發表 SimReady Central：為機器人與 AI 工廠打造的開放式模擬就緒 3D 資產庫
AI 新聞快訊：SimReady Central Library 在 Hugging Face 上集結了超過 2,000 個可直接用於模擬的 OpenUSD 資產，免費且無需申請授權，提供實體 AI 訓練環境與 AI 工廠數位孿生一個起點。資產涵蓋機械手臂、夾爪、倉儲設備、機架與冷卻基礎設施等，開發者可先確認每個資…
Community
FairStress：更深入檢驗大型語言模型決策中的公平性
AI 新聞快訊：FairStress 是 Allen AI 推出的基準測試，用來衡量大型語言模型在影響人的決策中，是否存在人口統計上的不公平，而且檢視的不只是模型最後選了誰。現有的公平性測試多半把候選人的族裔等身分互換，再看模型是否仍選出同一人。但 FairStress 指出，兩個版本答案一致，可能掩蓋模型被質疑時…
AI學會阿聯酋方言:Falcon-Emirati模型解析文化細節
AI 新聞快訊：Falcon-Emirati-7B 是阿布達比技術創新研究院（TII）針對阿拉伯聯合大公國地方方言「埃米拉提阿拉伯語」打造的專門化語言模型，建立在其既有的 Falcon-H1-Arabic 系列之上。開發團隊指出，現代標準阿拉伯語（MSA）是書面與新聞使用的語言，但阿聯當地日常對話、幽默、談判與說故…
AI承諾完工驗收卻卡在資料庫不認帳
AI 新聞快訊：ThinkingBox是微軟與Hugging Face聯合推出的AI agent評測基準，核心論點是「工具呼叫成功不等於任務真正完成」。研究團隊設計了507個具狀態的真實商業工作流情境，每個情境針對不同大型語言模型重複執行20次，評分重點不是agent有沒有呼叫對的工具或回覆是否聽起來合理，而是直接…
MCP代理需具備來源感知驗證能力
AI 新聞快訊：ProvenanceGuard 論文提出一種名為「來源感知事實驗證」（Source-Aware Factuality Verification）的方法，專門解決基於 MCP（Model Context Protocol）架構的大型語言模型代理人在引用資料來源時常見的錯誤,稱為「跨來源混淆」(cros…
Jun Kim加入Hugging Face 支援oMLX社群開發維護
AI 新聞快訊：Hugging Face 宣布 oMLX 的創建者暨維護者 Jun Kim 正式加入團隊,以支援 MLX 生態系發展。MLX 是蘋果推出的本地 AI 框架,專為 Apple Silicon 晶片優化;Hugging Face 長期是 MLX 模型的主要發布與交流平台。此次加入意味著 oMLX 將從 …
AI代理任務全對不代表下次也行
AI 新聞快訊：AI代理即使在測試中一次成功，也不代表下次遇到同樣請求還會成功。標準評測通常只報告「平均成功率」（Mean@k），也就是重複跑k次任務後取平均，但這個數字掩蓋了代理的不穩定性問題。研究團隊以AppWorld測試集為例，讓GPT-4.1驅動的…
BenchMIRT基準測試究竟測出LLM哪些真實能力
AI 新聞快訊：BenchMIRT是一套用來拆解「LLM基準測試(benchmark)到底在測什麼」的新方法，針對個別題目層級進行審計。傳統基準測試通常宣稱在衡量單一能力(例如安全性、通用推理或指令遵循)，但實際上個別題目往往同時牽涉多種能力。例如BBQ這個測試模型是否依賴社會刻板印象的基準中，有一題問祖孫倆訂Ub…
連線與運算：Gradio打造AI工作流程實戰教學
AI 新聞快訊：Gradio 新推出 gr.Workflow 功能，直接內建於 Gradio 框架中，讓開發者能把資料處理流程本身變成使用介面。使用者以「型別化節點」構成的圖形來描述每個步驟，Gradio 會自動產生拖放式畫布，每個節點都可獨立執行，中間結果也全程可見。同一份流程圖同時具備 REST API 功能，…
用一站式錄製訓練部署 打通機器人開發全流程
AI 新聞快訊：這則英文新聞是 AWS Strands Agents 團隊與 LeRobot、Hugging Face 合作發表的系列文章，介紹如何用 Storage Buckets 打造機器人資料閉環。我來轉成中文摘要。 這篇文章介紹 AWS 開源的 Strands Robots SDK（Apache 2.0授…