新模型来了，DharmaOCR 在巴西葡萄牙语 OCR 上仍领先 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在葡萄牙语专用基准上以 0.925 分领先 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型经葡萄牙语监督微调与 DPO 两阶段训练，将全部参数集中于巴西葡萄牙语，从而在提取质量与稳定性上保持优势。
#Hugging Face
#Hugging Face
今日 1 条Hugging Face：Blog（RSS）AI 评分4040 Hugging Face：Blog（RSS）精选AI 评分8484 Hugging Face 披露由自主 AI 智能体发起的基础设施入侵事件
Hugging Face 披露一起由自主 AI 智能体系统端到端驱动的生产基础设施入侵事件，攻击者通过恶意数据集利用两条代码执行路径获得处理节点访问权，窃取了部分内部数据集和服务凭证，未发现公开模型、数据集或 Spaces 被篡改，供应链验证无污染。
推荐理由：防御方用自托管开源模型做取证、绕开商业模型护栏锁死的经验，为安全团队提供了可直接借鉴的做法。
Hugging Face：Blog（RSS）精选AI 评分6161 IBM Research：模型路由看似简单，实则是系统优化问题
IBM Research 分享在智能体系统中构建模型路由的经验，认为路由不应被当作分类问题而是系统优化问题。在 AppWorld Test Challenge 上用 CodeAct 智能体实测 417 个任务，Claude Sonnet 4.6 总成本 $79（$0.19/任务），反而低于单价更低的 GPT-4.1 的 $155（$0.37/任务），差异源于缓存命中。
推荐理由：作者基于 AppWorld 实测给出路由成本、难度与延迟被低估的三点原因，并分享了可迁移的优化思路。
Hugging Face：Blog（RSS）精选AI 评分6060 Hugging Face 发布 Real World VoiceEQ 基准，测量语音 AI 的人类级表现质量
Real World VoiceEQ 基准发布，评估 40 多个语音模型在 15+ 维度、60+ 指标上的表现，涵盖 ASR、TTS、S2S 和语音理解，数据来自超 100 万条人类评分，含 78.5 万条 TTS 评分和 4.8 万条 STS 评分。
推荐理由：原文基于大规模人类评分指出传统语音基准高估真实表现，并给出可查阅的公开榜单与分项能力结论。
Hugging Face：Blog（RSS）精选AI 评分8181 Thinking Machines 发布 1T 参数多模态开源模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 上发布开源多模态模型 Inkling，共 975B 总参数、41B 激活参数，支持 1M 上下文，原生接收图像、文本和音频输入，训练数据为 45 万亿 token，并同时发布 276B 总参数、12B 激活参数的 Inkling-Small。
推荐理由：文章给出了 Inkling 的架构细节、各档位 VRAM 需求和多条部署路径，便于读者评估在自己的硬件上运行哪种变体。
Hugging Face：Blog（RSS）精选AI 评分6868 Hugging Face 发布 Profiling in PyTorch 系列第三篇：用 profiler 对比各注意力实现
Hugging Face 发布 Profiling in PyTorch 系列第三篇，用 profiler trace 对比手写注意力、in-place 掩码、SDPA math/efficient/flash/cuDNN 各后端的 kernel 表现。
推荐理由：原文用 profiler trace 逐一对比 PyTorch 各注意力实现的 kernel 差异，读者可以学到一套先猜测再看 trace 的可迁移分析方法。
Hugging Face：Blog（RSS）精选AI 评分6363 Hugging Face 发布 native-speed vLLM transformers 后端
Hugging Face 宣布 vLLM 的 transformers 建模后端现在达到甚至超过 vLLM 原生实现的吞吐速度，模型作者无需移植代码即可用 --model-impl transformers 获得 vLLM 级推理性能。
推荐理由：官方给出了与 vLLM 原生实现对比的具体吞吐数字和使用方法，读者可以据此判断是否切换到自己已有的 transformers 模型工作流。
Hugging Face：Blog（RSS）AI 评分4848 Hugging Face 与 Amazon SageMaker Studio 打通一键直达集成
Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，开发者可在支持的模型页点击 Customize on SageMaker AI 或 Deploy on SageMaker AI，一键进入 SageMaker Studio 并预加载所选模型。
Hugging Face：Blog（RSS）精选AI 评分6363 Hugging Face 模型上线 Microsoft Foundry Managed Compute，数千个开源权重模型可一键部署
Microsoft Build 2026 上宣布 Foundry Managed Compute 以及 Hugging Face 模型精选目录，数千个开源权重模型每周更新，可一键部署到 Foundry Managed Compute，支持 NVIDIA A100、H100 和 AMD MI300X。
推荐理由：原文完整说明了精选模型目录、策展管线和运行时选择，读者可以据此评估在私有网络内部署开源模型的路径。
Hugging Face：Blog（RSS）精选AI 评分6767 SkyPilot 与 Hugging Face 联合推出 store: hf，Hub 存储成为一等后端，多云读取零出口费
SkyPilot 与 Hugging Face 联合推出 store: hf，把 Hugging Face Storage 作为 SkyPilot 的一等存储后端，用一个 hf:// URL 和现有 HF_TOKEN 即可把 Bucket 或 Hub 仓库挂载进任意云上的任务。
推荐理由：两家联合发布 store: hf，给出了零出口费读取、MOUNT/COPY 用法和实测写入速度，读者可以据此评估多云 GPU 训练的存储方案。
Hugging Face：Blog（RSS）精选AI 评分7070 Hugging Face LeRobot v0.6.0 发布：世界模型策略、奖励模型 API 与六项新仿真基准
Hugging Face 发布 LeRobot v0.6.0，引入 VLA-JEPA、FastWAM、LingBot-VA 等世界模型策略，新增 GR00T N1.7、MolmoAct2、EO-1 等 VLA，以及统一奖励模型 API（Robometer、TOPReward）。
推荐理由：发布方系统列出世界模型策略、奖励模型 API、新基准与部署 CLI 等更新，读者可以据此评估机器人学习工作流的变化。
Hugging Face：Blog（RSS）AI 评分4545 PRX Part 4：我们的数据策略
PRX 系列第 4 篇披露其数据策略：预训练数据由公开与内部数据集混合而成，用 VLM 重新生成图像长描述，再转为可流式读取的语料。团队改用 Qwen3-VL 在训练中实时计算文本 latent，实测吞吐仅损失约 3–4%（30 天训练多约 1 天），并采用 Lance 构建、MDS 流式的双格式流程，图像统一以 JPEG quality 92 编码。
Hugging Face：Blog（RSS）AI 评分4848 Hugging Face Kernels 项目重大更新：新增 kernel 仓库类型与代码签名
Hugging Face 为 Kernels 项目引入 Hub 上的 "kernel" 新仓库类型，并默认只加载受信任发布者的内核，非信任来源需显式传入 trust_remote_code=True。
Hugging Face：Blog（RSS）AI 评分5959 Hugging Face 与 Cerebras 用 Gemma 4 打造实时语音 AI 演示
Hugging Face 与 Cerebras 展示了一套开源、模块化的实时语音到语音流水线：Nvidia Parakeet 做语音识别，Google DeepMind 的 Gemma 4 31B 在 Cerebras 上推理，阿里 Qwen3TTS 合成语音回复。
Hugging Face：Blog（RSS）AI 评分4848 ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布开源基准 ScarfBench，用于评估 AI 智能体在企业级 Java 框架迁移中的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，含 34 个应用、102 个框架实现、204 项迁移任务和 1,331 个专家测试。
Hugging Face：Blog（RSS）AI 评分4848 Hugging Face 模型页新增 Every Eval Ever 评测结果展示
Every Eval Ever（EEE）与 Hugging Face Community Evals 现已互通，评测结果可跨平台发布并回溯至完整记录。EEE 数据存储已收录约 229,000 条评测结果，覆盖超 22,000 个模型和 2,200 个基准，来自 31 种报告格式。贡献者可通过转换器将 EEE 记录提交至 Community Evals，经组织官方账号提交的结果会显示验证标记。
Hugging Face：Blog（RSS）AI 评分4242 DiScoFormer：一个 Transformer 同时估计密度与 score，跨分布通用
研究者提出 DiScoFormer（Density and Score Transformer），给定一组数据点即可在单次前向传播中同时估计分布的密度与 score，无需针对新分布重新训练。
Google DeepMind：Blog（RSS）精选AI 评分7676 Google DeepMind 发布开源实验模型 DiffusionGemma，GPU 文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，基于文本扩散方法，在专用 GPU 上实现最高 4 倍的文本生成提速。该模型为 26B 总参数的 MoE，推理时仅激活 3.8B 参数，量化后可装入 18GB 显存，单张 NVIDIA H100 上超过 1000 tokens 每秒，RTX 5090 上超过 700 tokens 每秒。
推荐理由：官方给出具体吞吐数字、显存占用和质量取舍，读者可据此判断它适不适合本地交互式工作流。
Answer.AI 官方研发博客（RSS）AI 评分4646 Answer.AI 发布 ReadBench：评测视觉语言模型的文本读取能力
Answer.AI 推出 ReadBench 基准，将 MMLU-Redux、MMLU-Pro、GPQA-Diamond、BABILong 和 LongBench 等文本基准的上下文转为图像、问题保留为文本，评测 VLM 从图像中读取和推理文本的能力。
Answer.AI 官方研发博客（RSS）AI 评分6060 Answer.AI 发布 ModernBERT-Large-Instruct，MLM 编码器展现零样本能力
Answer.AI 发布 ModernBERT-Large-Instruct，一个在 ModernBERT-Large（395M 参数）上用 FLAN 指令微调的编码器模型，直接用 MLM 头做分类和选择题，无需架构改动。
Answer.AI 官方研发博客（RSS）精选AI 评分7676 Answer.AI 与 LightOn 发布 ModernBERT 编码器模型家族
Answer.AI 与 LightOn 发布 ModernBERT，一个替换 BERT 的 encoder-only 模型家族，含 base（149M 参数）和 large（395M 参数）两个尺寸，上下文长度达 8192 tokens。
推荐理由：发布方给出了速度、上下文长度和训练数据的具体改进点，读者可以据此评估它能否替换现有 BERT 类工作流。