技术演进脉络，有助于理解开源大模型在长上下文效率与强化学习稳定性上的工程实现细节。
DeepSeek 公众号SelectedAI score9393 DeepSeek 发布 V3.2 正式版与 V3.2-Speciale 模型并开源Chinese
DeepSeek 正式发布并开源 DeepSeek-V3.2 与长思考增强版 DeepSeek-V3.2-Speciale 两个正式版模型，网页端、App 和 API 已同步更新。DeepSeek-V3.2 首次支持在思考模式下进行多轮工具调用，并适配了 Claude Code；Speciale 版本专注于高难度数学与逻辑推理，目前以限时 API 服务形式开放给社区评测。
Why it matters: 官方正式发布两款新模型并开源权重，重点实现了思考推理与工具调用的深度结合，并同步更新了服务接口。