Microsoft 与 Hugging Face 发布 ThinkingBox 智能体评测基准
Microsoft 与 Hugging Face 发布 ThinkingBox 和 ThinkingBox-Bench，用数据库终态及副作用评估 AI 智能体是否真正完成业务工作流，并将每项任务独立运行 20 次衡量一致性。
推荐理由：ThinkingBox 将评估焦点从对话和工具调用转向数据库终态，并通过每项任务重复运行衡量一致性，为检验智能体是否可靠完成业务流程提供了可复用基准。
#Hugging Face
Hugging Face Blog精选AI 评分8080
Hugging Face Blog精选AI 评分7070 Asta 团队开源 AstaBrief 8B 科学报告生成模型
Asta 团队开源 AstaBrief 8B，这是一款根据研究问题和检索到的文献片段生成带引用报告的模型，也已作为 Asta 的 Fast 模式上线。该模型以 Qwen3-8B 为基础，开放模型权重和训练数据；在 Asta 全流程中，Fast 模式平均每份报告耗时 51.1 秒，Thinking 模式为 178.5 秒，约快 3.5 倍。
推荐理由：AstaBrief 的训练经验显示，筛除低引用密度样本比尝试更复杂的过滤组合更有效，为科学报告模型的数据筛选提供了具体参考。
Hugging Face Blog精选AI 评分6969 AutoSynthData 如何为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，根据目标模型的失败和更强教师模型的成功生成、验证训练任务，并用于模型微调。
推荐理由：文章展示了从模型失败提炼能力缺口、生成并验证训练任务的流程，并报告该方法在 EnterpriseOps Gym 两个领域的微调结果。
Hugging Face Blog精选AI 评分6464 Hugging Face 推出 Open TTS Leaderboard，多维评测多语言语音合成与音色克隆
Hugging Face 推出 Open TTS Leaderboard，使用客观指标评测开源 TTS 模型的可懂度、速度和说话人相似度。排行榜支持多语言与音色克隆比较，并提供试听和投票功能；流式性能按首段音频时间（TTFA）衡量，可查看 H200 GPU 和部分 CPU 结果。该排行榜补充而不取代人工偏好评测，评测脚本计划随后开源。
推荐理由：排行榜将多语言语音合成、音色克隆和流式延迟纳入同一评测框架，并与人工偏好投票互补，呈现开源 TTS 模型比较中的不同维度。
Hugging Face Blog精选AI 评分6767 ProvenanceGuard 论文提出面向 MCP 智能体的来源感知事实核验
ProvenanceGuard 研究提出一种面向 MCP 智能体的生成后核验层，逐条检查回答中的主张是否得到其所指来源的支持，并输出来源判定及整体放行或拦截结果。在医疗智能体测试中，系统从 361 条主张中拦截了专家判定不应通过的 139 条中的 138 条，同时拦截了 67 条专家认为有支持的主张；对可识别来源的主张，来源判断准确率约为 86%。
推荐理由：研究针对MCP智能体把事实归到错误来源的问题，展示逐条核验来源的流程及其在医疗记录数据上的测试结果。
Hugging Face Blog精选AI 评分8080 H Company 发布 Holo4 智能体模型系列，提供 27B 与 35B-A3B 两种规格
H Company 发布 Holo4 智能体模型系列，包含 27B dense 和 35B-A3B MoE 两种规格，并在 H Models API 提供使用。模型可通过 GUI、代码、MCP 和 API 与软件交互，并针对桌面、网页、Android、代码沙盒及业务 API 等环境开展工作。H Company 还发布了 Holotron4 Nano，并开源模型权重及公开基准测试的执行轨迹。
推荐理由：Holo4将GUI操作、代码执行与MCP或API工具调用纳入同一模型系列，并提供跨桌面、网页和Android等环境的使用方式。
Hugging Face Blog精选AI 评分7272 Hugging Face Hub 新增 RL Environments 筛选与框架标签
Hugging Face Hub 为 RL Environments 新增专属筛选，并允许数据集通过框架标签标示兼容性。首批登记 Harbor、Verifiers、OpenEnv 和 NeMo Gym，页面会为每个框架生成运行命令；环境仍以数据集仓库形式托管，框架负责运行。该更新不新增仓库类型、注册中心或注册流程。
推荐理由：这次更新把 RL 环境作为带兼容性标签的数据集纳入 Hub，集中展示不同框架可加载的任务，并保留各框架运行环境的职责。
Mistral AIAI 评分5454 Mistral 与 HUMAIN 宣布合作推进沙特及中东主权 AI
Mistral 与 HUMAIN 宣布建立战略合作，计划在沙特及中东地区推进 AI 基础设施、先进模型开发和 AI 解决方案部署。双方将探索模型本地化，初期聚焦网络安全和语音，并计划开发阿拉伯语表现强劲的前沿模型；合作规模达数亿欧元。