NVIDIA telah merilis Kumo Tabular, sebuah model dasar terbuka untuk klasifikasi dan regresi tabel yang beroperasi melalui pembelajaran dalam konteks tanpa memerlukan pelatihan atau rekayasa fitur. Dilatih secara eksklusif pada data buatan yang dihasilkan oleh Model Kausal Struktural, model ini tersedia dalam tiga ukuran dengan jumlah parameter berkisar dari 28M hingga 215M.
Holo4 adalah seri baru model agnostik dari H Company, tersedia dalam ukuran 27B dense dan 35B-A3B Mixture of Experts. Model-model ini berinteraksi dengan perangkat lunak melalui antarmuka apa pun—GUI, kode, MCP, atau API—dan berjalan di desktop, web, Android, dan sandbox menggunakan model yang sama.
Open TTS Leaderboard telah dirilis untuk mengatasi fragmentasi dan kurangnya standarisasi dalam evaluasi Text-to-Speech (TTS) dengan menggunakan metrik objektif alih-alih hanya mengandalkan skor preferensi manusia berbasis arena yang lambat. Model dievaluasi berdasarkan kejelasan, kecepatan, dan kesamaan pembicara menggunakan Qwen3 ASR dan embedding WavLM.
ProvenanceGuard adalah lapisan verifikasi pasca-pembuatan untuk agen Model Context Protocol (MCP) yang mendeteksi penggabungan lintas-sumber dengan memastikan klaim dikaitkan ke sumber bukti yang benar. Sistem ini menganalisis jejak MCP yang ditangkap tanpa melatih ulang agen, memecah jawaban menjadi klaim dan memverifikasi bahwa sumber pendukung cocok dengan yang dinamakan atau tersirat dalam output.
Liquid AI telah merilis model draf LFM2.5-VL-DSpark, sebuah drafter decoding spekulatif yang dirancang untuk mempercepat inferensi bagi model visi-bahasa LFM2.5-VL-3B. Drafter ini menangkap keadaan tersembunyi dari lapisan tetap pada model target untuk menghasilkan token kandidat, hanya menambahkan 280M parameter (overhead 8,9%) sambil mempertahankan dimensi yang identik di seluruh modalitas.
MuJoCo Warp (MJWarp), dibangun di atas NVIDIA Warp, memungkinkan model MuJoCo yang kompatibel berjalan pada skala GPU, sehingga memungkinkan pengembangan ratusan atau ribuan dunia simulasi independen dalam satu panggilan. Arsitektur ini menggeser fokus dari meminimalkan latensi untuk satu lingkungan ke meningkatkan throughput agregat, yang menguntungkan pembelajaran penguatan dan pengambilan sampel skala besar.
NVIDIA telah merilis Nemotron 3 Diarization, sebuah model berbobot terbuka dengan 100 juta parameter untuk penandaan pembicara secara real-time yang mendukung hingga delapan pembicara. Model ini menempati peringkat #1 di papan peringkat Diarization-Bench VoiceArena dengan Tingkat Kesalahan Penandaan (DER) sebesar 14,72%, mengungguli sistem berikutnya dengan pengurangan relatif sekitar 24%.
Institut Keamanan AI Inggris (AISI) telah membuat metode dan temuan evaluasi yang dilaporkan secara publik tersedia melalui platform Kartu Evaluasi EvalEval untuk meningkatkan reproduktibilitas benchmark. Rilis ini mencakup hasil terverifikasi, konteks, dan informasi konfigurasi untuk lima benchmark spesifik: HealthBench, FrontierMath, Humanity's Last Exam, SWE-Bench Pro, dan Terminal-Bench 2.0.
Pustaka Transformers dari Hugging Face kini mendukung pemuatan model terkuantisasi GGUF, memanfaatkan kernel ggml di bawahnya untuk membawa performa mendekati llama.cpp. Integrasi ini memungkinkan pengembang menjalankan checkpoint terkuantisasi langsung dalam API berbasis PyTorch standar pada perangkat keras yang didukung.
Jun Kim, pencipta dan pemelihara oMLX, telah bergabung dengan Hugging Face untuk mendukung komunitas MLX. Langkah ini bertujuan untuk memberikan stabilitas dan pengembangan yang lebih cepat bagi proyek sumber terbuka dengan mengubahnya dari pekerjaan sampingan menjadi inisiatif yang sepenuhnya dipelihara dan didanai.
Pustaka tokenizers telah merilis kandidat rilis versi 1 yang secara signifikan meningkatkan kinerja untuk pengodean teks, mengatasi hambatan dalam alur kerja pelatihan dan penyajian. Pembaruan ini mempertahankan kompatibilitas API dengan v0.23 sambil memberikan percepatan substansial di seluruh sepuluh keluarga model.
Multiverse telah merilis makalah yang mendetailkan metode yang membingkai ulang pemangkasan model bahasa besar sebagai masalah optimasi biner terkendali yang dipetakan ke kaca Ising. Dengan memperlakukan blok transformer sebagai spin dengan kopling berpasangan yang diturunkan dari Hessian kerugian, pendekatan ini mengidentifikasi konfigurasi penghapusan blok optimal tanpa memerlukan benchmarking iteratif.
Para peneliti telah memperkenalkan "pedoman konsistensi" dalam sistem ALTK-Evolve, sebuah mekanisme baru yang dirancang untuk mengatasi variabilitas kinerja agen LLM yang sering disembunyikan oleh metrik akurasi rata-rata standar. Dengan mengidentifikasi dan menstabilkan titik-titik keputusan yang rentan terhadap perubahan, pendekatan ini secara signifikan meningkatkan konsistensi keberhasilan tugas tanpa mengorbankan kemampuan keseluruhan.
TRL v1.14 memperkenalkan dukungan LoRA ke AsyncGRPOTrainer, memungkinkannya melatih adapter Low-Rank Adaptation dan menyinkronkan hanya file kecil tersebut ke pekerja inferensi vLLM. Arsitektur ini memisahkan tugas pelatihan dan generasi pada mesin yang berbeda dengan menggunakan Storage Bucket bersama sebagai jembatan filesystem, menghilangkan kebutuhan akan NCCL atau komunikasi jaringan langsung antar node.
Gradio telah merilis Workflow1111, sebuah proyek yang membangun kembali sebagian besar set fitur stable-diffusion-webui dari AUTOMATIC1111 menggunakan kerangka kerja gr.Workflow. Aplikasi ini terdiri dari satu kanvas yang berisi sebelas pipa media yang dibangun dari tujuh puluh tiga node, mencakup teks-ke-gambar, gambar-ke-video, dan berbagai tugas pra-pemrosesan.
IBM telah merilis Granite Time Series PatchTST-FM-r2, sebuah model fondasi deret waktu berparameter ~385M yang mencapai kinerja zero-shot terbaik di papan peringkat GIFT-Eval di bawah lisensi komersial permisif.
Sebuah makalah dari Multiverse Computing memperkenalkan metode untuk melatih model bahasa agar menolak hanya subset berbahaya tertentu dari suatu topik, alih-alih seluruh kategori, guna mengatasi keterbatasan guardrail berbasis topik yang kasar. Pendekatan ini menggunakan self-distillation yang sadar batas dengan perbaikan cakupan dan data benign dalam distribusi untuk menjaga keamanan sambil mengurangi penolakan palsu pada prompt yang sah.
Para peneliti memperkenalkan NeoMME, sebuah keluarga encoder multimodal multilingual berukuran 260M dan 800M yang memproses teks dan patch gambar mentah menggunakan satu Transformer bidirectional. Berbeda dengan model bahasa visual generatif, NeoMME tidak bergantung pada menara visi pretrained terpisah atau decoder kausal, melainkan melatih seluruh model dari awal dengan tujuan discrete-diffusion termaskir.
Hugging Face telah merilis funes, sebuah alat yang mengubah log sesi agen pemrograman yang ada menjadi lapisan memori tahan lama dan dapat dicari untuk Claude Code, Codex, pi, dan Hermes. Ini mengindeks jejak secara lokal menggunakan pencarian vektor dan BM25, memungkinkan agen mengambil provenance yang tepat tanpa layanan eksternal.
Sebuah panduan mendemonstrasikan fine-tuning model Liquid AI LFM2.5-350M menggunakan Optimisasi Kebijakan Relatif Grup (GRPO) untuk meningkatkan generasi output terstruktur. Prosesnya melibatkan pelatihan pada subset dari dataset NVIDIA Nemotron dan mengevaluasi kinerja melalui benchmark IFStruct.