介绍 @huggingface/kernels：面向本地 AI 的 200+ WebGPU 内核
Hugging Face 发布 @huggingface/kernels，提供 200 多个 WebGPU 内核，加速本地 AI 推理。
来源：Hugging Face
博客
BenchMIRT：大语言模型基准测试究竟在衡量什么？
BenchMIRT 通过新框架探究大模型基准测试的真实评估目标，揭示其背后的测量维度与局限。
来源：Hugging Face
法定人工智能：使大型语言模型与法律规范对齐
随着AI监管框架发展，确保生成式模型遵守法律规范成为关键，本研究探索让大模型与法律对齐的方法。
来源：arXiv cs.AI
噪音中的信号：生物医学文本分类的可审计可靠性层
针对生物医学文本分类中PDF解析产生的OCR噪声，提出一种可审计的可靠性层，提升模型鲁棒性与可信度。
来源：arXiv cs.AI
从“问题优先”到“分析师优先”：面向主动式企业分析的领域专家技能与验证知识编译
对话式分析常假定用户已有明确问题，新研究转向分析师优先，主动整合专家技能与验证知识。
来源：arXiv cs.AI
智能体AI能力与在线调查数据质量控制之间的竞赛
在线调查是各领域的基础数据收集工具，注意力检查是保障回答质量的关键，但智能体AI的进步正对这一防线构成挑战。
来源：arXiv cs.AI
DS-Lighting：将智能体框架显式化以自动化数据科学
针对LLM智能体在数据科学自动化中端到端性能受限于隐式框架的问题，DS-Lighting提出显式化设计以提升效果。
来源：arXiv cs.AI
CDPR：基于反事实优势的代价感知顺序医疗诊断信用分配方法
提出CDPR方法，通过反事实优势估计分配信用，优化顺序诊断的代价与准确性权衡。
来源：arXiv cs.AI
数学推理中思维链的形态
大型语言模型在数学推理上表现优异，但其背后有数学意义的技能尚不明确。
来源：arXiv cs.AI
前沿大语言模型在肿瘤学决策中的集体能力边界：符合指南与个体化诊疗的挑战
大语言模型虽在医学考试中高分，但面对真实肿瘤学病例的序列决策时，集体表现存在明显能力上限。
来源：arXiv cs.AI
开源语音识别排行榜首次纳入全球南方语言
开源语音识别排行榜新增首个全球南方语言，填补低资源语言评测空白。
来源：Hugging Face
使用 Sentence Transformers 训练和微调多向量嵌入模型
介绍如何用 Sentence Transformers 训练和微调多向量嵌入模型，以提升检索等任务性能。
来源：Hugging Face