CATCH 提出连续对抗训练方法，提升大语言模型诚实性并保持能力
CATCH 是一种连续对抗训练方法，训练模型靠近诚实回答、远离不诚实回答，以提升大语言模型的诚实性。研究在 Llama-3.3-70B-Instruct 和 Qwen3-3.6-27B 上仅用数百条自报告场景构造的目标训练，模型在 MASK 基准受压时的不诚实行为持续减少，在 Among Us 多智能体游戏中更多坦白，AuditBench 对隐藏行为的发现率也提高。
#Meta
#Meta
今日 0 条arXiv cs.AI / cs.LG 最新AI 评分5555
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。