AI基础设施团队发布GPU集群调度器新功能
AI基础设施团队发布了新的GPU集群调度器，通过引入GPU时间预算、分层公平共享分配和时间切片合同等功能，优化了资源分配和提升了工作效率。
推荐理由：原文介绍了GPU集群调度器的新功能，读者可以了解如何优化资源分配和提升工作效率。
#开源硬件
Hugging Face Blog精选AI 评分6565
Google DeepMind Blog精选AI 评分8585 EmbeddingGemma 2：一个开源的轻量级多模态嵌入模型
DeepMind 发布了 EmbeddingGemma 2，这是一个开源的多模态嵌入模型，能够将文本、图像、音频和视频组合映射到统一的嵌入空间。它基于 Gemma 4 架构，具有 7.4 亿个参数，适用于设备端推理。
推荐理由：EmbeddingGemma 2 是一个开源的多模态嵌入模型，具有轻量级和强大的功能，适用于设备端的多模态嵌入和搜索。读者可以了解其能力变化和开放入口，从而判断它将如何改变现有工作流。
Google Blog精选AI 评分8585 Google 发布 EmbeddingGemma 2 多模态嵌入模型
Google 发布了新的 EmbeddingGemma 2 多模态嵌入模型，该模型能够将文本、图像、音频和视频组合映射到统一的嵌入空间，支持设备端推理，并具有高效存储和扩展的上下文处理能力。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google Blog精选AI 评分8080 Google Earth AI 协助公共卫生领域实现更主动的全球健康监测
Google Earth AI 结合当地健康数据和高级地理空间模型，帮助公共卫生领导者克服报告滞后、预测疾病爆发并向全球脆弱社区提供护理。
推荐理由：原文展示了 Google Earth AI 在公共卫生领域的应用，读者可以了解其对疾病预测和社区健康趋势的影响。
Hugging Face Blog精选AI 评分7070 Transformers 现在支持运行 llama.cpp quants
Hugging Face 的 Transformers 现在支持运行 GGUF 模型，允许用户使用适合笔记本电脑内存大小的检查点，通过熟悉的 Transformers API 进行生成。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 tokenizers v1：编码、解码和扩展，性能提升
Hugging Face 发布了 tokenizers v1，该版本在编码、解码和扩展方面进行了性能提升，通过优化算法和架构，实现了比 v0.23 版本更高的效率。
推荐理由：原文详细介绍了 tokenizers v1 的性能提升和改进，读者可以了解其如何加速机器学习工作流程。
Hugging Face Blog精选AI 评分8585 NeoMME：一个高效的多模态和跨语言编码器
Hugging Face 发布了 NeoMME，一个由 260M 和 800M 参数组成的跨语言多模态编码器。NeoMME 不使用单独的预训练视觉塔或因果语言模型，而是使用单个双向 Transformer 处理文本标记和原始图像补丁。NeoMME -Retriever 在视觉文档检索方面进行了微调，并提供了密集和后期交互嵌入。
推荐理由：NeoMME 是一个高效的多模态和跨语言编码器，其独特的架构和性能使其在视觉文档检索方面具有竞争力。
Google DeepMind Blog精选AI 评分8585 DeepMind 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 模型
DeepMind 发布了 Gemini 3.8 Flash 和 3.8 Flash Cyber 模型，分别针对软件工程、智能体任务和网络安全领域，提供更强大的推理和编码能力。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分6565 Open ASR Leaderboard 新增印度语和印地语评测
Open ASR Leaderboard 与 Voice Arena 合作，新增了印度语和印地语的语音识别评测，旨在提高评测的可靠性和多样性。
推荐理由：该材料介绍了 Open ASR Leaderboard 新增的印度语和印地语评测，读者可以了解其对语音识别领域的贡献和影响。
已经到底了