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 Microsoft ResearchAI 评分2525 微软研究院播客：Jennifer Neville 谈 AI 的失败与评估启示
微软研究院播客邀请 partner research manager Jennifer Neville 与应用科学家 Chad Atalla 对谈，探讨评估在推动 AI 系统性能边界、满足用户需求中的作用，以及模型在传统 benchmark 之外出现的"意外失败"。
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。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon，主打 1M token 长链推理与网络安全防御
Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，面向软件工程、法律与金融知识工作以及网络安全防御等长链路复杂流程。模型输出 token 上限从 64K 提升到 1M，定价为输入 $2 / 输出 $10 每百万 token，缓存输入享 95% 折扣。
推荐理由：官方一次性放出 1M 输出 token、$2/$10 per M tokens 定价与 Fairwind 安全分阶段策略，方便和同代前沿模型直接做能力与部署节奏比较。
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。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 发布两款文本转语音模型 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS，分别面向深度创意角色设计与高吞吐低成本场景。
推荐理由：两款 TTS 模型在多角色台词导演、长音频一致性和音色克隆安全机制上做了系统级说明，读者可对照自身配音与多语种本地化场景评估。
Mistral AIAI 评分5757 Mistral 发布 Agentic Search，提供多步导航式文档问答能力
Mistral 推出 Agentic Search，作为 Mistral Search Toolkit 与 Libraries（Studio、Vibe 内置）的检索组件，模型可对 search、open、navigate、read、grep 五种工具进行多轮调用，从而在长文档与跨源场景中查找、打开并核验信息。