在AI热潮里，故事比技术更值钱。一家名为Oklo的核能初创公司，靠着一个概念，市值飙到210亿美元；另一边，一个从SpaceX离职的工程师，让AI自己画电路板，几分钟搞定工程师三天的工作。一个靠叙事吸引资金，一个用技术推动生产。AI热潮下，这两家公司代表着同一时代的两种姿态——造梦，和造物。
人类首个AI创作型导演诞生！Josh Wallace Kerrigan用GenAI工具，构建Neural Viz的外星宇宙，避免硬碰AI短板，转而实验伪纪录片形式。
近期，HuggingFace 发布的超过 200 页的超长技术博客，系统性地分享训练先进 LLM 的端到端经验。
十年前，「黑手党」这个词还属于PayPal。十年后，它成了OpenAI。那些离开OpenAI的人，没有远去，而是在外部重建另一个OpenAI。他们互相投资、互相背书，从算法到资本，织出一张无形的权力网。AI的故事，看似在讲技术，其实是在讲权力的继承。当算法学会模仿人类，人类也在用算法，复制自己的帝国。
厦门大学和腾讯合作的最新论文《FlashWorld: High-quality 3D Scene Generation within Seconds》获得了海内外的广泛关注，在当日 Huggingface Daily Paper 榜单位列第一，并在 X 上获得 AK、Midjourney 创始人、SuperSplat 创始人等 AI 大佬点赞转发。
AI 编程早已成为许多开发者日常生产中的一环，而随着代码生成的速度和规模达到一定程度，一个日益重要的问题是，支撑这些 AI 运转的开发工具和基础设施正在成为新的瓶颈。
如何让一个并不巨大的开源大模型，在面对需要多步检索与复杂逻辑整合的问题时，依然像 “冷静的研究员” 那样先拆解、再查证、后归纳，最后给出可核实的结论？
HuggingFace 与牛津大学的研究者们为想要进入现代机器人学习领域的新人们提供了了一份极其全面易懂的技术教程。这份教程将带领读者探索现代机器人学习的全景，从强化学习和模仿学习的基础原理出发，逐步走向能够在多种任务甚至不同机器人形态下运行的通用型、语言条件模型。
整个Hugging Face的趋势版里，前4有3个OCR，甚至Qwen3-VL-8B也能干OCR的活，说一句全员OCR真的不过分。然后在我上一篇讲DeepSeek-OCR文章的评论区里，有很多朋友都在把DeepSeek-OCR跟PaddleOCR-VL做对比，也有很多人都在问，能不能再解读一下百度那个OCR模型（也就是PaddleOCR-VL）。
让模型先解释，再学Embedding！ 来自UIUC、ANU、港科大、UW、TAMU等多所高校的研究人员，最新推出可解释的生成式Embedding框架——GRACE。过去几年，文本表征（Text Embedding）模型经历了从BERT到E5、GTE、LLM2Vec，Qwen-Embedding等不断演进的浪潮。这些模型将文本映射为向量空间，用于语义检索、聚类、问答匹配等任务。
