Gradio 创始人 Abubakar Abid（@abidlabs）宣布 Gradio 6.28 多项更新之一：可以把任意 Gradio 组件的实时状态直接传入 ML 函数。开发者无需额外粘合层即可让界面控件的最新值驱动推理与交互式 demo，降低构建动态机器学习应用的接线成本。
7 大权威镜像天梯跑分与 29+ 款主流编程套餐横向比价测算
联动天梯榜跑分、独家套餐赠金与 IDE 定制规则
阿里巴巴通义实验室（Tongyi-MAI，@AlibabaQwen）与多所高校联合开源了新一代面向真实手机操作系统的规划智能体 Qwen-Planner-Agent（arXiv: 2609.29892，项目主页: tongyi-mai.github.io/Qwen-Planner-Agent/）。面对手机端长程多步骤任务在真实物理设备上交互昂贵、训练数据难以扩展以及 Agent 运行时执行不可靠等行业痛点，团队构建了开创性的“AI-for-AI 自闭环演进体系”：通过专门的 Agent 飞轮自动生成海量手机操作轨迹并引入 CARE 在线强化学习算法，在权威基准 MobilePA-Bench 上斩获综合表现第一。
亚马逊人工智能研发团队（Amazon AI，@awscloud）在 Hugging Face 与 ArXiv 正式公开了《Rufus-Air: An Open LLM Post-Training Recipe》（arXiv: 2609.29421）。面对前沿工业级大模型后训练流水线高度封闭、依赖未公开的内部教师模型蒸馏与昂贵人工标注的困局，亚马逊团队全面公开了基于智谱 GLM-4.5-Air-Base（106B 总参数、12B 激活的 MoE 架构）的八阶段全串行后训练完整配方（涵盖 SFT、数学推理 RL、编码 RL、指令对齐 RL、通用智能体、编程智能体、检索智能体与 RLHF）。所有训练流程均采用完全公开的开源组件与公开数据集，综合评测成绩全面超越智谱官方发行的 GLM-4.5-Air 权重。
约翰斯·霍普金斯大学（JHU）研究团队在 Hugging Face 与 ArXiv（论文编号 2609.26634）正式发布知识拉取请求（Knowledge Pull Requests，简称 KPRs）框架。该研究开创性地借鉴现代软件工程的 Git PR 协作范式，将知识库文档的持续维护拆解为结构化事实提议（Claim Proposal）、语义冲突检测与文本差异（Diff）合并，彻底解决了企业 RAG 与智能体知识库在持续吸收海量新资讯时的“盲目全量重写”与“陈旧陈述污染”痛点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察