IBM 研究:模型路由为何是系统优化问题而非分类问题
IBM Research 在 Hugging Face 博客中分享将路由引入智能体系统的经验,指出模型选择看似分类问题,实为系统优化问题。
推荐理由:作者用 AppWorld 实测数据说明模型路由为何是系统优化问题,并给出成本、延迟与准确率的权衡方法。
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
IBM Research 在 Hugging Face 博客中分享将路由引入智能体系统的经验,指出模型选择看似分类问题,实为系统优化问题。
推荐理由:作者用 AppWorld 实测数据说明模型路由为何是系统优化问题,并给出成本、延迟与准确率的权衡方法。
Microsoft 在 Build 2026 宣布 Foundry Managed Compute 与 Hugging Face 模型集合,将开源权重模型一键部署到托管 GPU 平台。
推荐理由:原文给出托管计算与模型目录的部署路径,读者可据此判断开源模型在企业环境中的落地方式。
Hugging Face 发布 LeRobot v0.6.0,围绕机器人学习闭环引入世界模型策略(VLA-JEPA、FastWAM、LingBot-VA)、新一批 VLA(GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT)以及统一奖励模型 API(Robometer、TOPReward)。
推荐理由:原文完整列出世界模型策略、奖励模型 API 与六个仿真基准,读者可据此判断机器人学习闭环的可用工具链。
DeepSeek 将 deepseek-chat 和 deepseek-reasoner 升级至 DeepSeek-V3.1-Terminus,前者对应非思考模式,后者对应思考模式。此次更新在保持原有能力的同时修复了用户反馈的问题,包括减少中英文混用和偶发异常字符,并进一步优化 Code Agent 与 Search Agent 的表现。
推荐理由:官方更新日志说明了 deepseek-chat 与 deepseek-reasoner 的对应模式,以及语言一致性和 Agent 能力的具体修复方向。
DeepSeek 将 deepseek-chat 和 deepseek-reasoner 升级至 DeepSeek-V3.1,前者对应非思考模式,后者对应思考模式。
推荐理由:官方更新日志给出混合推理架构与智能体能力提升,并附 SWE-bench 等基准数据,便于判断模型迭代方向。