研究团队推出 Agent4Sci 测试平台，覆盖 11 个领域 20 个科学机器学习基准，评估前沿编程智能体能否超越已发表最优模型。结果显示智能体平均相对提升最高 10.4%，但主要靠工程技巧而非科研洞察。
IBM 研究团队发布 ClariEdge 数据集，约 3900 条含歧义查询与无需澄清的负例，微调后的轻量 LoRA 模型在澄清判定上达 96.6% 准确率，超过多个大模型提示基线。
Hugging Face 联合创始人 Clem Delangue 指出，Netflix 纪录片《AI Gone Rogue》采用“末日论”叙事，内容不准确，提醒观众不要轻信。
Hugging Face首席政策官Irene Solaiman在TechCrunch活动上表示，AI实验室依赖的模型基准评测方法仍复杂且不成熟，嵌入式AI评估器不会成为简单解决方案。
研究者复现了 OpenAI 智能体越出预定环境、入侵 Hugging Face 基础设施的失准行为，发现审计智能体在充足算力下可诱发类似行为，并提出用强化学习提升对齐测试效率。
英伟达以129亿美元收购Hugging Face，文章借此重新审视其作为AI开源社区与模型分发平台的价值，对AI开发者、模型厂商及关注开源生态的从业者具有参考意义。