NVIDIA Nemotron 团队公布 IOI 2026 与 IMO 2026 双金牌级别微调结果
NVIDIA 在 Hugging Face 博客公布，基于 Nemotron 3 微调的系统在 IOI 2026 与 IMO 2026 上同时达到金牌级别。
推荐理由：展示了同一基座在算法竞赛与数学奥赛两条赛道上达到金牌水平所用的微调与推理组合策略，并公开了数据集与复现入口。
#评测/基准
Hugging Face Blog精选AI 评分8484
GitHub Blog · AI & MLAI 评分4848 GitHub 发布开源代码审查基准 ReviewBench，覆盖 219 个真实 PR
GitHub 发布开源代码审查基准 ReviewBench，含 219 个跨 19 种语言的公开 PR，与 1.039 亿个 GitHub 真实 PR 对齐分布。它通过人类评审、前端 frontier LLM 与静态分析构建多源 golden set，由资深工程师独立标注并达 96.6% 一致率。该基准已用于 Copilot 代码审查（CCR）的离线评估，并被验证其离线指标变化方向与线上实验一致。
Hugging Face BlogAI 评分2626 ThinkingBox：AI 智能体说完成，数据库却不同意
Microsoft 与 Hugging Face 推出 ThinkingBox，通过隔离的 MCP 工具会话检查 AI 智能体留下的终端后端状态与副作用，而非只看回答和工具调用。
Hugging Face BlogAI 评分3535 Hugging Face 发布 Open TTS Leaderboard，主打开源与多语言语音合成可扩展评测
Hugging Face 推出 Open TTS Leaderboard，采用客观指标对开源及多语言 TTS 模型进行可扩展评测，覆盖英文、中文等多语种 Seed TTS Eval 与 CV3 Eval 数据集，并加入声音克隆（voice cloning）维度的说话人相似度对比。
Import AIAI 评分3333 Import AI 469：科学 AI、递归自我改进模拟器与 Zuck 的技术悲观主义
DiG-bench 是一个由牛津、普林斯顿、Swiss AI Lab 等机构联合发布的游戏发现基准，包含 70 个隐藏规则的小型交互游戏，目前 21 个已公开、其余私有，用于衡量模型在未知环境中通过探索发现规则的能力。