本文深入探讨如何在 PyTorch 中使用性能分析工具优化神经网络，重点介绍将多个线性层融合为高效 MLP 的实践方法。

该研究对前沿自动语音识别（ASR）系统在处理语码转换（如中英混杂）语音时的表现进行基准测试，评估其在真实多语言客服场景中的能力。

Cohere 发布专为开发者设计的轻量级代码模型 North Mini Code，支持代码补全、生成与理解，适用于本地部署和低延迟场景。

文章展示了如何利用AI智能体串联两个Hugging Face Spaces，自动构建一个3D巴黎画廊，涉及AI工具链整合与自动化工作流。

本文介绍如何将 GitHub 上的持续集成（CI）工作流迁移到 Hugging Face Jobs，利用其托管环境运行模型训练、评估等任务，提升 AI 开发效率。

开源社区正积极支持 OpenEnv，一个专为智能体强化学习（Agentic RL）设计的开放环境平台，旨在推动可复现、模块化的AI智能体研究与开发。

文章探讨五家研究团队如何利用小型AI模型协同构建复杂的金融场景模拟系统，展示小模型在垂直领域协作中的潜力与创新应用。

文章介绍如何在仅30亿参数的小模型上构建并运行一个多智能体经济系统，展示了轻量级模型在复杂AI应用中的潜力。

NVIDIA 发布 Nemotron 3.5 Content Safety，提供可定制的多模态内容安全能力，帮助企业检测和过滤文本、图像中的有害内容，适用于全球合规需求。

EVA-Bench Data 2.0 是一个用于评估 AI 智能体工具使用能力的基准数据集，覆盖办公、电商、社交三大领域，包含 121 个工具和 213 个真实应用场景。

Hugging Face 推出新版 hf CLI 工具，专为 AI 智能体（agent）优化，支持高效浏览、下载和管理 Hub 上的模型、数据集与空间，提升开发者与自动化工具的交互效率。

本文探讨将Direct Preference Optimization（DPO）应用于非对话场景，如推荐系统、机器人控制等，扩展其在AI模型对齐与优化中的应用边界。

文章介绍如何为Reachy Mini机器人集成MCP工具，扩展其AI控制与交互能力，涉及具体配置步骤和应用场景。

Holo3.1 是一个可在本地运行的计算机使用智能体，强调低延迟和高效率，支持用户通过自然语言指令完成复杂桌面任务，适用于注重隐私和性能的AI辅助场景。

JetBrains 发布 Mellum2，一个拥有 120 亿参数的稀疏混合专家（MoE）语言模型，专为代码理解和生成优化，在多个编程任务基准上表现优异。

文章探讨企业大规模采用AI不能仅依赖大语言模型，需结合智能体（Agent）架构实现任务分解、工具调用与自主决策，提升AI系统在复杂业务场景中的实用性与可扩展性。

NVIDIA 发布 Cosmos 3，首个开源 Omni 模型，专为物理世界中的 AI 推理与行动设计，支持多模态感知与机器人控制，推动具身智能发展。

本文介绍了 PyTorch 中 torch.profiler 工具的基础用法，帮助开发者分析模型性能瓶颈，优化训练和推理效率。

Artificial Analysis与IBM推出首个针对企业IT智能体任务的基准ITBench-AA，测试显示当前前沿大模型在此类任务中表现不佳，平均得分低于50%，揭示AI在企业级自动化运维、故障诊断等场景中的能力短板。

文章介绍TRL（Transformer Reinforcement Learning）库中新增的Delta Weight Sync功能，支持高效同步和分发超大规模（万亿参数）模型权重，利用Hub Bucket实现增量更新与存储优化。