أطلقت إنفيديا نموذج Kumo Tabular، وهو نموذج أساسي مفتوح المصدر لتصنيف البيانات الجدولية والانحدار عليها، ويعمل عبر التعلم في السياق دون الحاجة إلى التدريب أو هندسة الميزات. تم تدريبه مسبقاً حصرياً على بيانات اصطناعية مولّدة بواسطة النماذج السببية الهيكلية، ويتوفر النموذج بثلاثة أحجام تتراوح بين 28 مليون و215 مليون معلمة.
يُعد Holo4 سلسلة جديدة من النماذج الوكيلة من شركة H، متوفرة بحجم 27B كثيف وحجم 35B-A3B مختلط الخبراء. تتفاعل هذه النماذج مع البرمجيات عبر أي واجهة—واجهات المستخدم الرسومية، والبرمجيات المصدر، وMCP، أو واجهات برمجة التطبيقات—وتعمل على أجهزة سطح المكتب، والمتصفح، وAndroid، والبيئات المعزولة باستخدام نفس النموذج.
تم إصدار لوحة المتصدرين المفتوحة لأنظمة تحويل النص إلى كلام (TTS) لمعالجة التشتت ونقص المعايير في تقييم هذه الأنظمة، وذلك باستخدام مقاييس موضوعية بدلاً من الاعتماد حصرياً على درجات تفضيل البشر البطيئة والمعتمدة على قاعات التصويت. وتقوم بتقييم النماذج من حيث الوضوح والسرعة وتشابه المتحدثين باستخدام نماذج Qwen3 ASR وتضمينات WavLM.
يُعد ProvenanceGuard طبقة تحقق ما بعد التوليد لوكلاء بروتوكول سياق النموذج (MCP)، تكتشف خلط المصادر عبر التأكد من إسناد الادعاءات إلى مصدر الأدلة الصحيح. يحلل النظام مسارات MCP الملتقطة دون إعادة تدريب الوكيل، حيث يقسم الإجابات إلى ادعاءات ويتحقق من تطابق مصدر الدعم مع المصدر المذكور أو الضمني في المخرجات.
أطلقت Liquid AI نموذج LFM2.5-VL-DSpark المسود، وهو مُعدّ للفك التأملي مصمم لتسريع الاستدلال لنموذج الرؤية واللغة LFM2.5-VL-3B. يلتقط المُعدّ الحالات المخفية من الطبقات الثابتة للنموذج المستهدف لتوليد رموز مرشحة، مضيفاً فقط 280M معامل (فائض بنسبة 8.9%) مع الحفاظ على أبعاد متطابقة عبر الوسائط.
يتيح MuJoCo Warp (MJWarp)، المبنية على NVIDIA Warp، تشغيل نماذج MuJoCo المتوافقة على نطاق وحدة معالجة الرسومات، مما يمكّن من تطوير مئات أو آلاف بيئات المحاكاة المستقلة في استدعاء واحد. ينقل هذا الهيكل التركيز من تقليل زمن الاستجابة لبيئة واحدة إلى تحسين الإنتاجية الإجمالية، وهو ما يدعم التعلم التعزيزي وأخذ العينات واسعة النطاق.
أطلقت شركة نفيديا نموذج Nemotron 3 Diarization، وهو نموذج مفتوح الأوزان يحتوي على 100 مليون معامل، مصمم لتمييز المتحدثين في الوقت الفعلي ويدعم ما يصل إلى ثمانية متحدثين. يحتل النموذج المرتبة الأولى على لوحة المتصدرين لـ VoiceArena's Diarization-Bench بمعدل خطأ تمييز (DER) يبلغ 14.72٪، متفوقًا على النظام التالي بنسبة تخفيض نسبية تقارب 24٪.
أتاح معهد أمان الذكاء الاصطناعي البريطاني (AISI) طرق التقييم والنتائج المنشورة علناً عبر منصة بطاقات التقييم الخاصة بـ EvalEval لتحسين إمكانية إعادة إنتاج المعايير. تتضمن هذه الإصدار نتائج موثقة، وسياقاً، ومعلومات حول التكوين لخمسة معايير محددة: HealthBench، وFrontierMath، وHumanity's Last Exam، وSWE-Bench Pro، وTerminal-Bench 2.0.
تدعم الآن مكتبة Transformers التابعة لـ Hugging Face تحميل النماذج المُكمّمة بتنسيق GGUF، مستفيدةً من نوى ggml الأساسية لتحقيق أداء يقترب من llama.cpp. يتيح هذا التكامل للمطورين تشغيل نقاط التفتيش المُكمّمة مباشرةً داخل واجهة برمجة التطبيقات القياسية المعتمدة على PyTorch على الأجهزة المدعومة.
انضم جون كيم، مبدع ومُصون oMLX، إلى Hugging Face لدعم مجتمع MLX. يهدف هذا التحرك إلى توفير الاستقرار وتطوير أسرع للمشروع مفتوح المصدر من خلال تحويله من عمل جانبي إلى مبادرة تتم صيانتها وتمويلها بالكامل.
أصدرت مكتبة tokenizers مرشح إصدار تجريبي للإصدار الأول يحسّن بشكل كبير أداء ترميز النصوص، مما يعالج الاختناقات في سير عمل التدريب والتقديم. يحافظ التحديث على توافق واجهة برمجة التطبيقات مع الإصدار v0.23 بينما يقدم تسريعات كبيرة عبر عشر عائلات من النماذج.
أصدرت Multiverse ورقةً تفصّل منهجاً يعيد صياغة تقليم نماذج اللغات الكبيرة كمشكلة تحسين ثنائية مقيدة مُخاطبة إلى زجاج إيزينغ. ومن خلال معاملة كتل المحوّل على أنها لفّات ذات اقترانات زوجية مُشتقة من هيسيان الخسارة، يحدد هذا النهج تكوينات الإزالة المثلى للكتل دون الحاجة إلى معايرة تكرارية.
قدم الباحثون "إرشادات الاتساق" ضمن نظام ALTK-Evolve، وهي آلية جديدة مصممة لمعالجة التباين في أداء وكلاء نماذج اللغات الكبيرة (LLM) الذي غالباً ما تخفيه مقاييس الدقة المتوسطة القياسية. من خلال تحديد نقاط القرار المعرضة للقلب واستقرارها، يحسن هذا النهج بشكل كبير اتساق نجاح المهام دون المساس بالقدرة الإجمالية.
يقدم TRL v1.14 دعمًا لـ LoRA في AsyncGRPOTrainer، مما يتيح له تدريب محوّل Low-Rank Adaptation ومزامنة ذلك الملف الصغير فقط مع عملاء الاستدلال من vLLM. يفصل هذا الهيكل وظائف التدريب عن وظائف التوليد على آلات منفصلة باستخدام Storage Bucket مشترك كجسر لنظام الملفات، مما يلغي الحاجة إلى NCCL أو الاتصال المباشر بالشبكة بين العقد.
أصدرت Gradio مشروع Workflow1111، الذي يعيد بناء معظم مجموعة ميزات stable-diffusion-webui الخاصة بـ AUTOMATIC1111 باستخدام إطار عمل gr.Workflow. يتكون التطبيق من لوحة واحدة تحتوي على اثني عشر خط أنابيب وسطي مبنيًا من ثلاثة وسبعين عقدة، تغطي مهام تحويل النص إلى صورة، والصورة إلى فيديو، ومختلف مهام المعالجة المسبقة.
أطلقت شركة آي بي إم نموذج Granite Time Series PatchTST-FM-r2، وهو نموذج أساسي للسلاسل الزمنية يحتوي على حوالي 385 مليون معامل، ويحقق أداءً رائداً في التنبؤ بدون تدريب مسبق (zero-shot) على لوحة المتصدرين GIFT-Eval بموجب تراخيص تجارية ميسرة.
تقدم ورقة بحثية من Multiverse Computing طريقة لتدريب نماذج اللغة على رفض مجموعات فرعية محددة ضارة ضمن موضوع ما، بدلاً من رفض الفئة بأكملها، مما يعالج قيود حواجز الحماية السطحية القائمة على الموضوع. تعتمد هذه الطريقة على التنقيح الذاتي الواعي بالحدود مع إصلاح التغطية وبيانات بريئة موزعة داخلياً للحفاظ على الأمان مع تقليل الرفض الخاطئ للمطالبات المشروعة.
يقدم الباحثون NeoMME، وهو مجموعة من المشفرات متعددة الوسائط متعددة اللغات بحجم 260M و800M تعالج النص ومقاطع الصور الخام باستخدام محوّل ثنائي الاتجاه واحد. وعلى عكس نماذج اللغة البصرية التوليدية، لا يعتمد NeoMME على أبراج رؤية مُدرَّبة مسبقاً بشكل منفصل أو فكوك سببية، بل يتم تدريب النموذج بأكمله من الصفر باستخدام هدف الانتشار المنفصل المقنع.
أطلقت Hugging Face أداة funes، التي تحول سجلات جلسات وكلاء البرمجة الموجودة إلى طبقة ذاكرة دائمة وقابلة للبحث لـ Claude Code و Codex و pi و Hermes. تقوم بفهرسة المسارات محليًا باستخدام البحث المتجهي و BM25، مما يسمح للوكلاء باسترداد النسب الدقيق دون خدمات خارجية.
يوضح دليل ضبط نموذج Liquid AI LFM2.5-350M الدقيق باستخدام تحسين السياسة النسبية للمجموعة (GRPO) لتعزيز توليد المخرجات المهيكلة. تتضمن العملية التدريب على مجموعة فرعية من مجموعة بيانات NVIDIA Nemotron وتقييم الأداء عبر معيار IFStruct.