128K长上下文+智能体强化训练！LFM2.5-2.6B解锁端侧大模型高效部署；DETR用Transformer斩断NMS与Anchor，重塑目标检测

随着 AI 智能体逐渐从云端走向终端如何在有限算力与内存下实现高质量的任务执行成为关键。LFM2.5-2.6B 面向这一需求打造基于 LFM2 架构并引入 128K 长上下文与智能体强化训练在工具调用、指令遵循和多步骤任务中展现出越级性能可与参数规模大 4 倍的模型竞争。模型还针对主流智能体框架进行训练优化提升实际应用中的兼容性。更值得关注的是其在 Apple M5 Max 上推理速度可达 220 tok/sAMD Ryzen CPU 上达 113 tok/s内存占用低于 2.5GB在轻量化与高性能之间实现良好平衡为端侧智能体部署提供了新的选择。目前HyperAI超神经官网已上线了「LFM2.5-2.6B端侧部署的高效 Agent 推理模型」快来试试吧~在线使用LFM2.5-2.6B: An Efficient Inference Model for Edge-Side Deployment of Agents | Notebooks | HyperAI8 月 7 日- 8 月 13 日hyper.ai 官网更新速览* 优质公共数据集5 个* 优质教程精选6 个* 热门百科词条5 条* 8 月截稿顶会3 个访问官网hyper.ai公共数据集精选1.GLM-5.2-Conversation 对话轨迹数据集GLM-5.2-Conversation 是一个对话轨迹数据集旨在为对话式大模型的监督微调SFT与推理能力蒸馏提供大规模的中英文问答语料。该数据集包含 50,000条由 GLM-5.2 在 High 推理模式下生成的对话轨迹样本每条样本由用户提问与模型完整推理回复组成覆盖编程、数学、物理、创意写作、逻辑问答等话题领域。在线使用GLM-5.2-Conversation Dialogue Trajectory Dataset | Datasets | HyperAI2. XYZ-Aquila SFT 智能体多轮轨迹数据集XYZ-Aquila SFT 是由 XYZAILab 发布的搜索型智能体Agent多轮轨迹数据集旨在为搜索型 Agent 的监督式微调SFT提供高质量的双语多轮工具调用轨迹数据。该数据集共包含 7,000 条多轮搜索导向的工具使用轨迹其中英文示例 5,000 条中文示例 2,000 条。该数据集为 XYZ-Aquila-mini 与 XYZ-Aquila-pro 模型所用监督微调语料的抽样每条样本都完整记录一次智能体交互过程涵盖了搜索工具调用、中间观察结果及中英文回答生成过程。在线使用XYZ-Aquila SFT Agent Multi-Wheel Trajectory Dataset | Datasets | HyperAI3. Recursive-Task-Synthesis 合成递归任务数据集Recursive-Task-Synthesis 是一个合成递归任务数据集专门用于命令行 AI Agent 的强化学习与能力评估旨在为研究者提供经可执行验证的实战任务实例。该数据集包含 37,484 个经过验证的命令行任务实例每个任务实例均配有自然语言指令、参考解答、任务源数据以及预配置的 Docker 运行环境任务覆盖软件开发、系统运维、脚本编写等多个技术领域。在线使用Recursive-Task-Synthesis Dataset | Datasets | HyperAI4. PROTECT-90 电力系统保护故障数据集PROTECT-90 是一个电力系统保护故障波形数据集旨在为电力系统保护与暂态分析研究提供标准化、可复现的基准数据。该数据集包含 9,022 个电磁暂态Electromagnetic Transient简称 EMT仿真案例所有案例均在标准的 90 kV 双回线拓扑结构下生成每个片段提供 1 秒的同步三相电压与电流波形采样率 6.4 kHz每 50 Hz 周期 128 个采样点记录于 8 个保护相关测量位置共 48 个同步波形通道。在线使用PROTECT-90 Power System Protection Fault Dataset | Datasets | HyperAI5.Maritime Continent Satellite Weather 海洋性大陆卫星气象数据集Maritime Continent Satellite Weather 是一个面向海洋性大陆区域的卫星气象图像数据集旨在探索深度学习在气象预报与短临预报Nowcasting中的应用并支持降雨预测、雷暴识别及多模态模型融合等研究。该数据集包含 95,036 张按小时采集的 Himawari-8/9 卫星红外图像帧并与气象数据配对涵盖海洋性大陆西部区域东南亚及马六甲海峡区域覆盖新加坡、印度尼西亚、马来西亚及泰国等国家并配套上述国家的 23 个城市的地面天气数据每个城市文件包含 97,056 行数据。在线使用Maritime Continent Satellite Weather Dataset | Datasets | HyperAI公共教程精选1. LFM2.5-2.6B端侧部署的高效 Agent 推理模型LFM2.5-2.6B 由 Liquid AI 于 2026 年 8 月发布是 LFM2.5 系列面向端侧部署的轻量级混合架构语言模型支持 128K 超长上下文并具备较强的智能体工具调用能力。模型采用 22 个双门控短卷积模块与 8 个 GQA 模块在性能与计算效率间取得平衡并通过智能体强化学习进行后训练可用于 Agent 工作流、长文档理解、RAG 及端侧推理等场景。在线运行LFM2.5-2.6B: An Efficient Inference Model for Edge-Side Deployment of Agents | Notebooks | HyperAIDemo 页面2. NLP 教程基于 DeBERTa 的专利短语相似度匹配该教程面向 NLP 初学者以专利短语相似度匹配为案例从零讲解自然语言处理核心流程。教程基于 Microsoft DeBERTa-v3和HuggingFace Transformers涵盖数据探索、分词、模型训练与评估可用于专利文本相似度分析、语义搜索、文本分类与回归等任务。在线运行NLP Tutorial: Patent Phrase Similarity Matching Based on DeBERTa | Notebooks | HyperAI3. DETR使用 Transformer 进行端到端目标检测DETRDEtection TRansformer由 Facebook AI ResearchFAIR于 2020 年发布是一种端到端目标检测模型将目标检测重新定义为直接集合预测问题以 Transformer 架构替代传统检测器中的 NMS、Anchor 等复杂后处理流程。模型采用 Encoder-Decoder 结构和 Object Queries并通过匈牙利算法实现预测结果与真实目标的二分图匹配可用于目标检测以及实例分割、全景分割等视觉任务。在线运行https://go.hyper.ai/eVfK14. GAN-BERT基于生成对抗网络的半监督文本分类GAN-BERT 由罗马第二大学 Tor Vergata 团队联合亚马逊于 2020 年 7 月发布在 BERT 微调中引入生成对抗网络GAN通过生成器与判别器协同训练在仅需少量标注数据的情况下实现高效文本分类。在 TREC 细粒度问题分类任务中仅使用 109 条标注样本便达到 41.8% 准确率显著优于传统 BERT 的 13.6%。在线运行GAN-BERT: Semi-Supervised Text Classification Based on Generative Adversarial Networks | Notebooks | HyperAI5. Inflect-Micro-v210M 参数以下的 TTSInflect-Micro-v2 由 Owen Song 于 2026 年 4 月发布是一款轻量级端到端文本转语音TTS模型仅含约 935.7 万个可部署参数FP32 模型仅 37.53 MB支持 CPU 与 CUDA 推理。模型基于 VITS 架构无需额外声码器即可直接生成 24 kHz 单声道语音并支持长文本分段、停顿控制与确定性种子复现适用于本地语音合成、边缘设备部署及文本朗读等场景。在线运行https://go.hyper.ai/oAocJDemo 页面6. DeePMD-kit深度势能分子动力学教程DeePMD-kit 由 DeepModeling 社区于 2018 年首次发布是一款基于深度学习的分子动力学模拟工具包通过神经网络学习 ab initio 计算数据中的原子间势能面实现接近第一性原理精度的大规模分子模拟。该工具支持 TensorFlow、PyTorch、JAX、PaddlePaddle 等多种深度学习框架并可与 LAMMPS、GROMACS 等主流分子动力学软件集成曾凭借高性能计算应用获得 2020 年 ACM Gordon Bell 奖。其广泛应用于材料结构预测、化学反应路径探索、催化剂设计及蛋白质相互作用模拟等领域。在线运行https://go.hyper.ai/F0H9W热门百科词条精选1. 光学字符识别 OCR2. 世界动作模型 WAM3. 遥感 Remote Sensing4. 故障词元 Glitch Token5. 生成型预训练变换模型 GPT这里汇编了数百条 AI 相关词条让你在这里读懂「人工智能」Wiki | HyperAI8 月截稿顶会* 截稿时间为 AoE 时间一站式追踪人工智能学术顶会https://go.hyper.ai/event以上就是本周编辑精选的全部内容如果你有想要收录 hyper.ai 官方网站的资源也欢迎留言或投稿告诉我们哦下周再见