1/13 MarinDNA 以 1B 标准 Transformer 逼近 40B 基因组模型
MarinDNA 发布 Apache-2.0 许可的 11.2 亿参数 DNA 因果语言模型，架构直接兼容 Qwen3 decoder-only，训练时接触约 847.7 亿 nucleotide tokens。Open Athena 报告称，m5.1 在 Mendelian variant-effect prediction 的 zero-shot macro AUPRC 上略高于 Evo 2 40B，同时训练 FLOPs 约少 1,980 倍、变异评分吞吐约高 2,330 倍。提升主要来自功能区域数据筛选、均衡混合与超参数迁移；作者也明确指出 alignment-based 和 supervised 模型整体仍更强。
2/13 NVIDIA 开放 NeMo Gym 对话式工具调用运行资产
NVIDIA 在 Hugging Face 发布 NeMo Gym conversational tool-use asset bundle。它不是训练集或评测集，而是用于复现生成流水线的运行资料：包括 domain prompts 与历史版本、policy/tool/refinement/judge prompts、golden policy Markdown 与配对 tool JSONL，以及 scenario-generation prompts。当前数据页含 36 行、约 275 kB，采用 Apache-2.0；Gym 的准备命令会下载并校验这些资产，可执行 schema、示例与 simulation server 实现继续保留在 Git 仓库。
3/13 LiteParse 扩展表单、批注与矢量图形提取
LlamaIndex 的本地开源解析器 LiteParse 新增更完整的结构化 PDF 输出：可提取 annotations、AcroForm 字段和值、checkbox 状态、vector paths、合并后的水平与垂直线、rich text metadata、embedded images 和 tagged-PDF structure tree。工具以 Rust 与 PDFium 为核心，可选 Tesseract OCR，不依赖云端模型，并提供 Rust、Node、Python 和浏览器 WASM 接口。复杂度预检还能先识别需 OCR 或重型解析的页面，再把困难文档升级到 LlamaParse。
4/13 Recursive Language Models 再次成为长上下文 harness 焦点
LangChain 社区转发讨论称，近期流行的 RLM 并非新概念，Alex Zhang 等人的 Recursive Language Models 工作已在此前提出：把超长 prompt 作为外部 REPL 中的变量，由根模型用代码检查、拆分并递归调用自身处理片段。论文报告 RLM 可处理比基础模型 context window 大两个数量级的输入，并在四类长上下文任务中以相当或更低成本超过基础模型与常见 scaffold。近期热度表明，context offloading 与动态递归工作流正在从论文进入 agent harness 设计。
5/13 Hugging Face Storage Buckets 接入 Vast.ai GPU
Hugging Face Storage Buckets 现可在 Vast.ai 中配置为 Cloud Connection，租用的 GPU instance 能直接拉取 bucket 内的数据集和 checkpoint，并把结果同步回去。Bucket 是基于 Xet 的可变、无版本对象存储，支持 hf CLI、Python 与 S3-compatible 工具、增量 sync、server-side copy、chunk deduplication 和区域预热，适合 checkpoints、logs 与 agent scratch data。数据留在 Hugging Face、计算落在 Vast GPU，减少了跨平台人工下载与重复上传。
6/13 Stripe 内部代理 Kai 展示按需加载 skills 的企业架构
一则由 LangChain 创始人转发的介绍称，Stripe 的 Kai 面向非工程员工生成报告、dashboard 与文档，首版由一名工程师用一周构建，目前每周覆盖约 83% 员工。其关键设计是面对 500 多个内部 tools 和 1,000 多个 skills 时默认不加载任何工具，先由模型选择相关 skill，再只注入该 skill 的 tools；代理本体位于 sandbox 外，把执行代码的 sandbox 当作隔离工具调用。介绍同时称，skills 超过约 150 个后质量仍会下降，规模化路由尚未解决。
7/13 端侧开放模型覆盖隐私、语音、文档与代理循环
Hugging Face 转发的一份近期开放模型清单显示，多类任务已可在本地或设备端完成：1.5B 的 OpenAI privacy-filter 在浏览器中脱敏 PII，0.6B Nemotron-3.5 ASR 做流式语音识别，0.9B OvisOCR2 解析文档，2.6B LFM2.5 运行 agent loops，3B Shieldstral 按自定义政策审核内容，Marlin-2B 理解视频。清单作者认为，下一阶段瓶颈不再只是单模型能力，而是如何根据任务、硬件、隐私和延迟在异构小模型之间可靠路由。
8/13 Grok Imagine Image 2.0 强化可控编辑与多模态 grounding
Elon Musk 连续转发用户对 Grok Imagine Image 2.0 的演示：一组案例展示在直观界面中逐项修改图像细节，另一组强调多模态 grounding 对编辑目标和场景关系的保持，并称该工具可快速生成图像、视频与 meme。当天相关演示获得数十万次浏览，显示 Imagine 正从一次性生成向迭代编辑工作流扩展。现有信息主要来自用户展示与 Musk 转发，尚没有 xAI 官方 benchmark、编辑精度指标或完整规格，因此应视为产品能力示例而非横向评测。
9/13 “Kill My SaaS” 用公开评测推动 agent 工作流迭代
Swyx 的周末 coding-agent 竞赛收到 600 多份申请、录取 100 人，参赛者可选任意 agent 与模型，并使用最多 500 美元 token 预算。组织者提前发布首批 LLM-as-judge evals，让选手在提交前做基本质量检查；一名参赛者仅用三个 Anthropic Ultracode prompts 完成可用方案，并在规定时间的 25%–50% 内结束，促使评测提前开放。该活动不是标准 benchmark，但把长任务 agent、动态工作流、token 成本与可重复验收放进同一实战环境。
10/13 Codex 使用反馈暴露“弱代理复核强代理”的质量倒挂
Ethan Mollick 分享一次 Codex 使用经验：当 lead model 把审查继续交给能力较弱的 agents 和复杂 test harness 时，仍遗漏了它直接浏览结果便能发现的问题；他随后明确要求主模型本人重新检查全部内容，结果得到改善。这个案例属于个人使用观察，不能替代系统评测，但指出多代理分解并不自动提高质量：delegation 需要按能力匹配任务，最终验收应保留给最强模型或确定性测试，不能把 subagent 报告等同于完成证据。
11/13 Yann LeCun 区分产品竞赛与长期 AI 研究目标
Yann LeCun 表示，企业管理层若聚焦短期产品竞赛，可能把 world models 等长期方向视为资源浪费；若目标是 human-level AI，且认为 LLM scaling 之外仍需概念突破，研究者就会选择更少连接产品和管理、更多连接基础研究的角色。他同时称自己一直支持高质量 LLM 工作，也认可其作为技术和产品核心的价值，但从未认为 LLM 本身就是通往 AGI 的路线。这一表态把近期组织传闻转回到研究期限、治理方式与技术路线差异。
12/13 Geoffrey Hinton 正撰写面向公众的 AI 风险读物
Geoffrey Hinton 宣布正与科学作家 Patchen Barss 完成一本非技术读物，由 Viking Books 与 Viking Books UK 参与出版。书将解释 AI 如何工作、为何可能带来危险，以及社会可以采取哪些行动；目前推文未披露正式书名、出版日期或章节结构。Hinton 近年来持续讨论失控、滥用与治理风险，这本书把其面向研究和政策圈的论点转向普通读者，意味着前沿模型安全讨论将进一步进入大众出版与公共教育渠道。
13/13 AI 芯片竞争的瓶颈从硅片延伸到软件生态
Yann LeCun 转发观点称，历史上已有大量突破性 silicon 因缺少软件支持而无法商业化，今天也存在性能优秀却难以进入主流工作流的芯片。该观点未给出具体厂商或份额数据，但指向 AI accelerator 竞争的系统约束：编译器、kernel、framework 适配、模型支持、调试工具、云资源与开发者迁移成本共同决定硬件能否被采用。对新架构而言，单点 benchmark 胜出不足以形成平台，软件栈成熟度与既有生态兼容性往往才是规模化门槛。
Deep Dive 附录
MarinDNA：用数据混合与标准架构缩小 40 倍参数差距
MarinDNA 用 Qwen3 兼容 causal Transformer 直接建模单核苷酸，1B checkpoint 的训练混合主要由 CDS、upstream 与 downstream 序列组成。项目发现按数据量比例采样会让 CDS 主导模型，而均衡混合能同时保持 coding 与 regulatory region 表现；加入 ncRNA 和 enhancer 后，对应变异类别继续改善。m5.1 在 zero-shot Mendelian VEP macro AUPRC 上略超 Evo 2 40B，却使用约 1/1,980 的训练 FLOPs并以约 2,330 倍吞吐评分。限制是 255-bp 上下文较短，alignment-based 与 supervised 模型整体仍更强。 查看原文
NeMo Gym：把 prompt、policy 与 golden tools 做成可校验资产包
该 Hugging Face 仓库把 conversational tool-use pipeline 的 prompt 与参考资料从执行代码中拆出，包含 domain generation、policy/tool generation、refinement、judge 和 scenario generation 的 prompt 及历史版本，并提供 golden policy Markdown 与配对 tool JSONL。它只有 36 行、约 275 kB，明确不是训练或评测数据；simulation server、JSON schema 和 runnable examples 仍在 Git 中。Gym 的 preparation command 会下载并校验 checksum，使生成流程能够锁定运行资产版本并复现实验。 查看原文
LiteParse：本地快速解析作为文档流水线第一层
LiteParse 以 PDFium 提取原生文本、用可选 OCR 补充扫描内容，再通过 grid projection 重建空间布局。结构化 JSON 可按需加入 vector graphics、annotations、form fields、checkbox values、images、text metadata 与 tagged structure tree；Markdown 输出可保留 headings、tables、lists、images 和 links。is-complex 先用低成本 text-layer signal 判定页面是否需要 OCR 或更强解析，因此常规文档可在本地快速处理，复杂表格、多栏和手写扫描件再升级到云端 LlamaParse。
查看原文
RLM：把超长上下文变成模型可编程访问的环境
Recursive Language Models 不要求根模型一次读完 prompt，而是把输入存为 REPL 变量，让模型编写代码搜索、切片和聚合，并对局部内容递归发起 LM 或 RLM 调用。原论文在四类长上下文任务中报告，对比基础模型、context compaction 与其他 scaffold，RLM 能处理大两个数量级的输入且成本相当或更低；作者博客还报告 1,000 万以上 token 下未见明显衰减。生产化仍需限制递归深度、隔离 REPL、追踪子调用成本，并用 verifier 防止分解错误层层传播。 查看原文
HF Storage Buckets：为训练与代理提供可变工作存储
Storage Buckets 与 Hugging Face 的 Git repositories 分工不同：前者无版本、可原地覆盖，适合 checkpoint、日志、中间产物和 agent working memory；后者保留历史，适合发布完成的模型与数据集。Bucket 支持 S3-compatible API、hf://buckets/ 路径、增量 sync、Xet chunk deduplication、server-side copy 和区域预热。Vast.ai 的 Cloud Connection 可让 GPU instance 直接同步同一 bucket，减少跨平台搬运，但 bucket 删除不可恢复，自动化需要 dry-run、plan/apply 和独立备份。
查看原文
查看原文