Nemotron 微調在 IOI 2026 和 IMO 2026 達金牌水平
研究團隊從 Nemotron 3 出發，結合 SFT、RL 和回饋式推理建立專項系統，在 IOI 2026 得 535.4/600，高於金牌門檻 361.12；在 IMO 2026 得 30/42，高於金牌門檻 29。
推薦理由：文章並列 IOI 與 IMO 的資料、微調方法及推理流程，呈現專項模型如何配合生成、驗證與修訂環節應對兩類競賽任務。
目前篩選：模型
#數據/訓練
#數據/訓練
今日 0 條Hugging Face Blog精選AI 評分7575
Hugging Face BlogAI 評分5050 Falcon-Emirati-7B 專攻阿聯酋阿拉伯語方言，並兼顧文化語境
Technology Innovation Institute 推出 Falcon-Emirati-7B，這款基於 Falcon-H1-Arabic、專攻阿聯酋阿拉伯語方言的 7B 模型在 Alyah 得分 84.83%。
Cerebras：BlogAI 評分6363 Jais 2 推出 8B 和 70B 阿拉伯語大型語言模型，展示主權 AI 開發藍圖
G42 旗下 Inception、MBZUAI 基礎模型研究所與 Cerebras Systems 推出 Jais 2 阿拉伯語大型語言模型系列，包含 8B 和 70B 型號。
Zyphra ResearchAI 評分5454 Zyphra 預覽 ZAYA1，稱其為首個完全以 AMD 硬件、軟件及網絡堆疊端到端訓練的 AI 模型
Zyphra 預覽 ZAYA1，稱其為首個完全以 AMD 硬件、軟件及網絡堆疊端到端訓練的 AI 模型。ZAYA1-base 使用 Zyphra 內部 AMD 專用訓練堆疊，訓練總量為 14T tokens；訓練叢集由 128 個節點組成，搭載 AMD MI300X GPU，實際訓練效能超過 750 PFLOPs。
Zyphra ResearchAI 評分5858 Zyphra 發佈在 AMD Instinct™ MI300 stack 上訓練的 ZAYA1-8B MoE 模型
Zyphra 發佈 ZAYA1-8B，這款 MoE 模型的活躍參數少於 1 billion。該模型在部分數學和編碼基準中勝過規模大得多的開放權重模型；搭配 Markovian RSA 時，HMMT'25 得分為 89.6，並逐輪只傳送最後 4K tokens 以維持固定上下文長度。
Prime IntellectAI 評分5858 Prime Intellect 發佈 INTELLECT-1，稱其為首個全球協作訓練的 10B 參數模型
Prime Intellect 發佈 INTELLECT-1，並稱這是首個全球協作訓練的 10B 參數語言模型。模型以 1T tokens 訓練 42 天，橫跨 5 個國家和 3 大洲，最多同時使用 112 張 H100 GPU；全球分散式訓練的計算利用率為 83%。
Prime IntellectAI 評分5050 METAGENE-1 宏基因組基礎模型發佈，參數量為 7B
Prime Intellect、USC 與 Nucleic Acid Observatory 合作發佈 METAGENE-1，這是一個為疫情監測設計的 7B 參數宏基因組基礎模型。
Prime IntellectAI 評分7474 Prime Intellect 啟動 INTELLECT-2 全球分散式 32B 參數模型強化學習訓練
Prime Intellect 啟動 INTELLECT-2，展開 32B 參數模型的全球分散式強化學習訓練，並開放任何人無需許可地貢獻異構算力。訓練以 QwQ-32B 為基礎，採用 DeepSeek-R1 的 GRPO 方法，聚焦可驗證的數學與編碼任務，並以系統提示詞設定思考 token 預算。
Prime IntellectAI 評分5656 Prime Intellect 發佈 INTELLECT-2，這是首個透過全球分散式強化學習訓練的 32B 參數模型
Prime Intellect 發佈 INTELLECT-2，稱這是首個透過全球分散式強化學習訓練的 32B 參數推理語言模型。訓練以跨異構運算節點的全非同步 RL 為核心，並配套推出 PRIME-RL、TOPLOC 和 SHARDCAST；模型、程式碼及數據均已開源，技術報告見 primeintellect.ai/intellect-2。
Prime IntellectAI 評分7373 Prime Intellect 發佈 106B 參數 INTELLECT-3 MoE 模型，開源大規模 RL 訓練資源
Prime Intellect 發佈 106B 參數的 INTELLECT-3 MoE 模型，並開源模型權重、訓練框架、數據集、RL 環境及評測。模型以 GLM-4.5-Air 為基礎，經 SFT 和 RL 訓練，使用 512 張 NVIDIA H200 GPU、分佈於 64 個互連節點，歷時兩個月。
Liquid AI 模型與工程博客AI 評分6969 Liquid AI 發佈可在裝置端運行的 LFM2.5-2.6B 模型
Liquid AI 發佈 2.6B 參數的 LFM2.5-2.6B，這款智能體模型可完全在裝置端運行，支援規劃、工具調用及多步任務。基準測試中，它在所有指令遵循基準及幾乎所有工具使用基準領先對照模型，較大型模型則在編碼上佔優。CPU 解碼速度在 M5 Max 達 220 tokens/s、Ryzen AI Max+ 395 達 113 tokens/s，手機上為 30 tokens/s。
The DecoderAI 評分6060 Aleph Alpha 發佈 Kolibri 開放權重模型，倡議歐洲 AI 主權
Aleph Alpha 發佈 Kolibri，這是一款擁有 78 billion 個參數的德英雙語開放權重模型，採用混合專家架構，每個 token 約啟用 3 billion 個參數。
Hugging Face BlogAI 評分5555 Ai2 開源科學報告生成模型 AstaBrief 8B
Ai2 開源 AstaBrief 8B，這款模型可把研究問題和檢索到的文獻摘錄生成帶引用報告，並已在 Asta 的 Generate a report 功能中提供 Fast mode。
Ai2 / Allen Institute for AIAI 評分5454 Ai2 開源 AstaBrief 8B 科學報告生成模型，供 Asta Fast mode 使用
Ai2 開源 AstaBrief 8B 及其訓練資料，並將這款科學報告生成模型加入 Asta 的 Fast mode。它以 Qwen3-8B 為基礎，根據研究問題和檢索到的文獻摘錄一次生成附引文報告；Asta 全流程中，Fast mode 平均每份報告需時 51.1 秒，較 Thinking mode 的 178.5 秒快約 3.5 倍。
Hugging Face Blog精選AI 評分6565 NVIDIA Kumo Tabular 為表格預測樹立準確率與效率的新前沿
NVIDIA 發佈開放式表格基礎模型 Kumo Tabular，用於表格分類與回歸，可根據帶標籤的上下文列，在單次前向傳播中預測新列標籤，無需訓練、調參或特徵工程。
推薦理由：文章列出四項基準的結果，並以梯度提升樹、AutoGluon 等方法作對照，為表格預測模型的效能評估提供具體比較參照。
Sarvam AIAI 評分5656 Sarvam Vision 2.1 強化文件智能，提升表格解析與 Indic 手寫識別
Sarvam AI 發佈 Sarvam Vision 2.1，強化表格解析、表單鍵值擷取及 Indic 手寫識別。在 olmOCR-Bench 官方集合中，模型得 87.3 分，為表列最高；在 OmniDocBench v1.6 得 94.97 分，低於 PaddleOCR-VL 1.6 的 96.01 分。
Microsoft ResearchAI 評分5454 GigaPath-Flash 與 GigaTIME-Flash：面向大規模人羣研究的高效病理基礎模型
Microsoft Research 公開 GigaPath-Flash 與 GigaTIME-Flash 兩款開放權重病理基礎模型，以降低大規模病理研究的計算成本。
OpenAI：部署安全與系統卡AI 評分6161 OpenAI 發佈 GPT-5.6 系統卡，列出安全評估結果
OpenAI 發佈 GPT-5.6 系統卡，公開模型訓練資料、部署安全模擬及生物化學能力評估。部署模擬預測 GPT-5.6 Sol 的違規內容總量與 GPT-5.5 大致相若，性相關違規率由 0.05% 升至 0.07%，心理健康相關違規回應率由 0.03% 降至 0.02%。OpenAI 將 GPT-5.6 系列的生物與化學能力列為 High，並判定三款模型均不需按 Critical 能力處理。
Google ResearchAI 評分5959 Google Research 推出面向表格數據的零樣本基礎模型 TabFM
Google Research 發佈 TabFM，這款表格數據基礎模型以上下文學習執行分類與回歸，並可在單次前向傳遞中預測。TabFM 以結構因果模型動態生成的數億個合成資料集訓練，並在 TabArena 的 38 個分類與 13 個回歸資料集上評測。
Hugging Face Blog精選AI 評分6262 NVIDIA 發佈 Nemotron 3.5 Content Safety，整合多模態安全判定與自訂政策
NVIDIA 發佈 Nemotron 3.5 Content Safety，將多模態輸入、多語言覆蓋、自訂企業政策與可審計推理整合至單一 4B 模型。模型基於 Google Gemma 3 4B IT，明確訓練覆蓋 12 種語言，並承接其約 140 種語言的 zero-shot 泛化；可選 THINK mode 會輸出推理軌跡。
推薦理由：Nemotron 3.5 將多模態判定、自訂政策和可審計推理整合於 4B 模型，並附訓練資料集，提供企業安全審核的部署參考。
Hugging Face Blog精選AI 評分6666 Hugging Face 發佈 Ettin Reranker 系列六款模型，規模涵蓋 17.6M 至 1.00B
Hugging Face 發佈六款基於 Ettin ModernBERT encoder 的 Sentence Transformers CrossEncoder reranker，參數規模由 17.6M 至 1.00B，並公開訓練數據及完整訓練方案。
推薦理由：文章以 MTEB(eng, v2) Retrieval、NanoBEIR 及多種硬件吞吐測試比較六種尺寸，呈現 Ettin Reranker 在排序品質與速度間的取捨。
Hugging Face BlogAI 評分5555 Granite 4.0 3B Vision：面向企業文件理解的緊湊型視覺語言模型
Granite 4.0 3B Vision 現已推出，是面向企業文件理解的緊湊型視覺語言模型，支援表格抽取、圖表理解及語義鍵值對抽取。模型以 LoRA adapter 形式構建於 Granite 4.0 Micro 之上，可獨立使用或配合 Docling，並以 Apache 2.0 授權在 Hugging Face 提供。
Hugging Face Blog精選AI 評分6161 mmBERT 基於 ModernBERT 推出，訓練納入 1,833 種語言
mmBERT 以 ModernBERT 為基礎推出，使用超過 3T tokens 的多語言文本訓練，並在最後階段納入 FineWeb2 的 1,833 種語言。
推薦理由：mmBERT 展示分階段擴充語言、逐步降低遮罩率的訓練設計，並報告在最後 100B tokens 才納入的低資源語言上取得明顯提升。
Hugging Face Blog精選AI 評分6767 Google 發佈 EmbeddingGemma 多語言嵌入模型
Google 發佈 EmbeddingGemma，一款支援 100 多種語言、具備 308M parameters 和 2K context window 的多語言嵌入模型。文章示範以 Sentence Transformers、LangChain 等工具接入模型，並在 MIRIAD 醫療檢索測試中將微調版的 NDCG@10 提升至 0.8862，基礎模型為 0.8340。
推薦理由：文章提供 EmbeddingGemma 接入多個檢索框架的程式示例，並説明查詢與文件提示詞的設定方式，方便將模型納入既有檢索流程。
Hugging Face Blog精選AI 評分6868 Ettin Suite 發佈 17M-1B 參數的配對編碼器與解碼器模型
Ettin Suite 發佈涵蓋 17M-1B 參數的配對編碼器與解碼器模型，兩者使用相同的 2T tokens 公開數據及訓練配方。編碼器在各項任務及規模上超越 ModernBERT，解碼器則勝過或追平 Llama 3.2 和 SmolLM2。同條件測試中，編碼器在分類和檢索任務較佔優，解碼器在生成任務較佔優；模型涵蓋六種規模，訓練數據公開且可重現。
推薦理由：Ettin 在相同的數據、模型規模與訓練配方下比較編碼器和解碼器，呈現兩類架構在分類、檢索和生成任務上的不同優勢。
Hugging Face Blog精選AI 評分6969 Falcon-LLM Team 發佈 Falcon-H1 混合架構模型系列，規模涵蓋 0.5B 至 34B
Falcon-LLM Team 發佈 Falcon-H1 開放權重混合架構模型系列，涵蓋六種規模、由 0.5B 至 34B，並提供 base 與 instruction-tuned 版本。
推薦理由：文中對照 Qwen2.5-32B 的短、長上下文吞吐，並説明混合 Attention-SSM 設計，呈現 Falcon-H1 隨序列長度變化的效率取捨。
Hugging Face BlogAI 評分4747 Falcon-Arabic：阿拉伯語言模型的一項突破
阿聯酋 Technology Innovation Institute（TII）推出 Falcon-Arabic，這款基於 Falcon 3 架構的 7B 參數模型支援阿拉伯語、英語及其他語言。它在 OALL v2 評測中勝過同規模阿拉伯語 LLM，並超越規模大至 4× 的模型。其上下文窗口為 32,000 tokens，可處理長文件並支援 RAG 等應用。
Hugging Face Blog精選AI 評分6868 Aya Expanse 深度解析：Cohere For AI 推進多語言模型表現的技術路徑
Cohere For AI 發佈 Aya Expanse 8B 和 32B 開放權重模型，並公開多語言訓練流程的技術細節。
推薦理由：文章拆解多語言訓練中的模型池數據仲裁、離線與線上偏好訓練及模型合併流程，呈現改善多語言表現的具體技術路徑。
Hugging Face Blog精選AI 評分6464 Hugging Face 發佈 135M、360M 和 1.7B 三種 SmolLM 模型及 SmolLM-Corpus
Hugging Face 發佈 135M、360M 和 1.7B 三種 SmolLM 模型，並公開訓練語料 SmolLM-Corpus。語料包括 28B tokens 的 Cosmopedia v2、4B tokens 的 Python-Edu，以及 220B tokens 的 FineWeb-Edu；三款模型分別以 600B、600B 和 1T tokens 訓練。
推薦理由：文章梳理 SmolLM 的資料集整理流程、訓練配置與各參數級別的基準結果，並列出三種模型規模及本地運行選項，便於比較小型模型的訓練和部署取捨。
Hugging Face Blog精選AI 評分7272 BigCode 發佈 StarCoder2 模型系列及 The Stack v2 程式碼數據集
BigCode 發佈 StarCoder2 開放程式碼大語言模型系列，提供 3B、7B 和 15B 三種規模。其中，StarCoder2-15B 使用 The Stack v2 的 4+ trillion tokens 訓練，涵蓋 600+ 程式語言。
推薦理由：StarCoder2 同步公開模型、The Stack v2 數據集及訓練程式碼，並按倉庫組織訓練資料，呈現程式碼模型與數據建設的完整鏈路。