Meta 发布新一代生成式广告模型 GEM：架构 Kunlun 与训练效率翻倍
Meta 介绍了新一代生成式广告模型 GEM，将此前按 Facebook、Instagram、Reels 等场景分别优化的做法改为单一中心基础模型，统一预测跨场景点击与转化。
#Meta
#Meta
今日 0 条Meta EngineeringAI 评分5757
钛媒体AI 评分4040 杨立昆新模型 H-JEPA：反对 Agent，反对 RSI
杨立昆提出分层联合嵌入预测架构 H-JEPA，将多个 JEPA 逐层堆叠，各层在不同时间跨度上预测状态。Visual AntMaze 任务中，单层 LeWM 成功率仅 18%，三层 H-JEPA 达 73%。该架构不用奖励、不用重建，主张向上增加抽象层级而非增加步数，与当前 Agent 和 RSI 路线相反。
The DecoderAI 评分6262 研究者将 LeCun 的 JEPA 扩展为跨物理到生物的通用世界模型 JEPA-Anything
PhAI Labs 联合斯坦福、牛津、普林斯顿的研究者提出 JEPA-Anything，把 LeCun 提出的 JEPA 架构拆成四个正交预测模块，用同一套原理处理物理、机器人、天气、单细胞和临床等七个领域。
The DecoderAI 评分5454 Aleph Alpha 研究：中国 AI 模型在敏感议题上多复述官方立场或拒答
Aleph Alpha 用自研基准测试了阿里（Qwen）、DeepSeek 和月之暗面（Kimi）的模型，覆盖 Tiananmen、Taiwan、Xinjiang 等 967 个敏感话题，其评分系统判定仅 17% 到 41% 的回答算平衡，其余复述官方立场、回避或拒答。
Hugging Face BlogAI 评分2424 OpenMed 训练跨 25 物种的 mRNA 语言模型：CodonRoBERTa-large-v2 困惑度 4.10，仅耗 165 美元
OpenMed 用 250k 条 CDS 对比多种 Transformer 架构后，确定 CodonRoBERTa-large-v2 在密码子级语言建模上最优，困惑度 4.10、Spearman CAI 相关性 0.40，明显优于 ModernBERT。
Hugging Face BlogAI 评分2828 Hugging Face Open ASR Leaderboard 新增多语言与长音频赛道，并发布 60+ 模型趋势预印本
Hugging Face 的 Open ASR Leaderboard 新增多语言与长音频转写赛道，并发布了一份基于 60+ 个开源与闭源模型的趋势预印本。
Hugging Face Blog精选AI 评分7272 Meta 发布 Gaia2 基准与 ARE 智能体评测环境
Meta 发布 GAIA 的后续基准 Gaia2 以及开源框架 Meta Agents Research Environments（ARE），用于运行、调试和评测智能体。
推荐理由：Meta 发布 Gaia2 基准与 ARE 环境源码，给出多模型在模糊、噪声与时间推理任务上的实测结果，便于对照自身智能体能力。
Hugging Face BlogAI 评分5252 Open R1 发布 OpenR1-Math-220k 数学推理数据集
Open R1 项目发布首个大规模数学推理数据集 OpenR1-Math-220k，用 DeepSeek R1 在 512 张 H100 本地生成 400k 道题的解答，过滤后保留 220k 道含正确推理轨迹的题目。
Hugging Face BlogAI 评分2121 Hugging Face 发布 BenCzechMark：首个捷克语 LLM 综合评测基准
Hugging Face 发布 BenCzechMark，称其为首个也是最全面的捷克语 LLM 评测套件，含 50 项任务、9 个类别，90% 任务为原生非翻译内容。配套排行榜已收录 25 个以上不同规模的开源模型，覆盖阅读理解、事实知识、语言建模、数学推理等维度，评测指标包括 Acc、EM、AUROC 和词级困惑度。
Hugging Face BlogAI 评分3737 Meta 发布 CyberSecEval 2：评估 LLM 网络安全风险与能力的评测框架
Meta 推出 CyberSecEval 2，用于评估 LLM 生成不安全代码、抵抗提示词注入、配合网络攻击、滥用代码解释器以及自动化攻击性网络安全能力。相比 2023 年 12 月的首版，LLM 配合网络攻击请求的平均合规率从 52% 降至 28%。所有代码已开源，可接入排行榜。
Hugging Face BlogAI 评分4848 Hugging Face 研究：大语言模型能像人类一样标注数据吗？
Hugging Face 用 327 条提示词（含 25 条编程类）对 Koala 13b、Vicuna 13b、OpenAssistant 12b、Dolly 12b 四个开源指令模型做盲测，由 Scale AI 标注者按 1-8 Likert 量表打分并生成 Elo 排名，Vicuna-13B 以 1140 居首，Dolly-12B 以 802 垫底。