基于 NVIDIA Nemotron 开源模型构建万圣节互动鬼屋智能体
NVIDIA 员工利用 Nemotron Voice Agent 框架及系列开源模型制作了万圣节交互投影装置 MonsterHouse。
推荐理由:文章拆解了端到端语音与面部驱动智能体的硬件与模型组合方案,展示了低延迟本地交互的多模态工程落地细节。
NVIDIA 员工利用 Nemotron Voice Agent 框架及系列开源模型制作了万圣节交互投影装置 MonsterHouse。
推荐理由:文章拆解了端到端语音与面部驱动智能体的硬件与模型组合方案,展示了低延迟本地交互的多模态工程落地细节。
美国司法部正深入审查英伟达拟以 129.3 亿美元收购 Hugging Face 的交易,重点评估该交易是否会使英伟达掌控 AI 分发核心枢纽并削弱竞争。监管部门同时还在调查英伟达对 SchedMD 与 Run:ai 的收购、与 Groq 的授权交易,以及是否存在要求客户捆绑采购网络设备才提供更多 AI 芯片等销售行为。
推荐理由:反垄断审查聚焦英伟达是否通过关键模型分发平台和硬件搭售强化行业控制力,反映出算力巨头生态扩张面临的合规阻力。
Mistral 推出多模态 MoE 模型 Mistral Large 4(代号 Le Chonk),总参数量约 1T、激活参数 49B,具备 1M token 上下文窗口并同步上线 Hugging Face。
推荐理由:原文详解了万亿参数稀疏架构的设计细节与网络安全实测数据,并给出了开箱即用的多端部署与微调方案。
Hugging Face 推出 AnySpeechRecognizer 与 AnyDecisionModel 两款开源 Swift 软件包,支持在苹果平台上本地下载并运行开源语音与决策模型。
推荐理由:为苹果平台开发者补齐了开源语音识别与类型化概率决策接口,可直接在端侧替换原生框架并结合量化模型。
NVIDIA 开源语音模型 Nemotron 3.5 Transcribe 及配套数据管线 Granary v2。该模型将多语言转写、说话人日志、翻译与音频问答整合入单一检查点,总参数量 30B 且每 token 仅激活约 4B,支持 40 种语言转写和最多 8 位说话人区分。
推荐理由:模型将转写、说话人识别和问答整合进单一检查点,并配套开源了大规模数据清洗流程与微调方案。
Liquid AI 推出新一代 Liquid Foundation Models(LFM3)系列开源权重,基于 LFM3-1.7B-Base 统一底座衍生出覆盖文本、视觉、音频、全模态和决策任务的 6 款 2B 级模型。
推荐理由:该系列将多模态能力统一到2B级轻量底座并支持单卡微调,适合作为端侧智能体与具身控制的专用模型参考。
Nvidia 开源数据引擎 Flora,用三个基于 Qwen3.5 微调的模型完成机器人视频的片段切分、动作描述和逐步评分,已在 GR00T 模型训练中每天标注最多 20 万小时视频,模型发布在 Hugging Face。
推荐理由:原文给出开源标注工具的成本估算和基准对比,也点出评测方法与成本推算上的局限,便于判断它在机器人数据流水线中的位置。
微软与 Hugging Face 发布 ThinkingBox-Training,把数据库终态的可执行校验结果当作强化学习奖励,对 Qwen3.8-27B 做 50 步 GRPO 后,pass@1 从 51.70% 升至 60.78%,20 次全部正确的任务从 38 个增至 107 个。
推荐理由:原文给出用数据库终态校验当强化学习奖励的完整训练流程与开源代码,读者可据此复现或迁移到自家 Agent 任务。