Hugging Face 将 huggingface_hub 的发版周期从每 4 到 6 周缩短到每周一次，整套流程跑在单个 GitHub Actions workflow 上，由 OpenCode 驱动开放权重模型（当前为 Z.ai 的 GLM-5.2）起草 release notes 和 Slack 公告。
推荐理由：Hugging Face 公开了每周发版的完整 CI 流程，其中模型起草加确定性校验的循环可直接迁移到其他项目。
Google Chrome 团队开发者关系工程师 Thomas Steiner 在 Hugging Face 博客中，试验了拟议的 Cross-Origin Storage（COS）API 如何解决 Transformers.js 的跨源缓存重复问题。
Jason Liu 分享了他使用 OpenAI Codex 保存上下文、管理复杂项目，让工作不再局限于单次提示词。Codex 可帮助任务在单个 prompt 之外持续推进。
Hugging Face 博客介绍了用本地模型 Gemma 和 Qwen 在 agent harness 中对 OpenClaw 仓库的 issue 和 PR 做分类分诊的方案。
推荐理由：作者用本地模型加受限 shell 做 PR 分类，给出了可复用的 agentic classification 配方与实测对比数据。
Hugging Face 在 PEFT 库中对比了 LoRA 之外的多种参数高效微调技术，并指出仅凭论文结果难以判断哪种技术最优。其统计显示，Hugging Face Hub 上提及单一 PEFT 技术的 20,834 个模型卡中有 20,509 个（98.4%）提到 LoRA，外部站点 10,000 个图像生成 checkpoint 中 7,111 个为 LoRA。
AWS 开源的 Strands Robots SDK（Apache 2.0）把 LeRobot 栈封装成 AgentTools，让一个 Strands 智能体在单次循环里完成仿真录制演示、推送 LeRobotDataset 到 Hub、跑策略、再以改一个关键字参数的方式部署到实体 SO-101，并通过 Zenoh 对等网格广播指令到多台机器人。
推荐理由：AWS 团队给出从 Hub 数据集到实体机器人的五步流程，可看到仿真与真机共用同一数据集格式的工程取舍。
PyTorch 性能剖析系列第二部分用 nn.Linear（bias=True）替换手写的 matmul-add，并堆叠三层加激活构成 MLP，在 NVIDIA A100-SXM4-80GB 上分析 profiler trace。
Nextdoor 工程师借助 Codex 与 GPT-5.5 排查难以复现的问题、跨平台构建，并聚焦产品成果。
作者让编码智能体调用两个 Hugging Face Space，先由 ideogram-ai/ideogram4 生成六张巴黎地标图像，再由 VAST-AI/TripoSplat 从单图重建 3D Gaussian splat，最终拼装成可交互的静态 Space 画廊。
推荐理由：作者用一次真实搭建演示了如何让编码智能体串联两个 Space 完成图像到 3D 的流水线，方法可直接复用。
Hugging Face 发布教程，介绍如何保留 GitHub Actions 调度、把 CI 任务放到 Hugging Face Jobs 上运行，通过 huggingface/jobs-actions 桥接把 GitHub Actions 任务变成 HF Job 内的临时自托管 runner。
DharmaOCR 团队将 Direct Preference Optimization（DPO）用于结构化 OCR 任务，以正确转录为 chosen、退化循环为 rejected 构建偏好数据，在 SFT 之后追加第二阶段训练，使所有测试模型家族的文本退化率平均下降 59.4%，最高降幅 87.6%（Nanonets-OCR2-3B 从 1.61% 降至 0.20%）。
Braintrust 工程师借助 Codex 与 GPT-5.5 加快实验与编码速度，将客户需求转化为代码。
Hugging Face 发布 PyTorch 性能分析系列第一篇，讲解如何用 torch.profiler 分析矩阵乘法加法运算。
Hugging Face 让 Reachy Mini 机器人实现完全本地语音对话，无需云端和 API key。
Hugging Face 发布 AI Agent 术语表，聚焦常被混用的 harness、scaffold、agent、context engineering 等概念，并给出 Agent = Model + Harness 的实用心智模型。
Hugging Face 发文解析连续批处理中的异步化，指出默认同步批处理下 CPU 与 GPU 轮流工作，用 8B 模型、batch size 32 生成 8K tokens 时总耗时 300.6 秒，其中 24.0% 时间 GPU 处于空闲等待 CPU。
OpenAI 介绍 ChatGPT Work 在财务场景中的实用工作流，覆盖报表、差异分析、预测、月度复盘和可直接用于决策的财务交付物。
Hugging Face 发布系列文章，分析 AWS 基础设施如何与开源软件栈配合支撑基础模型全生命周期。
PipelineRL 在 vLLM V0 到 V1 迁移中通过修复四项问题让 V1 与 V0 参考对齐：processed_logprobs 语义、V1 专属运行时默认值、inflight 权重更新路径，以及最终投影所用的 fp32 lm_head。
OpenAI 本周在 Hugging Face Hub 发布开源 PII 检测模型 Privacy Filter，可在单次 128k 上下文前向传播中标注八类个人信息，采用 Apache 2.0 许可，1.5B 参数、50M 激活参数，在 PII-Masking-300k 基准上达到 SOTA。
推荐理由：文章给出三个基于 Privacy Filter 的可运行应用与 gradio.Server 前后端分工写法，可迁移到自己的 PII 脱敏工具。
OpenAI 发布 ChatGPT Work 实用工作流指南，覆盖重复性任务、进度更新、调研、规划与团队运营等日常办公场景。内容面向希望把 ChatGPT Work 落地到日常工作的团队，提供可直接套用的操作方式。
Hugging Face 发布教程，讲解如何在 Manifest V3 约束下用 Transformers.js 在 Chrome 扩展中运行本地 AI 功能，并以官方发布的 Gemma 4 浏览器助手扩展为参照。
OpenAI 发布教程，介绍如何在 ChatGPT 中构建和使用 workspace agents，以自动化可重复的工作流、连接工具并简化团队运营。
Sentence Transformers 现已支持训练和微调多模态嵌入与重排序模型，作者以 Qwen/Qwen3-VL-Embedding-2B 微调视觉文档检索（VDR）为例，微调后 NDCG@10 从基座的 0.888 提升至 0.947，超过其测试的所有现有 VDR 模型，包括参数量达其 4 倍的模型。
Hugging Face 发布了一个 Skill 和配套测试工具，帮助贡献者把 transformers 中的语言模型移植到 mlx-lm，使模型加入 transformers 后能较快在 MLX 上可用。
推荐理由：Hugging Face 公开了把 transformers 模型移植到 mlx-lm 的 Skill 与测试工具，读者可了解其流程与对评审者的减负方式。
OpenAI 发布指南，介绍如何用 ChatGPT 探索数据集、生成洞察、创建可视化，并将发现转化为可执行的决策。
OpenAI 发布面向初学者的 AI 基础指南，解释 AI 是什么、如何运作，以及 ChatGPT 这类工具如何使用大语言模型。内容为入门级科普，未涉及具体模型版本、参数或性能数据。
OpenAI 发布面向财务团队的 ChatGPT 工作流学习内容，覆盖财务分析、报告、规划与决策沟通等实用场景。内容聚焦如何将 ChatGPT 应用于财务日常工作流程。
ChatGPT 的 projects 功能可用于组织对话、文件和指令，管理持续推进的工作并提升协作效率。该指南介绍了如何借助 projects 更有效地开展协作。
OpenAI 发布指南，介绍如何用 ChatGPT 通过清晰的提示词创建和优化图像，并迭代设计方案，在几分钟内生成高质量视觉内容。
OpenAI 发布指南，介绍如何用 ChatGPT 做研究：收集来源、分析信息，并生成结构化、带引用的洞察。
OpenAI 介绍在 ChatGPT 中处理文件的实用方法，涵盖从查找信息到整理、转换文档，以及将文件用于工作流等场景。
OpenAI 发布提示词基础指南，讲解如何写出清晰有效的提示词，从而让 ChatGPT 给出更好、更有用的回答。内容面向希望提升提示词技巧的用户，聚焦提示词撰写的基本原则。
OpenAI 发布指南，介绍如何用 ChatGPT 的搜索与深度研究（deep research）功能获取最新信息、分析来源并生成结构化洞察。
OpenAI 发布指南，介绍如何用 ChatGPT 进行写作，完成内容的起草、修改与润色，并保持清晰的结构、语气和意图。
OpenAI 介绍如何用 ChatGPT 进行头脑风暴，把粗略想法整理成结构化、可执行的计划。内容涵盖激发创意与梳理思路，属于使用指南而非新功能发布。
OpenAI 发布面向销售团队的 ChatGPT 实用工作流，覆盖客户调研、会议准备、外联沟通、销售管道复盘与销售执行等环节。
OpenAI 发布指南，介绍使用 ChatGPT 等工具时在安全、准确性和透明度方面的最佳实践，以帮助用户负责任地使用 AI。
Anthropic 正限制 Pro/Max 订阅者在开放智能体平台中访问 Claude 模型，Hugging Face 建议将 OpenClaw、Pi、Open Code 等智能体迁移到开源模型。
NVIDIA 发布教程，介绍用单张 GPU 在不到一天内把通用嵌入模型微调为领域专用模型，全程无需人工标注。流程基于 NeMo Data Designer 生成合成问答对、用难负样本挖掘做对比学习，微调 Llama-Nemotron-Embed-1B-v2，在 NVIDIA 公开文档数据集上 Recall@10 与 NDCG@10 提升超过 10%。
推荐理由：NVIDIA 公开了从合成数据生成到 NIM 部署的完整嵌入模型微调流程，并给出可复现的评测数字。