NVIDIA 发布 Kumo Relational 关系型基础模型,无需训练即可预测
NVIDIA 发布预训练关系型基础模型 Kumo Relational,可直接在企业数据库上做预测,单次前向推理读取最多 10000 条历史样本作为上下文,无需任务特定训练、特征工程或表扁平化。
推荐理由:原文给出预训练关系型基础模型在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 发布预训练关系型基础模型 Kumo Relational,可直接在企业数据库上做预测,单次前向推理读取最多 10000 条历史样本作为上下文,无需任务特定训练、特征工程或表扁平化。
推荐理由:原文给出预训练关系型基础模型在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。
Dharma AI 在 Hugging Face 博客中介绍即将发布的 VocabX 论文,方法是在不改动基座模型的前提下,按每个 token 的推理成本而非出现频率重建领域专用词表。
Hugging Face 博客发布 TorchNeuron 性能剖析系列第一篇,介绍如何在 AWS Trainium 上系统分析推理性能。
IBM 更新 Granite Speech 系列,新增 granite-speech-5.0-2b,并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
NVIDIA 发布多变量时序预测模型 Kumo Forecast(原 NV-Tesseract Forecasting),以 MOMENT-1-large 为骨干,约 3.4 亿参数编码器加可训练预测头,编码器与嵌入层权重冻结。
NVIDIA 推出 Kumo Anomaly(原 NV-Tesseract AD-Diffusion),一个基于扩散模型的多变量时间序列异常检测模型,约 800 万参数,以 Apache 2.0 许可开源,代码与权重分别为 NVIDIA/Kumo-TS 和 nvidia/Kumo-Anomaly。
NVIDIA 在 Hugging Face 上线 SimReady Central Library,汇集超过 2000 个带碰撞几何、质量、摩擦等仿真属性的 OpenUSD 资产,供开发者免费、无需审批地用于物理 AI 训练环境和 AI 工厂数字孪生。
推荐理由:原文说明了 SimReady 资产需要哪些仿真属性,以及 OEM 如何提交资产,读者可据此判断机器人仿真环境的搭建成本。
NVIDIA 在 GTC Berlin 宣布扩展 Isaac 开放机器人开发平台,新增人形参考平台、数据集与运行时,并更新机器人学习框架。Agile Robots 同步发布基于 Isaac GR00T 与 Jetson Thor 的 Agile ONE SN 参考人形,高 1.40 米、重 40 公斤、31 个自由度,计划 2027 年初上市。
推荐理由:原文列出 Isaac 平台新增的人形参考机、运行时与开源工作流,可据此判断机器人从数据到部署的整合路径。
NVIDIA 扩展其开放模型家族,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、Nemotron Retriever、Kumo 结构化数据基础模型、Cosmos 3.5 世界模型、Alpamayo 2 Edge、BioNeMo 与 Ising。
推荐理由:原文一次性列出语言、机器人、生物、量子多条开放模型线及各自落地伙伴,便于比较英伟达开放模型组合的覆盖范围。
NVIDIA 扩展 Nemotron Retriever 系列,发布 Nemotron 3.5 Embed 8B BF16、1B BF16、1B NVFP4,Nemotron 3.5 Rerank 8B BF16,以及 631M 参数的 Nemotron 3.5 Parse,均为开放且可商用的模型。
NVIDIA 在 GTC Berlin 宣布欧洲生态伙伴采用 NVIDIA DSX AI Factory Platform,其参考设计用闭式液冷加干冷器把设施冷却水耗降至近零,2GW 规模下每天可省 54 million 升水。
NVIDIA 发布 Cosmos3-H-Dreams,基于 Cosmos3-H-Embodied-Nano 和临床胆囊切除视频与机器人运动学训练,可在单张 NVIDIA RTX PRO 6000 GPU 上实时生成受动作控制的手术场景。
推荐理由:原文交代了从桌面缝合到临床胆囊切除场景的迁移路径,以及教师蒸馏到四步、两步学生模型的取舍。
Hugging Face 宣布接入 PyTorch 原生 TPU 后端 TorchTPU,Transformers、Diffusers 和 Kernels 可直接在 TPU 上运行,不再需要 torch_xla 或 Optimum TPU。
推荐理由:原文给出安装命令与各库接入方式,读者可据此判断 PyTorch 模型迁移到 TPU 的改动量。
Ai2 在 Hugging Face 发布 FairStress 基准,用于衡量 LLM 在招聘、医疗、借贷等决策中的群体公平性,不止看最终选择,还看模型面对对抗性前缀时是否更容易改判。
推荐理由:FairStress 把公平性评测从最终选择扩展到模型被说服后是否改判,并给出可复用的开源基准与数据审计线索。
Hugging Face 发布 AnyLanguageModel 1.0,同时推出 swift-huggingface 1.0 和 swift-xet 1.0。
推荐理由:原文列出 1.0 版本新增的托管模型接入与工具调用、引导生成等能力,可据此判断 Swift 应用选模型的成本变化。
Hugging Face 的 PyTorch 团队介绍 PyTorch 2.15 在 MPS 后端的更新,新增 torch.float8_e4m3fn 张量与 F.scaled_mm 支持,FP8 张量占用为 BF16 的一半。
推荐理由:原文给出 MPS 后端在 FP8、MoE 解码和显存占用上的具体数字,可据此判断 Mac 本地跑模型的实际变化。
Hugging Face 发布 TorchNeuron,为 PyTorch 在 AWS Trainium 上提供原生后端,Transformers、Diffusers 和 Kernels 原生支持,10 月 20 日起以公开测试版提供,可通过 pip install torch-neuronx 安装。
2026 年 1 月至 9 月,Amazon SageMaker JumpStart 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,涵盖 Cosmos3 世界基础模型与 Nemotron 系列;Mistral、Google、IBM、Cohere 分别新增 7、6、4、4 个模型。
新 Amazon SageMaker AI 客户现在可用 Google、GitHub、Apple、Amazon 账号或邮箱在 2–3 步内注册 AWS,并自动在约 20 秒内创建好 SageMaker Studio 环境。
IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve:用 GPT-4.1 从智能体自身训练任务轨迹中提炼行为准则,追加到系统提示词后,在 τ²-bench 零售域取得 67.5% Pass^4,超过所有前沿模型条目和微调模型 RAFT-30B-A3B 的 61.4%。
推荐理由:原文给出同一套提示词级记忆在零售与航空两个客服域上的完整对照数据,可据此判断不更新权重也能提升智能体可靠性。
Reflection AI 发布开源权重模型 Beam,面向编码智能体与长周期任务,总参数 501B、激活参数 23B,Reflection 称有效上下文长度为 100 万 token,权重以 Apache 2.0 许可在 Hugging Face 发布,提供 BF16、FP8、NVFP4 三种 checkpoint。
推荐理由:文章给出 Beam 的参数量、上下文长度与三种 AWS 部署路径,可据此评估开源编码模型的自托管成本。
NVIDIA 发布 Nemotron 3.5 Super VL,这是一款 120B 参数的开源多模态模型,面向持续在线的专用智能体,官方称其吞吐量最高可达同类模型的 5 倍。
推荐理由:原文给出三款模型的参数规模、部署层级和开放权重,读者可据此判断开源智能体模型从数据中心到端侧的覆盖方式。
Meta 发布开放权重前沿多模态混合专家(MoE)模型 Muse Spark Open,相关介绍发布在 Hugging Face Blog。原文正文抓取失败,除标题外暂无更多细节。
Hugging Face 博客发布标题为 Welcome Beam 的文章,宣布一个 501B 的开源模型 Beam,称其可被用户拥有、定制和扩展。材料抓取失败,正文不可用,除标题外的能力、许可和开放方式均未披露。
NVIDIA 在都柏林 AI in Science Summit 上宣布加入欧盟委员会发起的 AI in Science Enablers Initiative,该计划与 RAISE 框架相连。
Apertus 1.5 在 8B 和 70B 两个规模上扩展了 Apertus 1.0,新增图像与音频理解、可选思考模式、4 倍长的上下文窗口(262,144 tokens),并改进指令遵循与工具调用,权重以 Apache 2.0 许可发布于 Hugging Face。
推荐理由:原文完整公开了多模态早融合方案、四阶段预训练与五阶段后训练流程,可供研究开源模型如何扩展模态与长上下文。
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2,其新降尺度模型 HiROv2 可同时预测多种高分辨率气象场,并提升对极端事件的预测能力。在给定粗化的 X-SHiELD 数据时,HiROv2 对目标模拟的高分辨率统计量匹配误差在 3% 以内,即使事件在百万数据点中仅出现一次;它还能估算热带气旋总能量,并生成具有真实风眼和雨带的飓风。
推荐理由:读者可了解 AI 气候模拟如何以约 1/300 成本生成 3 km 全球极端天气数据,以及其当前适用范围限制。
Amazon SageMaker JumpStart 提供预训练模型目录,可通过 SageMaker Python SDK 部署模型、运行轻量可重复的性能测试,并在测试完成后删除端点。
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市,最高 128GB 统一内存和 1 petaflop AI 算力,首发覆盖数百款游戏、130 多款加速应用及 PyTorch、CUDA 等开发工具。
推荐理由:NVIDIA 一次性列出 RTX Spark 首发日的本地智能体、创作与开发工具清单,可据此判断本地 AI 工作流的可用边界。
Hugging Face 作者借助 HuggingChat 中的 ML Intern,用提示词驱动完成六个模型的训练、评测与发布,总计算花费约 103 美元。其中把 Qwen-Image 2.1 的 9B 提示词改写器蒸馏成 0.8B 版本,可在 CPU 上运行,输出有效率 99.7%,token 用量约为教师模型的四分之一。
推荐理由:作者用六个真实项目复盘了如何用提示词驱动 ML Intern 完成训练、评测与发布,可迁移到自己的模型定制流程。
阿布扎比技术创新研究院(TII)发布 Falcon-ASR,这是一个 1.6B 参数的语音识别模型,重点支持阿联酋方言,同时覆盖英语、法语、西班牙语和葡萄牙语。
Liquid AI 发布 d1 决策模型家族的两款开放权重模型 d1-3B 和 d1-omni-600M(实验性)。
推荐理由:Liquid AI 公开两款决策模型及端侧与 GPU 实测延迟,可据此判断单次前向决策在边缘设备上的可用性。
英伟达团队从 Nemotron 3 出发,用监督微调、强化学习和生成-验证-精炼推理流程,在 IOI 2026 与 IMO 2026 两项竞赛中达到金牌水平。
推荐理由:原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集,可据此复现领域专家模型。