Hugging Face 发布 Agentic Resource Discovery(ARD)规范及 Discover 工具 ↗
Hugging Face 联合 Microsoft、Google 等发布 Agentic Resource Discovery(ARD)开放规范,定义代理能力的动态发现机制。
AIHOT 精选行业资讯,关注 AI、产品与技术的新进展。
AIHOT · 精选摘要,保留原始来源 · 2026年11月3日 09:00
Hugging Face 联合 Microsoft、Google 等发布 Agentic Resource Discovery(ARD)开放规范,定义代理能力的动态发现机制。
Google 开源博客宣布联合行业伙伴推出 Universal Commerce Protocol(UCP),一个面向智能体商业(agentic commerce)的开放协议,旨在为消费者界面、商家系统与支付服务商提供统一交互语言;UCP 采用分层架构,涵盖服务域、核心能力(如购物车、结账、订单)、可配置扩展及多传输绑定(REST/MCP/Agent2Agent);协议开源,已组建技术委员会并持续演进。
Google DeepMind 与英国政府、Google Cloud、Faculty 及巴尼特、多塞特和卡姆登地方规划部门合作,基于 Gemini 开发 AI 规划审批原型工具,旨在将住宅类规划申请审批时间缩短 50%;该工具支持数据整合、政策识别、反馈摘要和报告初稿生成,目前在三地试点,计划 2027 年向全英议会推广。
Google Research 发布 Earth AI 框架,利用高分辨率卫星影像、1米 LiDAR 和预训练 Vision-Transformer(ViT)模型。
智谱上线并开源GLM-5.2,该模型在Artificial Analysis综合榜单获51分,为开源模型SOTA;在Code Arena盲测中位列全球可用模型第一。
Google DeepMind 发布《AI 控制路线图》,提出面向内部部署AI智能体的系统级安全框架,核心是将未对齐智能体视作‘内部威胁’,结合MITRE ATT&CK构建威胁分类体系;通过监督式AI实时监控、分级响应(D1–D4检测级、R1–R3响应级)及百万级编码智能体轨迹分析,支撑Gemini Spark等实际部署;同步发布面向政策制定者的《智能体安全三层框架》技术报告。
通义团队发布 Qwen-Robot Suite,包含 Qwen-RobotNav(统一五类导航任务,1560万样本训练,支持零样本真机部署)、Qwen-RobotManip(基于>38。
QwenTeam 发布 Qwen-RobotManip,一个基于 Qwen-VL 构建的通用视觉-语言-动作(VLA)基础模型,提出统一表征、运动、行为三维跨本体对齐框架。
QwenTeam 发布 Qwen-RobotWorld 技术报告,提出以自然语言为统一动作接口的具身世界模型,采用双流多模态扩散 Transformer(MMDiT)架构。
QwenTeam 发布 Qwen-RobotNav,一个基于 Qwen3-VL 构建的规模化导航模型,在 1560 万样本上训练,单一权重统一 VLN、ObjNav。
vLLM v0.23.0 正式发布,核心更新包括 DeepSeek-V4 在多个后端的成熟化(解耦 MLA 元数据、新增 TRTLLM-gen 注意力核、EPLB 支持等)。
SGLang v0.5.13 正式发布,新增对 Nemotron 3 Ultra、Step-3.7-Flash、Command A+ 等自回归模型及 Cosmos3。
Google Go 团队发布 pkg.go.dev v1beta API,提供结构化 JSON 接口用于查询 Go 模块、包、符号、版本、漏洞及依赖关系等元数据;配套发布参考 CLI 工具 pkgsite-cli,并公开 OpenAPI 规范。该 API 支持工具链构建与 AI 辅助编码场景。
谷歌研究院发布博客,介绍与加州大学圣地亚哥分校合作开展的‘手机集群计算’研究:提取退役 Pixel 手机主板,移除非计算部件,替换 Android 用户空间为通用 Linux 发行版,并用 Kubernetes 编排 25–50 台手机组成自管理集群;计划于 2026 年秋季部署由 2000 台手机组成的集群,提供相当于约 50 台服务器的算力,支持教学与科研应用。
Google GKE Labs 开源 OpenRL,一个可在自有 Kubernetes 集群上部署的自托管后训练 API,支持 LLM 微调;它抽象出 RL 训练基础设施,提供四类核心 API,兼容 Tinker 生态;当前聚焦 LoRA 微调,已发布文本转 SQL 示例(基于 Gemma 模型)及本地/Mac/GKE 多环境快速启动指南。
Marketplace Pulse基于近10万美国TikTok Shop卖家数据显示,顶部1%卖家贡献60%的累计GMV,其中顶部0.1%(不足90家)贡献超四分之一;该集中度高于Amazon,且平台认证标签(Official Store、Gold Star)进一步放大流量与销量差距。
Google 自 2026 年 4 月起成为 Eclipse 基金会战略会员,将赞助 Open VSX 并首批采用其托管注册服务;Open VSX 是基于 VS Code™ 扩展 API 的开源、厂商中立扩展注册中心,支撑 Google Antigravity、AWS Kiro、Cursor、Windsurf 等 AI 集成 IDE 和开发平台;当前 Open VSX 每月下载超 3 亿次,日峰值请求达 2 亿次,托管超 1.2 万扩展,来自 8000 多发布者。
Google Research 提出 Regularized f-Divergence Kernel Tests 框架,用于更敏感、灵活、准确地审计机器遗忘;该框架通过三样本相对检验替代传统两样本检验。
Google DeepMind 发布实验性开源文本扩散模型 DiffusionGemma,26B MoE 架构,推理时仅激活 3.8B 参数,支持 256-token 并行生成。
Google DeepMind 发布 Gemini 3.5 Live Translate,一款支持 70 多种语言的近实时语音到语音翻译音频模型,能保留语调、节奏和音高。
Google DeepMind 发布 Gemma 4 12B,一款无需视觉/音频编码器的统一多模态大语言模型,支持原生图像与音频输入,可在配备 16GB VRAM 的消费级笔记本上本地运行。
MiniMax 在博客中详细介绍了其数学推理能力跃升的技术路径,核心是 MaxProof 框架:通过 Proof RL(使用多模型+多模式生成式验证器的分层防御 reward 系统)。
作者使用编码智能体链式调用 ideogram-ai/ideogram4(图像生成)和 VAST-AI/TripoSplat(单图生成 3D Gaussian splat)两个 Hugging Face Spaces。
Cohere 发布开源模型 North Mini Code,30B 总参数、3B 激活参数,支持 256K 上下文,专为智能体式软件工程、终端任务和代码生成优化。