Hugging Face 论文页：Quo Vadis, World Modeling?
Hugging Face 上线论文《Quo Vadis, World Modeling?》的讨论页面，邀请社区就该论文参与讨论。原文未披露论文的具体方法、模型或实验数据。
#Hugging Face
#Hugging Face
今日 7 条HF blogAI 评分2121 HF blogAI 评分2222 ExplainBench：评估智能体生成的代码解释
Hugging Face 上线论文页面 ExplainBench，用于评估智能体生成的代码解释。该页面目前仅开放讨论，正文未披露基准的具体任务、指标或实验结果。
HF blogAI 评分3030 PCSD：Agentic 强化学习自蒸馏的持续一致性方法
论文提出 PCSD（Persistent Consistency for Self-Distillation），用于 Agentic 强化学习中的自蒸馏，通过持续一致性机制改进训练。目前该论文页面已在 Hugging Face 上线并开放讨论。
HF blogAI 评分2222 OmniPack：面向高效全模态大语言模型的统一 token 压缩
Hugging Face 论文页介绍 OmniPack，一种面向全模态大语言模型的统一 token 压缩方法，目标是提升这类模型的计算效率。页面未给出具体模型版本、压缩率或实验数据，仅提供论文讨论入口。
HF blog精选AI 评分6262 GROVE：从流式视频经验中构建并推理时间分层记忆
GROVE 是一个免训练框架，用单一因果增长的记忆统一反应式视频问答与主动辅助，支持多尺度检索。它把细粒度感知证据逐步整合为带时间戳的时刻、连贯片段和跨天重复模式，每层配对应的检索技能。在 MM-lifelong 和 EgoServe 等基准上，GROVE 取得所比较方法中的最佳结果，消融显示各时间层与访问技能互补，跨多天证据时模式层收益最大。代码将发布于 GitHub。
推荐理由：GROVE 用单一因果增长记忆统一视频问答与主动辅助，读者可了解其分层记忆与检索设计。
HF blogAI 评分1515 Zero-Mem：面向 LLM Agent 的零 Token 记忆操作
Hugging Face 论文页发布 Zero-Mem，提出面向 LLM Agent 的零 Token 记忆操作。该工作聚焦 Agent 记忆读写不再消耗 token，具体方法、实验数据与开源情况原文未披露。
HF blogAI 评分1818 Loud or Silent? 多模态临床 AI 逐模态失效分析的可复用框架
Hugging Face 上线论文页面《Loud or Silent? A Reusable Framework for Per-Modality Failure Analysis in Multimodal Clinical AI》，提出一套可复用的逐模态失效分析框架，用于多模态临床 AI。目前页面仅开放论文讨论，正文未披露具体模型、数据集与实验结果。
lerobot releasesAI 评分2222 LeRobot v0.6.1 发布：lerobot.types 模块更名为 lerobot_types
Hugging Face 的 LeRobot 发布 v0.6.1，将 lerobot.types 模块更名为 lerobot.lerobot_types，属破坏性变更。
HF blogAI 评分00 imjustheretotest/MasonAI 上线 Hugging Face，基于 crosbylegal/gpt-5.6-luna 微调
Hugging Face 上出现模型 imjustheretotest/MasonAI，其基座模型为 crosbylegal/gpt-5.6-luna，训练数据集为 Crownelius/GPT-5.6-Sol-Luna-Terra-Traces。该模型 README 内容为空，上月下载量未被追踪，且暂无 Inference Provider 部署。
HF blog精选AI 评分7474 PruhaNLP 发布 TurboVLA-base：面向 SO-100 机械臂的可微调 VLA 检查点
PruhaNLP 在 Hugging Face 发布 TurboVLA-base，一个面向 SO-100 / SO-101 机械臂的可直接微调 VLA 检查点，单个文件夹内含 config、完整权重（DINOv3 ViT-B + BERT + 交互层 + 动作解码器）与 tokenizer。
推荐理由：读者可据此了解一个去掉 LLM 的 VLA 检查点如何组装、微调与在 SO-100 上部署。
HF blogAI 评分3030 Molt：面向智能体强化学习的可扩展 PyTorch 原生训练框架
Hugging Face 论文页介绍 Molt，一个面向智能体强化学习的可扩展 PyTorch 原生训练框架。该页面目前仅开放论文讨论，未披露模型规模、任务成功率或真机部署等具体结果。
HF blogAI 评分2424 IDEAgent：面向研究想法生成的智能体质量-多样性搜索
Hugging Face 论文页发布 IDEAgent，用智能体质量-多样性搜索生成研究想法。该页面目前仅开放论文讨论，未披露模型版本、任务本体、成功率或样本规模等具体结果。
HF blogAI 评分2020 VisCo：用大语言模型作为内在编码器实现视觉 token 压缩
VisCo 提出用大语言模型作为内在编码器来压缩视觉 token。该论文页面已在 Hugging Face 上线，具体方法与实验结果尚未在页面内容中给出。
HF blog精选AI 评分7878 Pollen Robotics 开源 Grabette：用手持夹爪录制机器人操作数据
Pollen Robotics 发布开源低成本系统 Grabette，用手持夹爪加双摄像头录制操作示范，自动转成 LeRobot 格式数据集。Grabette 硬件物料成本约 490€，配套机械臂末端夹爪 Gripette 约 120€，采集数据经 RTAB-MAP SLAM 处理后在浏览器中完成转换。
推荐理由：开源手持夹爪加浏览器处理流程，把真机操作数据采集从遥操作里解放出来，可据此判断数据采集门槛的变化。
HF blogAI 评分2727 DiffGI：用可微几何图像实现高保真薄壳 3D 生成
DiffGI 用连续 2D TSDF 和可微 Marching Squares 模块替换几何图像中的二值占用图，使整条流水线端到端可微，可在消费级 GPU 上约一秒完成高保真薄壳 3D 生成，甚至能在笔记本 CPU 上运行，无需服务器。项目主页已上线，交互式 demo 即将推出。
HF blogAI 评分4646 Muon 何时能帮上智能体强化学习？ALFWorld 上对比 AdamW 的研究
一项在 ALFWorld 上用 Qwen2.5-0.5B-Instruct 做的稀疏奖励智能体强化学习研究显示，在 GiGPO 下仅对隐藏权重矩阵应用 Muon，可将最终窗口验证成功率从 0.290 提升到 0.546（+88%），而高学习率 AdamW 对照组更新后无成功率保留。
ROS Discourse latestAI 评分2222 ROS 周报：Autoware 发布开源 L2 自动驾驶栈 Vision Pilot，ROS 核心团队一周收到近 50 个未标注的 AI 生成 PR
Autoware 发布免费开源的 L2 自动驾驶栈 Vision Pilot，AMD 同期启动 Physical AI 黑客松，提供 3 万美元奖金和免费 GPU 算力，8 月 6 日截止提交。ROS 核心贡献者一周内收到近 50 个未标注为 AI 生成的 PR，团队为此新建 triage 看板并呼吁提交者参与评审。
qbitai精选AI 评分7878 原力灵机发布具身世界模型 DW0.5，接入 DFOL2.0 后训练框架
原力灵机发布首款具身世界模型 DW0.5，并接入世界模型驱动的具身智能后训练框架 DFOL2.0。DW0.5 由 Video Expert、Action Expert、Value Expert 三大专家模块组成，用上万小时真机多视角数据联合预训练，可预测动作执行后的未来状态并生成失败轨迹，据其披露可让后训练中真机数据需求骤降 60%、整体训练成本下降 40%。
推荐理由：原力灵机披露 DW0.5 世界模型接入后训练框架的完整闭环，读者可了解其三大专家模块设计与真机数据需求下降 60% 的实测数据。
HF blog精选AI 评分6060 AlayaWorld：长时程可交互视频世界生成框架开源
AlayaWorld 是一个开源全栈框架，用于构建可实时交互的生成式世界，支持自由导航及战斗、施法、召唤怪物等多样动作。该框架统一了数据准备、模型架构、训练、推理加速与部署，并开源可复现管线、参考实现、评测工具与文档。论文称其基于游戏录像和真实视频训练，可捕捉多样视觉外观与物理动态，为游戏之外的具身智能等交互应用提供机会。
推荐理由：论文给出可复现的视频世界模型全栈框架，读者可了解其模块化架构与开源管线如何支撑实时交互生成。
lerobot releases精选AI 评分6262 Hugging Face LeRobot 发布 v0.6.0
Hugging Face 的 LeRobot 发布 v0.6.0，带来多项破坏性变更：pip install lerobot 不再包含数据集与训练依赖，需按需安装如 lerobot[training]。
推荐理由：LeRobot v0.6.0 的破坏性变更清单和新增基准、策略，能帮现有用户判断升级成本与可迁移能力。
HF blogAI 评分4040 Rank-Then-Act：用帧序进度实现无奖励强化学习控制
Rank-Then-Act（RTA）提出一种无需手工奖励函数的强化学习控制方法，通过训练视觉语言模型从打乱顺序的视频帧中识别任务进度，并将该进度信号作为强化学习的唯一奖励。该方法不依赖人工设计奖励函数，也不使用稀疏环境信号。
qbitai精选AI 评分7878 蚂蚁灵波开源LingBot-VLA 2.0，支持17家厂商20种机器人构型
蚂蚁灵波科技7月8日宣布升级并开源具身基座模型LingBot-VLA 2.0，预训练融入6万小时真实物理数据，覆盖17个机器人品牌的20种构型，并扩展对头部、腰部、末端执行器及移动底盘等自由度的支持。
推荐理由：原文给出预训练数据规模、支持构型与双臂及移动操作评测对比，可据此判断跨构型VLA基座的落地进展。
HF blogAI 评分5353 SIEVE：面向 VLA 模仿学习的结构感知数据选择方法
SIEVE 是一种面向 VLA 模仿学习的结构感知数据选择方法，将示范轨迹视为可复用视觉运动基元与转换接口的组合。它从机器人轨迹中发现可复用基元，按结构信息量分配数据预算，并挑选更易被行为克隆学习的中心稳定示范。作者称该方法在多个数据集、基准和 VLA 模型上稳定优于数据选择基线，仅用 50% 数据加 50% 训练步数即超过全量数据训练。
NVIDIA blog robotics精选AI 评分8080 NVIDIA 与 Hugging Face 将 Isaac GR00T 1.7 和 Isaac Teleop 引入 LeRobot
NVIDIA 与 Hugging Face 合作，将 NVIDIA Isaac GR00T 1.7 开放推理视觉语言动作模型和 NVIDIA Isaac Teleop 框架引入 Hugging Face 的开源机器人库 LeRobot，NVIDIA Cosmos 3 计划随后加入。
推荐理由：NVIDIA 与 Hugging Face 把 GR00T 1.7 和 Isaac Teleop 接入 LeRobot，读者可了解开放机器人开发流程的整合方式。
HF blog精选AI 评分8888 LeRobot v0.6.0 发布：世界模型策略、新 VLA 与奖励模型 API
LeRobot v0.6.0 发布，引入 VLA-JEPA、LingBot-VA、FastWAM 三个世界模型策略，以及 GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT 等新 VLA 和 Robometer、TOPReward 奖励模型 API。
推荐理由：LeRobot v0.6.0 一次放出世界模型策略、多个 VLA 与奖励模型 API，读者可据此判断开源机器人学习栈的能力边界。
lerobot releasesAI 评分2222 LeRobot v0.5.1 发布
Hugging Face 的 LeRobot 发布 v0.5.1，为 pi0、pi0.5 和 pi0_fast 策略新增相对动作支持，并加入 HIL/Dagger/HG-Dagger/RaC 风格数据采集功能。
lerobot releasesAI 评分4747 LeRobot v0.5.0 发布：新增宇树 G1 全身控制，最低要求 Python 3.12
Hugging Face 的 LeRobot 发布 v0.5.0，新增宇树 G1 全身控制（WBC）实现，并将最低 Python 版本要求提升至 3.12。该版本还升级 transformers v5、加入可复现训练的 cudnn_deterministic 选项，并修复数据集转换与异步推理中的多处问题。
lerobot releasesAI 评分2828 LeRobot v0.4.4 发布：新增 OpenArm、达妙电机与 G1 遥操作支持
Hugging Face 的 LeRobot 发布 v0.4.4，新增 OpenArm 机器人及遥操作器、OpenArm Mini 遥操作器、达妙电机与 CAN 总线、RobStride CAN 实现，并加入 G1 遥操作支持。
lerobot releasesAI 评分3434 LeRobot v0.4.3 发布：新增 X-VLA、PiFast 策略与 Unitree G1、OMX 等机器人支持
Hugging Face 的 LeRobot 发布 v0.4.3，新增 X-VLA 策略和基于 tokenization 的自回归 VLA PiFast，并加入 Unitree G1、OMX、Earth Rover Mini Plus 等机器人支持。
lerobot releasesAI 评分2222 LeRobot v0.4.2 发布
Hugging Face 的 LeRobot 发布 v0.4.2，为 Pi0、Pi0.5 和 SmolVLA 加入实时分块（RTC）支持，并新增环境前后处理器。该版本修复了数据集子集请求时的回合过滤 bug 和 delta_timestamp 问题，数据集编码默认改为并行并支持按视频或图像类型动态调整压缩级别。
lerobot releasesAI 评分2020 LeRobot 发布 v0.4.1
Hugging Face 的 LeRobot 发布 v0.4.1，新增 EnvHub 支持从 Hub 加载仿真环境，并将 LIBERO 改为 PyPI 包安装、移除原有安装补丁。该版本还修复了数据集特征修改的关键 bug 和数据访问瓶颈以加快训练，并修正 video_key 拼写及训练中的映射边界情况。
lerobot releases精选AI 评分6262 Hugging Face LeRobot 发布 v0.4.0
Hugging Face 的 LeRobot 发布 v0.4.0，引入 Dataset v3 与流式数据集，并新增 OpenPi、Pi0、Pi0.5 和 NVIDIA GR00T N1.5 策略支持。该版本还加入 Libero、MetaWorld 仿真环境，支持多 GPU 训练，并新增 Intel XPU 后端。完整变更见 v0.3.3...v0.4.0 变更日志。
推荐理由：LeRobot v0.4.0 的变更清单显示数据集格式与策略支持同步扩展，可据此判断现有训练流程的迁移成本。
NVIDIA dev blog roboticsAI 评分5555 NVIDIA 通过后训练 Cosmos Reason 提升机器人性能
NVIDIA 在 GTC 2025 首次发布的 Cosmos Reason 是一个开放且可完全定制的推理视觉语言模型（VLM），面向物理 AI 与机器人，让机器人和视觉 AI 智能体借助先验知识、物理理解和常识进行推理，从而在真实世界中理解并行动。该模型已在 Hugging Face 的 Physical Reasoning 排行榜上登顶。
lerobot releasesAI 评分1515 LeRobot 发布 v0.3.3
Hugging Face 的 LeRobot 发布 v0.3.3，修复了策略构建问题，并引入面向 LeRobot 的通用处理器 pipeline。该版本还更新了安装说明与文档链接、修正作者姓名拼写，并将 torch 包版本改为向上取整约束。