Hugging Face 发布面向学术研究发现的 Research Tracker MCP，用户可在 huggingface.co/settings/mcp 搜索添加，供 Claude Desktop、Cursor、Claude Code、VS Code 等客户端使用。
推荐理由：原文把研究检索拆成手动、脚本、MCP 三层抽象，并给出可直接添加的 Research Tracker 入口，便于读者迁移到自己工作流。
该资料为 OpenAI 开发者文档页面，主要介绍如何在 Responses API 中使用网络搜索（Web Search）功能。内容属于官方技术文档的使用说明。
Bright Data 通过 LlamaHub 原生集成 LlamaIndex，为 AI 智能体提供网页抓取、搜索与数据增强能力。
OpenAI 开发者文档发布了关于如何创建和运行评估（Evals）的快速入门指南，旨在帮助开发者开始使用其评估工具。
Hugging Face 与 Axolotl 在 Accelerate 中集成 ND 并行配置，可通过 ParallelismConfig 类或 Axolotl 配置字段组合 FSDP、DP、TP、CP 等并行策略。
OpenAI 发布文章介绍 GPT-5 在编码和设计方面带来的新可能性。
Hugging Face 宣布 TRL 扩展视觉语言模型（VLM）对齐能力，新增 Mixed Preference Optimization（MPO）、Group Relative Policy Optimization（GRPO）及其变体 GSPO，并扩展 RLOO 和 Online DPO 支持多模态。
OpenAI 发布 Cookbook 教程，讲解如何在本地硬件上用 LM Studio 运行 gpt-oss。LM Studio 是一款在本地硬件运行大语言模型的桌面应用，教程将引导用户完成本地运行 gpt-oss 的步骤。
推荐理由：OpenAI 官方 Cookbook 给出在本地硬件用 LM Studio 运行 gpt-oss 的完整步骤，可作为离线部署的操作参考。
LlamaIndex 发布教程，演示如何用 LlamaParse Index 解析并索引非结构化文档，再通过开源智能体框架接入 AI 智能体。教程以 JPMorgan Chase 存款账户披露文件为数据集，用 Claude Sonnet 4 搭建查询引擎与 FunctionAgent，可完成透支费、补卡费和止付费等复合计算。
OpenAI 开发者发布教程，讲解如何用 Ollama 在本地硬件上部署 gpt-oss-20b 或 gpt-oss-120b 并选择合适的推理设置。
推荐理由：来自 OpenAI 开发者官方的实操指南，读者可按步骤在自己硬件上用 Ollama 跑通 gpt-oss 两个规格模型。
OpenAI 开发者 Cookbook 发布教程，讲解如何结合 gpt-oss 与 Hugging Face Transformers 进行微调。文章由 Edward Beeching、Quentin Gallouédec 和 Lewis Tunstall 撰写，并从大型推理模型（如 OpenAI o3）通过生成思维链提升准确性的背景切入。
推荐理由：官方 Cookbook 教程给出用 Hugging Face Transformers 微调 gpt-oss 的具体路径，适合需要本地定制推理模型的开发者参考。
该资料仅提供了 OpenAI 开发者平台中关于 Function Calling（函数调用）和 Tool Calling（工具调用）的官方指南文档链接，未包含具体的新特性、变更说明或实质性内容摘要。
OpenAI 发布推理模型官方指南，概述推理模型的工作方式与提示方法。内容涵盖推理、规划、工具调用和结构化输出等主题，地址为 https://platform.openai.com/docs/guides/reasoning?api-mode=responses。
Mistral AI 发布教程，展示用 LoRA 在 Aerial Image Dataset 上微调 Pixtral-12B 做卫星图像分类，整体准确率从 0.56 升至 0.91，类别幻觉率从 5% 降至 0.1%，成本不超过 10 美元、训练样本 8,000 条、覆盖 30 个类别。
Hugging Face 博客演示如何用 Gradio 的 MCP 集成构建 AI 购物助手，让 LLM 浏览服装网站并调用 IDM-VTON 模型生成虚拟试穿效果。
Oxylabs 与 LlamaIndex 集成，为 LLM 提供网页抓取基础设施，可显著降低网页搜索成本。该集成通过 llama-index-readers-oxylabs 和 llama-index-readers-web 两个包，提供 Google、Amazon、YouTube 专用抓取器及通用网页抓取能力，能自动解析 HTML 并绕过反爬封锁。
Hugging Face 宣布 Parquet Content-Defined Chunking（CDC）现已在 PyArrow 和 Pandas 中可用，配合 Xet 存储层只上传或下载变化的数据块，降低 Parquet 文件传输和存储成本。
推荐理由：原文给出 CDC 在增删列、插入删除行等场景下的实测传输量对比和启用方法，读者可直接迁移到自己的数据集上传流程。
Liquid AI 与 .txt 展示如何用 LFM2-350M 和 dotgrammar 在端侧设备实现可靠的 LLM 函数调用。LFM2-350M 量化前内存低于 1 GB，常见边缘硬件上推理低于 100ms；dotgrammar 用上下文无关文法（CFG）约束输出，保证语法合法且不增加推理延迟。
Modal 工程团队在平台上部署 NVIDIA parakeet-tdt-0.6b-v2 与 canary-1b-flash 开源 ASR 模型，对约一周（7×24 小时）ESB 基准音频做批量转写，结果比所测专有 API 快 112 倍或便宜 200 倍，且错误率略低，实现了一分钟内以 1 美元转写一周音频。
推荐理由：原文给出可复现的批量转录优化方法与端到端实测数据，读者可以据此在自己的语音转写服务中权衡成本与吞吐。
Hugging Face 发布针对 Flux.1-Dev 的 LoRA 快速推理优化教程，结合 Flash Attention 3、torch.compile 和 FP8 量化，在 H100 上实现约 2.23x 提速。
推荐理由：原文给出可复现的 Flux LoRA 推理优化配方和实测延迟数据，覆盖 H100 与 RTX 4090 两种硬件场景，方法可直接迁移到自己的部署流程。
OpenAI 开发者文档发布了一篇关于 Conversation State（对话状态）的指南，解释了如何在 Responses API 中持久化上下文以支持多轮对话，涉及工具调用和函数调用等场景。
OpenAI 开发者文档发布了一篇关于 Flex Processing（弹性处理）的指南，主要介绍如何通过该功能降低 API 调用成本。资料仅提供了标题和链接，未包含具体的实施步骤、适用场景或节省比例等详细信息。
OpenAI 开发者文档更新了 Batch API 的使用指南，主要介绍如何通过该接口批量处理请求以降低调用成本。
OpenAI 开发者文档发布了一篇关于 Responses API 中“后台模式”（Background mode）的指南，主要介绍如何异步处理长时间运行的操作，涉及工具调用和函数调用等场景。
NVIDIA 与 Hugging Face 宣布，NIM 推理微服务现在可用单个 Docker 容器部署 Hugging Face 上超过 100,000 个 LLM。
该资料为 OpenAI 开发者文档页面，主要介绍如何配置和运行评估（Evaluations），涉及 Evals API 的具体使用方法。
OpenAI Developers 发布了关于 Realtime API 和音频处理的官方指南，内容涵盖如何构建实时语音代理、进行实时翻译以及实现流式转录。该指南主要面向开发者，提供低延迟场景下的技术实现参考。
OpenAI Developers 发布了 Agents SDK 的快速入门文档，提供启动代码示例，旨在帮助开发者在几分钟内构建第一个 AI Agent。内容涵盖 Agent 基础、工具调用等核心概念。
OpenAI 开发者文档发布了一篇关于如何使用 Realtime API 构建实时语音翻译应用的指南，涵盖了低延迟流式音频处理等技术要点。
Mooncake团队基于OME和SGLang框架，在128张H200 GPU集群上完成了Moonshot AI 1万亿参数开源MoE模型Kimi K2的大规模部署。该方案采用PD分离与大规模专家并行技术，针对模型384个专家和每token 320亿激活参数的设计进行优化，通过跨节点通信优化与负载均衡策略，显著提升了trillion-scale模型的推理吞吐与并发处理能力。
Hugging Face 发文为机器学习工程师解读 Arc Institute 的 Virtual Cell Challenge，目标是训练模型预测 CRISPR 沉默基因后对（部分未见）细胞类型的影响，即上下文泛化任务。
OpenAI Developers 发布了一篇关于 Computer Use API 的指南，介绍了基于计算机使用代理（CUA）的相关功能。该资料主要指向官方文档链接，未包含具体的技术细节、代码示例或新的能力变更说明。
该资料为 OpenAI 开发者文档中的“内置工具指南”页面，主要介绍平台当前可用的内置工具及其具体用法，属于 API 开发文档的一部分。
OpenAI Developers 发布了关于如何创建和管理 Agents 的指南，内容涉及 Agents SDK、agentic 模式及工具调用。该资料仅提供了文档链接和简短描述，未包含具体技术细节或代码示例。
Manus 团队成员 Yichao 'Peak' Ji 撰文分享构建 Manus 智能体的上下文工程经验，核心原则包括围绕 KV-cache 命中率设计、用 logits 遮蔽而非移除工具、把文件系统当作终极上下文、通过复述待办列表操控注意力，以及保留错误和避免少样本陷阱。
推荐理由：Manus 团队复盘构建智能体的上下文工程经验，KV缓存、工具遮蔽和文件记忆等做法可直接迁移到读者的 Agent 项目。
NVILA 团队发布技术博客，详解如何在 SGLang 推理框架中集成新型视觉语言模型。文章以 NVILA 为实践案例，提供从模型适配、推理优化到部署的完整开发指南与代码实践。随着多模态大模型成为行业焦点，该方案填补了 SGLang 生态在视觉理解模型支持方面的文档空白，为开发者快速接入新 VLM 提供了标准化技术路径与最佳实践。
Hugging Face 宣布 Hub 存储后端从 Git LFS 迁移到 Xet，半年内 50 万个仓库、20PB 数据完成迁移，用户超 100 万，5 月起对新用户默认启用。
推荐理由：作者复盘了 Hub 从 Git LFS 迁到 Xet 的架构与经验，读者可借此了解大规模无感迁移的做法和后续变化。
OpenRouter的灵活模型路由现已集成到Cursor，用户可在Cursor中直接调用Moonshot AI的Kimi K2模型进行编码操作。
OpenRouter 宣布其灵活模型路由支持在 Cursor 中运行月之暗面的 Kimi K2。用户可直接在 Cursor 中调用 OpenRouter 路由的模型，无需额外配置。
推荐理由：一篇将 OpenRouter 模型接入 Cursor 的实操指南，虽然已过时三百多天，但对想免配置用 Kimi K2 的 Cursor 用户仍有参考价值。
Hamel Husain 与 Ben Clavié 整理了关于 RAG 未来 的七集开放系列文章，核心观点是 2023 年那种单向量余弦相似度检索已过时，但检索本身比以往更重要，长上下文窗口也不会终结 RAG。