Sentence Transformers 教程：用 MultiVectorEncoder 训练与微调多向量嵌入模型
Hugging Face 发布 Sentence Transformers v6.0 教程，介绍第四种模型类型 MultiVectorEncoder 的完整训练方法，支持 ColBERT 风格的 late interaction 检索微调与从零训练。
推荐理由：作者用实测对比给出多向量模型微调的完整配方，包括起点选择、损失函数和索引压缩的量化取舍。
#教程/实践
#教程/实践
今日 12 条Hugging Face Blog精选AI 评分7474 Google Blog: AIAI 评分3939 Google Search 升级家居装饰的 5 种方式
Google Search 推出 5 种家居装饰用法：AI Mode 可上传房间照片，按墙面宽度推荐沙发并生成摆放效果图；Google Lens 拍照识别复古单品并找同款；Circle to Search 在 Pixel 和三星 Galaxy S26 上圈选视频或社交帖中的壁纸找相似款。
OpenRouter Announcements精选AI 评分6060 OpenRouter 发布 Video Generation API 代码指南，一个端点调用 Seedance、Veo、Wan
OpenRouter 发布视频生成 API 教程，通过 POST /api/v1/videos 提交任务、轮询状态、下载 MP4，同一集成可用 Seedance 2.0、Veo 3.1、Wan 2.7，切换模型只需改 model 标识符。
推荐理由：OpenRouter 官方教程给出完整的异步视频生成集成代码，包括轮询、失败状态处理和换模型时需注意的参数差异，可直接迁移到自己的项目。
OpenRouter Announcements精选AI 评分7070 OpenRouter 发布选型教程：如何用 MCP 服务器在编辑器内选最合适的 AI 模型
OpenRouter 发布模型选型教程，提出六步框架：定义任务、用实时使用数据和第三方基准筛选候选、对比各提供商价格与延迟、用自己的提示词测试、按每次完成任务的成本而非每 token 成本衡量，再决定或改用 openrouter/auto-beta 按请求路由。
推荐理由：OpenRouter 官方给出以成本每完成任务为核心的选型框架，并用自家 MCP 服务器让整个评测流程在编辑器内完成。
Google Developers BlogAI 评分5555 Google ADK 实测教程：如何评测实时语音 Agent
Google 在 ADK 中推出原生实时（live）评测能力，可用模拟用户以音频形式与语音 Agent 对话并对口头回复打分。
Hugging Face Blog精选AI 评分6464 Hugging Face 解析 Papers with Code 搜索背后的 Inference Endpoints、Jobs 与 Buckets 架构
Hugging Face 介绍 Papers with Code 混合搜索架构：PostgreSQL 全文检索加 pgvector 语义检索，经 RRF 融合，用 Qwen/Qwen3-Embedding-0.6B 生成 256 维向量，已覆盖超 110,000 篇 arXiv 论文。
推荐理由：作者复盘了自己上线论文混合搜索的架构与教训，读者可以借鉴冷启动回退、embedding 契约和 Matryoshka 维度权衡这些可迁移做法。
LMSYS BlogAI 评分5252 Ling-3.0-flash 在 Blackwell 上的 batch-1 投机解码优化：单请求吞吐 2.1 倍提升
RadixArk SGLang 团队与蚂蚁 Ling 基础设施团队将 Ling-3.0-flash 在 4 张 Blackwell GPU 上的单请求解码从 288 tok/s 提升到 606 tok/s，mean TPOT 从 3.33 ms 降到 1.53 ms。
LMSYS BlogAI 评分3535 Mooncake 如何为 Miles 解决碎片化 rollout 数据传输难题
Miles 是结合 SGLang 做 rollout 生成、Megatron-LM 做训练的高性能强化学习框架，其 disaggregated 架构下 rollout 数据需从推理侧传到训练侧。
LMSYS BlogAI 评分4848 如何在 H20 上极限优化 DeepSeek-V4-Pro 推理服务
LMSYS 针对 1.6 万亿参数 MoE 模型 DeepSeek-V4-Pro，在无原生 FP4 支持的 H20 GPU 上给出场景化服务方案。
OpenRouter AnnouncementsAI 评分5555 OpenRouter 发布图像生成 API 教程：一个接口和一个 key 调用多家图像模型
OpenRouter 发布 Image Generation API 代码教程，通过 POST /api/v1/images 用统一请求格式和一个 key 调用多家支持的图像模型。
Google Developers Blog精选AI 评分6161 Google 用 ADK 和 Gemini 演示如何构建零信任 AI 智能体
Google 开源了一个基于 Agent Development Kit 和 Gemini 的零信任客服退款智能体参考实现，展示单条提示词注入即可触发越权退款和环境变量泄露。
推荐理由：原文用可运行的开源示例拆解智能体三层零信任防护，读者可以照着在自己的 ADK 工作流里落地签名、沙箱和网关。
LMSYS BlogAI 评分4747 SGLang 中的高级 CUDA Graph 技术：Breakable CUDA Graph 与 Full CUDA Graph
SGLang 重构 CUDA Graph 支持，围绕统一的 runner/backend 接口让不同捕获策略可跨执行路径复用，并推出其原创的 Breakable CUDA Graph（BCG）服务技术。
OpenRouter AnnouncementsAI 评分5656 OpenRouter 教程：如何通过 API 向大语言模型发送图片
OpenRouter 发布视觉输入教程，讲解通过 Chat Completions API 向支持视觉的模型发送图片，请求体只需在 content 数组中加入 text 和 image_url 两部分，切换模型仅改 model 字段。
Sierra BlogAI 评分4747 Sierra 谈智能体时代的纵深防御：用 AI 守护 AI
Sierra 提出在智能体时代以"纵深防御"保障 AI 行为边界，让每条客户消息在回复前经过内容、规则与政策、监督模型、确定性守卫等多层检查，单条消息可触发多达六项校验。Sierra 的智能体基于目标与护栏构建，可自主推理而非沿预设流程执行。运行时之外还包括持续评估、持续监控与上线前 Simulations 压力测试。
Google Developers BlogAI 评分3333 HeyGen 与 Google Cloud 将 Avatar IV 搬上 TPU
HeyGen 与 Google Cloud 合作，把其 18B 参数以上的数字人视频扩散模型 Avatar IV 移植到八芯片 Trillium（v6e）主机上，速度达到首个可用版本的 1.86 倍。
OpenRouter AnnouncementsAI 评分4242 OpenRouter 指南：工具调用写一次循环，换模型字符串即可跨 Claude、GPT、Llama 运行
OpenRouter 发布工具调用指南，展示同一套循环代码只需更换 model 字符串，即可在 Claude、GPT 和开源权重模型上运行。
Linear Now精选AI 评分6060 Linear 官方解析 Linear Agent 的构建方法：用边界而非固定路径控制 Agent
Linear 官方详解 Linear Agent 的构建思路：不为 Agent 设计固定路径，而是通过系统提示词、工具设计、对 Linear 产品的语义建模、system skills 按需加载和自研 harness 来划定边界。
推荐理由：Linear 官方复盘 Agent 的设计取舍，涉及系统提示词、工具设计、system skills 和自研 harness，方法可迁移到类似 Agent 构建。
OpenRouter AnnouncementsAI 评分5656 OpenRouter 团队 AI 支出管控配置指南
OpenRouter 发布团队支出管控设置教程，按顺序配置五项控制：创建组织共享信用池、用 presets 固定各工作流的模型与提供商、通过 Management API 为每个 API key 设置 credit 上限和 daily/weekly/monthly 重置。
OpenRouter Announcements精选AI 评分6161 OpenRouter 讲解如何治理团队 AI 支出的 6 项控制
OpenRouter 官方详解治理团队 AI 支出的 6 项控制：per-key 信用限额、guardrails、workspace 预算、presets、组织角色和 Activity 仪表盘，分别覆盖花多少、花在哪和谁在花。
推荐理由：官方详解 6 项团队支出控制的功能边界和叠加规则，读者可按团队规模选择最省成本的控制组合。
Runway NewsAI 评分4949 Chime 如何用 Runway 制作最新全国电视广告
Chime 用 Runway 完成最新全国电视广告的结尾画面，将 85 位以上真实会员照片生成稳定、可播出的动态网格画面。执行制片人 Shayla Love 称，这一原本需要 80 多人实拍、成本约为传统方式 5 倍的场景，靠传统拍摄几乎无法落地。团队还计划把 Runway 用于概念分镜和品牌图片生成。
Suno BlogAI 评分2121 Suno 官方博客：为什么你应该立刻发布作品
Suno 官方博客呼吁创作者把作品从私人曲库中发布出来，认为发布不完美或实验性的作品同样值得。文章给出三个理由：触达 Suno 数百万听众、通过真实反馈了解作品哪些部分能打动人、以及被其他创作者 remix 并获得灵感。
Cursor Blog精选AI 评分6666 Cursor 团队讲解如何搭建云端智能体开发环境
Cursor 团队分享如何为云端智能体搭建开发环境，让智能体能在其单体仓库中运行和测试代码。做法包括用 Dockerfile 统一 Ubuntu VM 环境、构建 anydev CLI 简化智能体操作、通过 Cursor Cloud MCP 和 Cloud Doctor 实现环境自愈与持续优化。云端智能体编写 PR 的占比从去年 12 月的约十分之一升至今日的超过一半。
推荐理由：Cursor 团队分享了自家云端智能体环境的搭建细节，含 anydev CLI 和 Cloud Doctor 等可借鉴做法。
OpenRouter AnnouncementsAI 评分5858 OpenRouter 发布 LangChain 集成指南：用 ChatOpenRouter 接入 400+ 模型
OpenRouter 发布官方教程，介绍专用包 langchain-openrouter（PyPI）和 @langchain/openrouter（npm）在 LangChain 中接入 400+ 模型、70+ 提供商的当前做法。
LMSYS BlogAI 评分5050 Miles 实现 Blackwell 原生 MXFP8 与 NVFP4 端到端强化学习
Miles 为 MoE 专家实现了两种 Blackwell 原生 RL 方案：端到端 MXFP8 与逐 token NVFP4，覆盖 rollout、前向传播、权重梯度与数据梯度 GEMM，并支持检查点转换、Megatron 训练、SGLang rollout 与在线权重更新的细粒度精度控制。
OpenRouter AnnouncementsAI 评分5858 OpenRouter 指南：如何从延迟、吞吐和可用性评估 LLM 服务商表现
OpenRouter 发布指南，讲解如何评估同一模型在不同服务商端点的表现差异，核心指标为延迟（首 token 时间）、吞吐（输出 tokens/秒）、可用性和量化精度，并建议用 p90/p99 而非平均值读数。
LMSYS BlogAI 评分3333 SGLang 如何重构量化栈：从单一类到 Config-Method-Scheme-Kernel 四层架构
SGLang 在 issue #15194 中提出量化栈重构方案，将原本由单一类承担的量化路径拆分为 Quant Config、Linear/MoE Method、Scheme、Kernel 四层，使 checkpoint 格式解析与硬件后端执行解耦。
OpenRouter AnnouncementsAI 评分5757 OpenRouter 图像生成教程：如何选模型并排查报错
OpenRouter 发布图像生成教程，讲解如何为 POST /api/v1/images 选择模型并修复常见 API 报错。选型建议按任务（文生图、参考图编辑、矢量输出、可读文字）、参数支持、价格依次决定；GET /api/v1/images/models 列出各模型的 supported_parameters。
Sierra Blog精选AI 评分6464 Sierra 复盘 MCP Gateway 建设：AI 优先工程组织的七条经验
Sierra 分享为内部 agent 搭建 MCP Gateway 的七条经验，包括抓住所有权减少协调、用 mcp-gateway.md 提升编码 agent 一次成功率、多阶段流程防止跨客户数据访问，以及优先用 gh CLI 等 agent 熟悉的工具。目前 89% 的 Sierra 员工通过它连接 45 个服务，近三分之二提交来自社区。
推荐理由：Sierra 工程师复盘 MCP Gateway 建设全程，给出协作机制、权限审计和工具取舍七条可迁移经验。
OpenRouter Announcements精选AI 评分6464 OpenRouter 解析提示词缓存与粘性路由如何降低 Agent 多轮成本
OpenRouter 发布教程讲解提示词缓存与粘性路由如何降低 Agent 多轮成本。缓存读取为输入价格的 0.1x 到 0.5x，Anthropic 缓存写入为 1.25x（5 分钟 TTL）或 2.0x（1 小时 TTL），未被复用的单次写入比不缓存更贵。
推荐理由：原文给出各厂商缓存读写倍率、session_id 粘性路由用法和缓存未命中排查方法，读者可以直接照做降低 Agent 多轮成本。
LMSYS BlogAI 评分4040 SGLang 服务 GLM-5.2 NVFP4 智能体负载：两周内达到 500 TPS
SGLang 在 8xB300（bs=1）上为 GLM-5.2 NVFP4 智能体负载实现超 500 TPS，两周内完成从 day-0 支持到 v0.5.15.post1 的优化。
Hugging Face BlogAI 评分5656 Hugging Face 发布 PyTorch Profiling 系列第三篇：用 profiler 解读 attention 各后端
Hugging Face 博客发布 Profiling in PyTorch 系列第三篇，在 NVIDIA A100 上用 profiler 对比手写 attention 与 SDPA 的 math、efficient、flash、cuDNN 后端。
Hugging Face BlogAI 评分4343 PRX Part 4：我们的数据策略
PRX 系列第 4 篇披露其数据策略：预训练数据由公开与内部数据集混合组成，用 VLM 重新生成图像长描述，再转为可流式训练的语料。团队改用 Qwen3-VL 在训练中实时计算文本 latent，实测吞吐仅损失约 3–4%（30 天训练多约 1 天），图像统一以 JPEG quality 92 编码。
Runway NewsAI 评分3838 Runway 如何回收夜间闲置推理 GPU 用于研究
Runway 构建了名为 deckard 的容量控制器，在生产与研究集群间重新分配 GPU：白天跟随推理需求扩缩，夜间把闲置算力借给研究，并在早高峰前归还。该控制器按五个时间窗口执行预计算调度，将工作日 8:30–12:30 ET 划为高峰子窗口，并基于排队论按 p98 延迟目标确定 GPU 数量。由于跨集群迁移节点需 20 到 60 分钟，控制器会提前预测需求波峰并预先移动容量。
LMSYS BlogAI 评分5555 SGLang 团队探索 Agent 辅助开发：用 SKILL.md 和 SOTA 循环编码工程流程
SGLang 团队将 CUDA 崩溃调试、diffusion 模型接入、性能 profile、生产事故分诊等开发流程封装为可执行的 SKILL.md 技能，并构建基于 Humanize/RLCR 的 SOTA Performance Loop。
LMSYS BlogAI 评分4646 SGLang 用 Waterfill 与 LPLB 改进 DeepEP MoE 负载均衡
SGLang 为 DeepEP MoE 推理引入两种调度期负载均衡方案：面向共享专家的 Waterfill 和基于线性规划、针对冗余专家副本的 LPLB。
LMSYS BlogAI 评分4040 SGLang-JAX 用单个 Pallas Kernel 优化 Ling-2.6-1T 的 TPU 推理
SGLang-JAX 现已支持在 TPU v7x 上高效服务 inclusionAI 的 Ling-2.6-1T，其新 Pallas kernel Fused MoE V2 将 MoE prefill 延迟从 5.16 ms 降至 2.42 ms（降幅 53%），decode kernel 延迟从 0.249 ms 降至 0.211 ms。
Linear NowAI 评分5050 Linear 如何用 Diffs 在智能体时代做代码审查
Linear 推出 Diffs 功能，用于应对智能体生成代码带来的审查压力：2026 年 1 月至 3 月，其团队新建 issue 与合并 PR 数量均上升 50%。该功能把审查集中到 Linear 内，支持一键查看代码变更背后的客户反馈或 bug 报告，并将改动分组为可读的叙事块，作者可直接在 Linear 中用智能体处理评论。
Suno BlogAI 评分4545 Suno Voices 使用指南：6 个技巧打造更具表现力的人声
Suno 发布 Voices 功能使用指南，给出 6 个提升人声表现力的技巧：在安静环境录制、提前练习、不必追求完美、尽量录长（建议至少 1 分钟）、让声音匹配曲风、大胆尝试意外风格。Voices 已在 Web、iOS 和 Android 上线，可免费试用，付费方案提供更多功能。
LMSYS BlogAI 评分4646 异构 CPU + GPU EPD 分离加速 VLM 服务：Dynamo 与 SGLang 实现
Dynamo 与 SGLang 通过设备感知加权路由实现异构 Encode-Prefill-Decode（EPD）分离，将 VLM 的视觉编码任务卸载到 CPU。在 Qwen3-VL-8B-Instruct 上，该方案相比纯 GPU EPD 在 QPS 1-2 负载下取得约 1.2x-1.3x 的 P99 TTFT 与请求吞吐提升，P99 TPOT 降低约 1.3x-30x。
Sierra Blog精选AI 评分6868 Sierra 工程师复盘如何独自用 AI 编码智能体在 4 个月内完成产品本地化
Sierra 工程师 Stephen Burgess 复盘用 AI 编码智能体独自完成产品本地化，耗时不到 4 个月，而他在 Slack 参与的同类项目需 10 人团队 9 到 12 个月。他经历 IDE 智能体、云端智能体、批量调用 Claude 脚本三轮迭代，并发现技能文档过长会超出上下文窗口反而推高错误率，最终把工作重心从执行迁移转向设计反馈循环。
推荐理由：作者复盘个人用 AI 编码智能体完成本地化的完整工作流，提炼出批处理脚本、反馈循环与上下文管理等可迁移方法。