十個專案,單一堆疊:AAIF 合併如何重新定義安全問題
AAIF 在 2026 年將十個專案整合為單一堆疊,雖提升採用便利,但同時暴露多層安全風險。 - 專案範圍:涵蓋 MCP、A2A、Open Responses、Agent Skills、AGENTS.md、agentgateway、Agent Router、goose、OpenEnv、OpenSandbox。
AAIF 在 2026 年將十個專案整合為單一堆疊,雖提升採用便利,但同時暴露多層安全風險。 - 專案範圍:涵蓋 MCP、A2A、Open Responses、Agent Skills、AGENTS.md、agentgateway、Agent Router、goose、OpenEnv、OpenSandbox。
導語 本文整理了 2026 年 10 月 30 日至 11 月 6 日間發表的多篇關於偏好最佳化、在策略蒸餾與 LoRA 的研究,並對 OPD 與 GRPO 的計算效率、DPO 的對齊稅負以及 LoRA 動態秩調整等實驗結果進行對比。
本文以 Qwen2.5-1.5B-Instruct 為例,詳細說明 LoRA 微調的引數結構、可訓練權重比例、記憶體佔用與實際訓練步驟。 - 可訓練引數:28 個 Transformer block,每個 block 7 個 projection 層,rank 16,總計 18,464,768 個可訓練引數,約 1.2%。
osFoundry Local Model 是一款桌面應用程式,可讓使用者在本機挑選、量化、微調並評估 Hugging Face 上的開源模型。 - 模型選擇:在 Explore 面板中可依機器記憶體自動顯示「Fits / Tight / Too big」徽章,快速過濾適合 16 GB 以上記憶體的模型。
Alpie Seed 是一款 9 B 引數的開源編碼模型,能在筆電、手機甚至無 GPU 的 Windows PC 上離線執行。 - 模型規格:9 B 引數,5 GB 大小,Apache 2.0 授權,可商業使用。
Hugging Face 與 Liva AI 合作,為 Open ASR Leaderboard 新增 Egyptian 與 Nigerian 英語的私有語音資料集,擴大語音辨識評測中的口音涵蓋範圍。
Codex Reset 是一個獨立社群追蹤器,本文示範如何下載其公開資料、執行簡易計算並使用 API 取得即時預測。 - 資料匯出:下載 codex-resets.json,包含 71 條事件(59 次重置、12 次預留贈款),於 2026‑11‑06 更新。
Underdog Bark 3.0 Pro 在 RTX 3090 上部署,與 Qwen3-ASR-1.7B 的準確率僅相差 0.75%,而 Bark 只佔 1,254 MB。
導語:DeepSeek‑R1 以開放權重與 RL 驅動的推理架構,證明在低資源環境下仍能達成高效邏輯推理。 - 架構亮點:採用 Group Relative Policy Optimization (GRPO) 去除獨立 critic,與 Mixture‑of‑Experts (MoE) 模型動態路由,減少 FLOP 與 VRAM 使用。
RAG 與 fine‑tuning 兩種技術各有優缺點,本文透過實際成本與使用情境比較,協助開發者選擇最合適的方案。 - 核心差異:RAG 只改變模型讀取的資料,權重不變;微調則改變模型權重,改變行為與格式。
推薦理由:Artificial Analysis 同時比較 FLUX 3 Image Klein 的文字生圖與圖片編輯排名,並列出 API 單張價格及授權條件,方便衡量成本與使用限制。
NVIDIA 公開 Cosmos 3 Nano 權重檢查點與後訓練配方,支援自動駕駛與機器人團隊快速產生同步多感測器資料及互動模擬。 - 權重檔案:四個 Cosmos 3 Nano 版本,涵蓋 Transfer‑Auto、Sim‑Auto、以及兩個額外的駕駛與機器人模擬變體。
Baidu 發布 ERNIE 5.5 Flash Base,這款 280B 引數的稀疏 MoE 文字基礎模型,每個 token 啟用 14B 引數,權重僅經預訓練,未經中間或後續訓練。
我們的開源 ML Intern 現在推出 Slack 機器人,你可以安裝在自己的工作區! 隨時評估模型、建立資料集並微調模型 🚀
BudgetMix RL 透過在訓練時隨機調整回合預算,提升 LLM 代理在不同回合限制下的穩健性。 - Pass@(K,T) 評估:結合嘗試次數 K 與單次最大回合 T,揭示 RL 訓練優勢主要來自錯誤恢復與長序列韌性。
Kimi K3.1 Pro 下載量 1.56 TB,引數 2.8T,實際效能在多數測試中落後 Claude Opus 5.5 20 行。 - 檔案結構:96 個 safetensors 片段,總大小 1,561.29 GB,平均 16.99 GB,最大 16.99 GB,最小 0.09 GB。
導語:這篇文章彙整了 2026 年 10 月底至 11 月初的多篇 arXiv 研究與工具更新,揭示評分機制的脆弱性並提出改進方法。 - AGORA:採用專案反應理論對 LLM 評分者進行可靠度加權,避免弱評者拉低整體判決。
Hugging Face 發布 Phonon TTS,提供可在裝置端離線運作的文字轉語音模型,並公開模型權重與多種部署方式。 - 模型與授權:兩種模型大小約為 65 MB 和 75 MB,支援英文、法文、德文、西班牙文與葡萄牙文。
推薦理由:文章整理 Phonon 在五種語言的可懂度排名與 CPU 串流速度表現,並說明小型裝置端語音模型的授權與部署方式。
Poolside 近日推出 Laguna S 2.1,擁有 118B 引數與 1M token 上下文,並在 Terminal‑Bench 2.1 取得 70.2% 的成績,顯示其在程式碼生成領域已具備競爭力。
summary_zh: Ricursive Intelligence 於 11 月 4 日發布 Ripple-65B Preview,這是一個 65B 引數的密集型模型,訓練於 12 兆 token,支援最高 1 M 上下文,並能在 NVIDIA DGX Spark 上高效執行。
本研究比較兩大開源計算機使用代理模型在 GUI 與 CLI 混合任務中的表現,幫助選擇適合工作流程的最佳模型。 - 混合任務基準:CUA-Master-27B 在 WeaveBench 43.9、Agents' Last Exam 25.0,均領先 Qwen-CUA-397B(35.1 / 21.1)。
summary_zh: Adobe Firefly、Flova 與 Runway 等 AI 影像轉影片平臺,提供從單張 JPG/PNG 生成 4K 影片片段的鏡頭控制功能。
Liquid LFM3 是 Liquid AI 於 2026 年 10 月 27 日推出的 1GB 本地 AI 模型,擁有 256K token 上下文視窗,並在代理任務上超越 9B 模型。
月之暗面在 Hugging Face 開放 Kimi K3.1 Pro 模型權重;它在 Agent Arena 排名中位列開放權重模型第一、全部參評模型第 13 位。
推薦理由:Agent Arena 的排名依據超過 1.75 萬次真實長週期任務會話,並納入使用者確認、糾正與指令執行錯誤等訊號。
導語:本文說明如何在模型供應商宕機時,藉由 OpenAI 相容閘道、跨區域及多供應商回退鏈,保持 AI 產品持續可用。 - 閘道設計:使用 LiteLLM 之 OpenAI 相容閘道,統一單一 URL,支援 100+ 供應商、重試、回退、限額、快取與日誌。
SWE-bench Verified 在 Hugging Face 的排行榜於 2026‑11‑05 取得 78 條紀錄,涵蓋 68 個專案;其中 51 條來自未合併的 Pull Request,27 條位於主分支,且無一條已被驗證。
Qwen 在 Hugging Face 下載榜中,雖從 55.8% 降至 50.9%,仍保持超過一半的佔比。 - 下載份額:Qwen 2026‑11‑04 佔 50.9%,2026‑09‑17 佔 55.8%。
webAI 推出以 IBM Granite 4.2 8B 為基礎進行後訓練的 TwIL-8B,這款 8.79B 引數的推理模型在 MATH-500 得分 98.2,權重以非商業授權開放下載。
summary_zh: Hugging Face 的 Irene Solaiman 在 TechCrunch 的 Equity Podcast 針對開源 AI 的商業價值與挑戰進行討論。
summary_zh: Hugging Face 指出,開源 AI 模型本身並非主要利潤來源,真正價值在於周邊生態與服務。
Dharma Field Extractor 推出檔案欄位抽取模型,可從檔案影像擷取欄位並輸出結構化 JSON,支援開放抽取與依指定結構抽取兩種模式。 - 抽取方式:可不提供結構,由模型找出檔案中的欄位;也可指定欄位名稱與型別。
**39 家 AI 公司的首頁平均重量超過 4 MB,且有多個頁面使用超過 7 MB 的 PNG,顯示網頁最佳化仍有空間。
Moonshot AI 推出 Kimi-K3.1-Pro,模型總引數為 2.8T,每個 token 啟用 104B 引數,並支援 1M-token 上下文。
推薦理由:Kimi-K3.1-Pro 的引數規模、稀疏注意力與 1M-token 上下文設計,呈現大型模型在推論效率與長上下文處理上的取捨。
Hugging Face 成為 RoboColosseum 創始合作夥伴,並在 Hub 開放真實機器人模型評估的執行紀錄,包含失敗案例。 評估素材:超過 100 臺真實機器人、140+ 個野外場景。
推薦理由:RoboColosseum 開放真實機器人與野外場景中的執行紀錄,並保留失敗案例,提供觀察機器人模型實際評估素材的背景。
本文說明瞭審計人員如何利用雜湊指紋、不可變儲存與區塊鏈驗證 AI 代理紀錄未被篡改,並提供實作工具與步驟。 - 驗證流程:比對給定紀錄與寫入時的 SHA‑256 指紋,並自行從不可變儲存(Swarm、S3 Object Lock)抓取原始檔案。
Llama 4、Mistral Large 與 Qwen 3 在 2026 年的實測基準中分別擁有不同的優勢,本文對比其效能、上下文長度、語言多樣性與部署成本。
Vercel 與 Truffle Security 合作,擴大 token 掃描範圍至 GitHub、GitLab、Docker、npm、PyPI、Hugging Face、Android APK、Firefox Add-ons 等公開來源,並自動撤銷洩露憑證。
我 使用多個 AI 工具從腦力激盪到正式發布,並以 dotcraft 套件維持一致的工程設定。 - 工具鏈:ChatGPT、Copilot Fusion、Claude Code、dotcraft、Antigravity、GitHub Actions、Playwright。
Slothpress 讓使用者在瀏覽器即時生成高解析度名言卡,全部運算皆在客戶端完成。 - 核心技術:使用 25 MB MobileBERT + transformers.js + ONNX Runtime Web 進行零射線分類。