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。
#教程/实践
Hugging Face Blog精选AI 评分6565
Hugging Face Blog精选AI 评分7272 使用 ML-Intern 创建模型：从无到有的过程
作者介绍了如何使用 Hugging Face 的 ML-Intern 工具创建模型，包括从构思到实现的整个过程，并分享了几个实际案例。
推荐理由：作者通过实际操作展示了如何使用 ML-Intern 创建模型，为读者提供了可借鉴的实践案例。
Hugging Face Blog精选AI 评分7272 Hugging Face 发布开源多模态决策模型 d1-3B 和 d1-omni-600M
Hugging Face 发布了开源多模态决策模型 d1-3B 和 d1-omni-600M，支持文本和图像输入，其中 d1-3B 在决策索引 0.2.1 上得分 48.57，领先于所有 4B 和 9B 模型。
推荐理由：该模型在多个任务上表现出色，且支持多模态输入，具有实际应用价值。
Hugging Face Blog精选AI 评分8585 Nemotron 在 IOI 和 IMO 竞赛中取得优异成绩：一种强大的模型家族
Nemotron 在 IOI 和 IMO 竞赛中取得了优异成绩，通过微调和强化学习等方法，展示了其在特定领域的强大适应性和可扩展性。
推荐理由：Nemotron 在 IOI 和 IMO 竞赛中取得了优异成绩，展示了其在特定领域的强大适应性和可扩展性。
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6565 微软发布智能体评估工具 ThinkingBox
微软与 Hugging Face 联合发布智能体评估工具 ThinkingBox，通过评估AI代理在业务流程中的表现，揭示了模型在实际应用中的可靠性和一致性。
推荐理由：ThinkingBox 通过评估AI代理在业务流程中的表现，揭示了模型在实际应用中的可靠性和一致性，为读者提供了重要的参考价值。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-6 模型使用指南
OpenAI 发布 GPT-6 模型使用指南，指导初创公司如何选择 GPT-6 模型、调整推理努力、优化提示和技能、协调工具以及为生产准备工作流程。
推荐理由：本文为 OpenAI 官方发布，提供了 GPT-6 模型选择、推理努力调整、提示和技能优化、工具协调以及生产工作流程准备等方面的指导，对了解 GPT-6 模型应用有重要参考价值。
Hugging Face Blog精选AI 评分7070 ServiceNow 推出 AutoSynthData：为智能体生成训练数据
ServiceNow 推出 AutoSynthData，旨在通过利用目标模型的失败和更强教师的成功来生成和验证新的训练任务，从而提高企业智能体的性能。
推荐理由：AutoSynthData 通过将模型失败转化为训练数据，帮助企业在特定环境中训练更有效的智能体，读者可以了解其如何改变现有工作流。
Google DeepMind Blog精选AI 评分8585 Gemini 4 Argon：DeepMind 推出下一代前沿智能模型
DeepMind 发布了新的前沿模型 Gemini 4 Argon，该模型旨在通过其强大的推理能力，改变 Google 的工作和构建方式。Argon 在现实世界的软件工程、企业知识工作（如法律和金融）以及网络安全防御方面表现出前沿性能。该模型将逐步向可信的网络安全防御者推出，并计划以每百万输入令牌 2 美元和每百万输出令牌 10 美元的入门价格推出。
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8585 Hugging Face 发布 Holo4 智能体模型
Hugging Face 发布了新的智能体模型 Holo4，包括 27B dense 和 35B-A3B Mixture of Experts 两种版本，支持多种接口，并在学术基准测试中表现出色。
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 DeepMind Blog精选AI 评分7070 DeepMind 发布 Gemini 3.8 Live 带有实时虚拟形象功能
DeepMind 发布了 Gemini 3.8 Live 带有实时虚拟形象功能，该功能通过将实时对话能力与低延迟视频流相结合，为企业及其用户提供更自然直观的对话体验。
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 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。
Google DeepMind Blog精选AI 评分8585 DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 模型
DeepMind 发布了 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 模型，这两个模型在实时推理和智能体任务完成方面取得了显著进步，并提供了更流畅的语音交互体验。
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6767 Hugging Face 推出智能体一致性分析工具
Hugging Face 推出了一种名为 Consistency Analyzer 的工具，用于分析智能体的可靠性问题，并提出了解决方案。
推荐理由：原文介绍了如何通过一致性指南来提高智能体的可靠性，读者可以了解这一方法并应用于自己的工作流。
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。
Google DeepMind Blog精选AI 评分8585 DeepMind 推出 Gemini 智能视频理解功能
DeepMind 推出 Gemini 智能视频理解功能，通过降低 token 消耗和成本，提高分析质量，为视频处理带来新的能力，如亚秒级时刻检索、更准确的异常检测、精确计数等。该功能现已通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 上提供。
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。