KronLSTM 用 Kronecker Delta Rule 改进长上下文线性注意力
作者提出 KronLSTM，一种基于 Kronecker Delta Rule 的线性注意力架构，扩展了 xLSTM 家族。它的记忆修正只在矩阵空间的单一方向上改动目标关联，对已存信息的干扰小于 delta-rule 更新，记忆动态可描述为收敛到稳态分布的马尔可夫链，记忆矩阵的期望范数在整条输入序列上保持有界，因此不需要额外的归一化与稳定机制。
#开源生态
#开源生态
今日 0 条arXiv cs.AI / cs.LG 最新AI 评分6262 TechCrunch · AIAI 评分6161 AWS 发布 TorchNeuron，PyTorch 应用改一行配置即可跑在 Trainium 上
AWS 发布开发工具 TorchNeuron，用 PyTorch 编写的 AI 应用改一行配置就能跑在自研芯片 Trainium 上，官方称无需重写代码。该工具改编自 PyTorch，熟悉 PyTorch 的开发者可直接上手，Amazon 称约 85% 的 AI 应用基于 PyTorch 编写。
Hugging Face Blog精选AI 评分7575 Reflection 发布 501B 开源模型 Beam，Apache 2.0 许可、1M 上下文
Reflection 发布其首个开源模型 Beam，501B 参数的 MoE 架构，每个 token 激活 23B，支持 1M token 上下文窗口，采用 Apache 2.0 许可，主攻编码与 Agent 场景。
推荐理由：需要自建推理的团队可以先用 vLLM 或 SGLang 起 NVFP4 版本，四张 B200 就能跑长上下文服务。
Hugging Face Blog精选AI 评分7474 Apertus 1.5 发布 8B 与 70B 版本，支持图像音频理解与 262k 上下文
Apertus 1.5 在 8B 和 70B 两个规模上加入图像与音频理解、可选 thinking 模式，上下文窗口扩展到 262,144 tokens，是 1.0 的四倍。
推荐理由：想在本地跑多模态的团队可先下 8B 权重微调，注意模型只输出文本，图像和语音仅作输入。
Hugging Face Blog精选AI 评分8181 Liquid AI 开源 LFM2.5-24B-A2B，总参数 24B、每 token 激活 2B 的端侧智能体推理模型
Liquid AI 在 Hugging Face 开源 LFM2.5-24B-A2B，总参数 24B、每 token 仅激活 2B，是面向端侧常驻智能体的推理模型。
推荐理由：要在本地部署智能体的开发者可先用 vLLM 或 llama.cpp 起服务，再拿工具调用和指令遵循任务实测它能否替代云端模型。
Hugging Face Blog精选AI 评分6262 TII 发布 1.6B 参数 Falcon-ASR 语音识别模型，主打阿联酋阿拉伯语方言
阿布扎比技术创新研究院（TII）发布 1.6B 参数的语音识别模型 Falcon-ASR，重点覆盖阿拉伯语及阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语。
推荐理由：做阿拉伯语语音转写的团队可以用 Falcon-ASR 的词级时间戳处理会议和电话录音，并先在阿联酋方言素材上验证转写准确率。
Hugging Face Blog精选AI 评分6464 Hugging Face 上线 Open TTS Leaderboard，用客观指标评测多语言 TTS 与声音克隆
Hugging Face 上线 Open TTS Leaderboard，用 WER/CER、RTFx、TTFA 和说话人相似度等客观指标评测开源多语言 TTS 与声音克隆模型。
推荐理由：评估开源 TTS 选型的团队可以按目标语言和声音克隆需求在榜单筛出候选模型，再去 Listen 页试听对比。
Hugging Face Blog精选AI 评分7474 H 公司发布 Holo4 智能体模型系列，含 27B 稠密版与 35B-A3B MoE 版
H 公司发布 Holo4 系列智能体模型，含 27B 稠密版与 35B-A3B MoE 版，已在 H Models API 上线并在 Hugging Face 开放权重。
推荐理由：业务团队可以用 H Models API 上的 Holo4 27B 跑桌面与 API 混合流程，先替代重复的点击录入。
Hugging Face BlogAI 评分5454 Hugging Face Hub 上线 RL Environments 筛选与框架标签
Hugging Face Hub 新增 RL Environments 专区，带 rl-environment 标签的数据集仓库会出现在新筛选中。首批注册的框架标签有 Harbor、Verifiers、OpenEnv 和 NeMo Gym，每个标签会在数据集页显示图标并生成对应的运行命令，且没有新增仓库类型、注册表或注册流程。
Google Research精选AI 评分7878 Google 发布 TimesFM-3，原生支持多变量零样本时间序列预测
Google Research 发布 TimesFM-3，一个 330M 参数、原生于多变量预测的零样本时间序列基础模型。它可同时预测多条相关序列，并把历史协变量和已知未来事件（如促销、天气）作为输入，经一次前向传播输出整个预测区间和 9 个分位数。
推荐理由：做销量或流量预测的团队可直接在 BigQuery 用 AI.FORECAST 调用它，把促销日程这类已知未来变量一起输入。
Hugging Face Blog精选AI 评分6464 Open ASR Leaderboard 新增印地语与印度英语评测集 Monsoon
Voice Arena 与 Hugging Face 在 Open ASR Leaderboard 上线 Monsoon 印地语与印度英语评测集，四个划分合计覆盖 4888 名说话人，每条音频记录 12 项说话人属性。
推荐理由：做印地语或印度英语语音识别的团队，可以先在 Monsoon 公开集上自测，再按地区、年龄和机型拆分 WER 以定位模型短板。
Hugging Face Blog精选AI 评分6363 Hugging Face 发布 2026 夏季开源模型生态观察报告
Hugging Face 发布覆盖 2026 年 1 至 8 月的开源模型生态观察报告，期间 Hub 上公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，Spaces 从 100 万增至 144 万。
推荐理由：做开源模型选型与微调的团队可以借报告中的下载量和衍生模型分布，判断该把工程押在哪个模型家族上。
Hugging Face Blog精选AI 评分6363 OlmoEarth Studio 上线自定义嵌入向量导出功能
AllenAI 的 OlmoEarth Studio 支持按区域、时段和编码器计算并导出嵌入向量，输出为每维一个波段的 COG。可选 Nano（128 维，1.4M 参数）、Tiny（192 维，6.2M 参数）与 Base（768 维，89M 参数），支持 10 至 80 米分辨率和 Sentinel-2 L2A、Sentinel-1 RTC 影像。
推荐理由：遥感与地理空间团队可以用它导出研究区的嵌入向量，接进现有 rasterio 或 QGIS 流程做相似度检索和变化检测。
Hugging Face BlogAI 评分5555 IBM Research 对比 ALTK-Evolve 与 ACE，弱模型上 token 成本约为其七分之一
IBM Research 对比其 ALTK-Evolve 与 ACE 两种 Agent 记忆方案在 AppWorld 上的表现。两者都不把历史经验压缩成摘要，区别在投递方式，ACE 每步注入完整 playbook，ALTK-Evolve 按任务检索少量 guideline。
Hugging Face Blog精选AI 评分6868 NVIDIA 开源 Magpie TTS 多语言模型扩展至 12 种语言
NVIDIA 在 Hugging Face 发布 Magpie TTS Multilingual 开源权重模型，364M 参数，覆盖 12 种语言，本次新增现代标准阿拉伯语、韩语和巴西葡萄牙语。
推荐理由：做多语言语音客服的团队可以拉取这套 364M 开源权重，在自有 GPU 上实测首字延迟，再用 NeMo 微调自家发音。
Hugging Face Blog精选AI 评分7676 Meta 发布 30B 多模态模型 Muse Glimmer 并开源，主打本地智能体场景
Meta 发布 30B 参数的多模态模型 Muse Glimmer，采用 Apache 2.0 许可证，面向本地智能体场景。模型由 2B 的 Perception Encoder 视觉编码器和 28B 文本解码器组成，支持图像与视频问答、多模态工具调用和目标检测，另附可选的 DFlash 推测解码草稿模型。
推荐理由：想在本地跑智能体的开发者可用 transformers 或 llama.cpp 直接加载 30B 权重，先验证编码与工具调用场景。
Hugging Face BlogAI 评分3838 Baseten 加入 Hugging Face Inference Providers
Baseten 已成为 Hugging Face Hub 支持的 Inference Provider，初期在 Hub 上支持对话与文本生成任务，可调用 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等开放权重模型。
Hugging Face Blog精选AI 评分7676 Diffusers 原生集成 Nunchaku Lite，4-bit 扩散模型可直接 from_pretrained 加载
Diffusers 现在可以原生加载 Nunchaku Lite 的 4-bit 量化 checkpoint，无需自定义 pipeline 或单独推理引擎，调用 from_pretrained() 即可。
推荐理由：手上只有消费级显卡的开发者可以直接加载预量化权重跑通文生图，验证效果后再考虑用工具包量化自己的模型。
Google DeepMind精选AI 评分8181 Google DeepMind 发布实验性开源模型 DiffusionGemma，文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，改用文本扩散并行生成，单张 GPU 上推理速度最高提升 4 倍。它是 26B MoE 模型，推理时激活 3.8B 参数，量化后可放进 18GB 显存，H100 上超过 1000 tokens/s，RTX 5090 上超过 700 tokens/s。
推荐理由：本地部署的开发者可以用它在单张消费级 GPU 上做内联编辑和快速迭代，但产出质量要求高时仍应切回 Gemma 4。