作者在 HuggingChat 中开启 ML-intern，用提示词驱动智能体完成数据构建、训练、评测与发布，几天内做出六个模型，总计算成本约 103 美元。其中把 Qwen-Image 2.1 的 9B 提示词改写器蒸馏成 0.8B 版本，可在 CPU 上运行，输出有效率 99.7%，token 用量约为教师模型的四分之一。作者公开了七个提示词，并建议在提示中要求基线分数、冒烟测试和预算上限。
推荐理由：作者用 ML Intern 从零训练六个小模型的完整提示词与成本清单，可迁移到自己的微调与蒸馏流程。
Liquid AI 发布开源决策模型 d1-3B 和实验性 d1-omni-600M，基于 Liquid Foundation Models（LFMs）构建，不生成 token 而是单次前向传播给出答案。
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一个 1.6B 参数的语音识别模型，重点支持阿联酋方言，同时覆盖英语、法语、西班牙语和葡萄牙语。在六个阿拉伯语测试集上，其平均 WER 为 20.92%，优于所用榜单快照中最佳公开结果 23.17%；内部阿联酋方言评测中 WER 22.73%、CER 10.19%，比 Qwen3-Omni 低 4.07 个百分点。
NVIDIA 团队从 Nemotron 3 出发，用 SFT、RL 和反馈驱动的推理流程做出两个专家系统，在 IOI 2026 得 535.4/600、IMO 2026 得 30/42，均超过各自金牌线。
推荐理由：原文公开了微调配方、数据集与推理流水线，读者可据此复现领域专家模型的训练与验证流程。
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，按终端后端状态和副作用而非生成文本打分，并让每个任务重复 20 次。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非工具调用判断成败，并给出 20 次重复下的稳定性与成本数据。
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例和更强教师的成功案例，生成并验证新的可执行训练任务，用于企业智能体的后训练。每个任务由系统规范、用户提示词和验证器组成，需满足可行性、真实性和难度三项属性。随着模型改进，课程会自动转向其仍难以完成的能力缺口。
Hugging Face 推出 Open TTS Leaderboard，用客观指标评测开源多语言 TTS 与声音克隆模型，把评测耗时从数周投票缩短到数小时。