NVIDIA 发布开源表格基础模型 Kumo Tabular，支持分类和回归任务，能在单次前向传播中直接预测新行标签，无需训练、调优或特征工程。该模型提供 28M 到 215M 参数三种规格，完全基于人工合成数据预训练，并在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准测试中排名第一。
推荐理由：原文展示了无需训练即可预测表格数据的零样本能力，并给出了在多个基准测试中兼顾精度与效率的具体排名。
Hugging Face 推出 ProvenanceGuard，一种针对基于 MCP 的 LLM 智能体的源感知事实性验证层。它通过保留证据来源身份，检测跨源混淆错误，在医疗场景测试中成功拦截了 138/139 个专家判定无效的声明，并准确识别约 86% 的来源归属。
Liquid AI 发布了针对视觉语言模型 LFM2.5-VL-3B 的实验性 DSpark 草稿模型，通过推测解码技术在不改变输出质量的前提下显著提升推理速度。
本文介绍了一种基于 Strands Robots SDK 的机器人数据闭环工作流，利用 Hugging Face Storage Buckets 实现从演示记录、数据集同步到模型训练及硬件部署的全流程自动化。
推荐理由：展示了如何利用 Hugging Face Storage Buckets 和 Strands Agents 构建机器人数据闭环，通过字节级去重和流式读取优化训练效率。
Hugging Face 与 Cerebras 联合演示了一个开源、模块化的实时语音转语音（Speech-to-Speech）架构。
推荐理由：展示了基于 Gemma 4 和 Cerebras 的开源级联语音架构，为开发者提供了低延迟实时语音交互的可复用方案。