CulturalRiddles：一个多文化谜语评测基准
CulturalRiddles 是一个由人工创作、社区协作完成的多文化谜语基准，覆盖 62 种文化、45 个国家、51 种语言，要求模型具备溯因与组合推理及文化特有知识。研究评测了 28 个 LLM 配置，结合自动评估与大规模人工评估，前沿模型在某些文化社区中准确率最高仅 22%。全部数据与代码已公开，并开放贡献渠道以扩展语言与文化覆盖。
#Hugging Face
Hugging Face Daily PapersAI 评分3939
arXiv cs.AIAI 评分4848 对编程智能体而言，代码仓库才是关键
arXiv 一项研究用多层模型比较 GitHub 上 AI 编程智能体与人类的 pull request，发现约五分之二的智能体 PR 处理时长差异来自仓库之间；在 280 个仓库中，智能体 PR 的仓库间方差是人类的 1.76 倍（95% CI 1.41–2.18）。
arXiv cs.AIAI 评分4444 Africa-Papers：面向非洲基础模型的 100 亿 token 多领域学术语料库
研究者发布 Africa-Papers，迄今最大的多领域泛非学术预训练语料库，包含 844,807 篇全文论文、101.5 亿 token、879 个 Parquet 分片，已在 Hugging Face Hub 的 AfriSpeech 组织下开源。
Hugging Face Blog精选AI 评分7171 Hugging Face 推出 TorchTPU，让 PyTorch 原生支持 TPU
Hugging Face 介绍 TorchTPU 这一 PyTorch 原生 TPU 后端，Transformers、Diffusers 和 Kernels 无需 torch_xla 即可原生运行在 TPU 上，模型只需 device_map="tpu" 即可加载。
推荐理由：原文介绍了 TorchTPU 原生后端与安装方式，并给出 batch 64 下 21.5× 的解码加速等实测数据，读者可据此评估迁移成本。
Hugging Face Blog精选AI 评分6363 Hugging Face 发布 AnyLanguageModel 1.0，统一 Apple 平台本地与托管模型调用
Hugging Face 发布 AnyLanguageModel 1.0，同时推出 swift-huggingface 1.0 和 swift-xet 1.0。
推荐理由：官方发布 1.0 版，介绍了兼容 Foundation Models 的统一 API、托管推理支持和适配设备的开源模型选项。
Hugging Face Blog精选AI 评分6868 PyTorch 2.15 提升 Mac MPS 后端：MoE 解码提速 5–6.5 倍、视频 VAE 内存从 270 GiB 降到 8 GiB
Hugging Face PyTorch 团队介绍 PyTorch 2.15 的 MPS 后端更新：MPS 支持 torch.float8_e4m3fn 的 FP8 张量和 F.scaled_mm。
推荐理由：原文给出 PyTorch 2.15 MPS 后端的具体性能数字与内存变化，Mac 上跑模型和训练的读者可据此评估升级收益。
Hugging Face Blog精选AI 评分6060 TorchNeuron 为 AWS Trainium 带来 PyTorch 原生后端，HF 库原生支持
Hugging Face 宣布 TorchNeuron 为 AWS Trainium 提供原生 PyTorch 后端，自 2026 年 10 月 20 日起开放公测，可通过 pip install torch-neuronx 安装。
推荐理由：官方宣布 Trainium 获得 PyTorch 原生后端，HF 库可直接使用，还给出覆盖率变化和训练示例。
Hugging Face Blog精选AI 评分8383 Reflection 发布开源模型 Beam：501B 参数 MoE，Apache 2.0 协议
Reflection 在 Hugging Face 发布其首个开源模型 Beam（Beam-1.0-501B-A23B），为 501B 参数、每 token 激活 23B 的 MoE 模型，采用 Apache 2.0 协议，支持 1M token 上下文，主打编码与智能体场景。
推荐理由：官方博客给出 Beam 的架构细节、基准成绩和部署微调配方，读者可以据此评估在自有硬件上跑前沿开源模型的成本与路径。
Hugging Face Blog精选AI 评分8484 Meta 发布开源权重多模态 MoE 模型 Muse Spark Open，约 816B 参数
Meta 发布开源权重多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens，定位为 agentic coding 模型。
推荐理由：原文给出架构细节、部署配方和实测吞吐数字，开发者可以据此评估如何在自己环境里运行或微调这个 816B 模型。