OlmoEarth 是一个支持行星尺度地理空间推理的 AI 平台，基于大模型实现高精度遥感图像分析，适用于环境监测、城市规划等场景。

LFM2.5是一种新型编码器，专为在CPU上实现高效长上下文推理而设计，显著提升推理速度并降低资源消耗，适用于边缘设备和低算力场景。

NVIDIA发布Cosmos-H-Dreams，利用生成式AI实现手术机器人的实时仿真训练，提升机器人在复杂医疗场景中的感知与决策能力。

文章介绍了将Nunchaku的4-bit量化扩散模型推理集成到Hugging Face Diffusers库中，显著降低显存占用并提升推理效率，同时保持生成质量。

文章综述了当前用于物理AI（如具身智能、机器人）的仿真技术发展现状，涵盖主流仿真平台、与AI模型集成的方式及其在训练和测试中的作用。

Grabette是一个开源系统，用于记录机器人操作数据，支持多模态传感器输入和灵活的数据采集流程，适用于训练机器人学习模型。

Cosmos 3 Edge 是一个面向边缘设备优化的轻量级AI模型，支持在资源受限环境下高效运行多模态任务，适用于物联网和移动场景。

NVIDIA 推出 NeMo Automodel，结合 Hugging Face Diffusers，支持高效大规模微调图像和视频生成模型，简化多模态模型训练流程。

NVIDIA 发布 Nemotron 3 Embed 嵌入模型，在 Retrieval Track of the Embedding Benchmark (RTEB) 中综合排名第一，显著提升智能体（agentic）检索性能。

文章分享了开发AI智能体产品Shippy的经验，探讨了当前AI智能体开发中的挑战、实用技巧及未来方向，涉及工具链选择、任务分解与执行等关键问题。

文章探讨了AI系统中模型路由（Model Routing）的复杂性，即如何根据输入选择最合适的模型。虽然基础方法看似简单，但在实际应用中面临性能、成本和准确率的权衡挑战。

文章介绍了新发布的 Real World VoiceEQ，一种用于评估语音 AI 在真实场景中拟人化质量的评测工具，强调其在自然度、情感表达和交互流畅性方面的衡量能力。

本文是PyTorch性能分析系列第三篇，聚焦于Transformer模型中注意力机制的性能剖析，介绍如何使用PyTorch Profiler定位瓶颈、优化计算效率，并提供实用代码示例。

vLLM 推出原生速度的 Transformers 建模后端，显著提升模型推理性能，兼容 Hugging Face 生态，简化部署流程。

Hugging Face 与 AWS 合作推出新功能，用户可直接在 Hugging Face 模型页面一键部署模型至 Amazon SageMaker Studio，简化了从模型发现到云端推理的流程。

Hugging Face模型现可通过Foundry托管计算平台直接部署和运行，简化了从模型选择到推理服务的流程，支持多种开源模型并提供可扩展的计算资源。

LeRobot v0.6.0 是一个开源机器人学习库，新增多模态策略训练、离线评估工具和数据集增强功能，支持更高效的机器人智能体开发与迭代。

SkyPilot新增与Hugging Face集成，支持在任意云上运行AI训练/推理任务，并通过零出口流量设计将数据直接存回Hugging Face Hub，降低成本并简化工作流。

Hugging Face 推出 Kernels 重大更新，增强 AI 模型开发与部署能力，支持更高效的代码执行环境和模型集成。

Hugging Face 与 Cerebras 合作，利用 Cerebras 的 Wafer-Scale Engine 硬件加速，将谷歌的 Gemma 4 模型部署于实时语音 AI 应用，显著降低延迟并提升推理效率。