128K 长上下文+智能体强化训练！LFM2.5-2.6B 解锁端侧大模型高效部署；DETR 用 Transformer 斩断 NMS 与 Anchor，重塑目标检测

1 小时前

随着 AI 智能体逐渐从云端走向终端，如何在有限算力与内存下实现高质量的任务执行成为关键。 LFM2.5-2.6B 面向这一需求打造，基于 LFM2 架构并引入 128K 长上下文与智能体强化训练，在工具调用、指令遵循和多步骤任务中展现出越级性能，可与参数规模大 4 倍的模型竞争。模型还针对主流智能体框架进行训练优化，提升实际应用中的兼容性。更值得关注的是，其在 Apple M5 Max 上推理速度可达 220 tok/s，AMD Ryzen CPU 上达 113 tok/s，内存占用低于 2.5GB，在轻量化与高性能之间实现良好平衡，为端侧智能体部署提供了新的选择。

目前，HyperAI 超神经官网已上线了「LFM2.5-2.6B：端侧部署的高效 Agent 推理模型」，快来试试吧~

在线使用：https://go.hyper.ai/rbtpt

8 月 7 日- 8 月 13 日，hyper.ai 官网更新速览：

* 优质公共数据集：5 个

* 优质教程精选：6 个

* 热门百科词条：5 条

* 8 月截稿顶会：3 个

访问官网：hyper.ai

公共数据集精选

1. GLM-5.2-Conversation 对话轨迹数据集

GLM-5.2-Conversation 是一个对话轨迹数据集，旨在为对话式大模型的监督微调（SFT）与推理能力蒸馏提供大规模的中英文问答语料。该数据集包含 50,000 条由 GLM-5.2 在 High 推理模式下生成的对话轨迹样本，每条样本由用户提问与模型完整推理回复组成，覆盖编程、数学、物理、创意写作、逻辑问答等话题领域。

在线使用：https://go.hyper.ai/T2GCb

2. XYZ-Aquila SFT 智能体多轮轨迹数据集

XYZ-Aquila SFT 是由 XYZAILab 发布的搜索型智能体（Agent）多轮轨迹数据集，旨在为搜索型 Agent 的监督式微调（SFT）提供高质量的双语多轮工具调用轨迹数据。该数据集共包含 7,000 条多轮搜索导向的工具使用轨迹，其中英文示例 5,000 条，中文示例 2,000 条。该数据集为 XYZ-Aquila-mini 与 XYZ-Aquila-pro 模型所用监督微调语料的抽样，每条样本都完整记录一次智能体交互过程，涵盖了搜索工具调用、中间观察结果及中英文回答生成过程。

在线使用：https://go.hyper.ai/t7r54

3. Recursive-Task-Synthesis 合成递归任务数据集

Recursive-Task-Synthesis 是一个合成递归任务数据集，专门用于命令行 AI Agent 的强化学习与能力评估，旨在为研究者提供经可执行验证的实战任务实例。该数据集包含 37,484 个经过验证的命令行任务实例，每个任务实例均配有自然语言指令、参考解答、任务源数据以及预配置的 Docker 运行环境，任务覆盖软件开发、系统运维、脚本编写等多个技术领域。

在线使用：https://go.hyper.ai/ZsQ2L

4. PROTECT-90 电力系统保护故障数据集

PROTECT-90 是一个电力系统保护故障波形数据集，旨在为电力系统保护与暂态分析研究提供标准化、可复现的基准数据。该数据集包含 9,022 个电磁暂态（Electromagnetic Transient，简称 EMT）仿真案例，所有案例均在标准的 90 kV 双回线拓扑结构下生成，每个片段提供 1 秒的同步三相电压与电流波形，采样率 6.4 kHz（每 50 Hz 周期 128 个采样点），记录于 8 个保护相关测量位置，共 48 个同步波形通道。

在线使用：https://go.hyper.ai/epqXm

5. Maritime Continent Satellite Weather 海洋性大陆卫星气象数据集

Maritime Continent Satellite Weather 是一个面向海洋性大陆区域的卫星气象图像数据集，旨在探索深度学习在气象预报与短临预报（Nowcasting）中的应用，并支持降雨预测、雷暴识别及多模态模型融合等研究。该数据集包含 95,036 张按小时采集的 Himawari-8/9 卫星红外图像帧，并与气象数据配对，涵盖海洋性大陆西部区域（东南亚及马六甲海峡区域，覆盖新加坡、印度尼西亚、马来西亚及泰国等国家），并配套上述国家的 23 个城市的地面天气数据，每个城市文件包含 97,056 行数据。

在线使用：https://go.hyper.ai/2dOI3

公共教程精选

1. LFM2.5-2.6B：端侧部署的高效 Agent 推理模型

LFM2.5-2.6B 由 Liquid AI 于 2026 年 8 月发布，是 LFM2.5 系列面向端侧部署的轻量级混合架构语言模型，支持 128K 超长上下文，并具备较强的智能体工具调用能力。模型采用 22 个双门控短卷积模块与 8 个 GQA 模块，在性能与计算效率间取得平衡，并通过智能体强化学习进行后训练，可用于 Agent 工作流、长文档理解、 RAG 及端侧推理等场景。

在线运行：https://go.hyper.ai/rbtpt

2. NLP 教程：基于 DeBERTa 的专利短语相似度匹配

该教程面向 NLP 初学者，以专利短语相似度匹配为案例，从零讲解自然语言处理核心流程。教程基于 Microsoft DeBERTa-v3 和 HuggingFace Transformers，涵盖数据探索、分词、模型训练与评估，可用于专利文本相似度分析、语义搜索、文本分类与回归等任务。

在线运行：https://go.hyper.ai/3R3Yp

3. DETR：使用 Transformer 进行端到端目标检测

DETR（DEtection TRansformer）由 Facebook AI Research（FAIR）于 2020 年发布，是一种端到端目标检测模型，将目标检测重新定义为直接集合预测问题，以 Transformer 架构替代传统检测器中的 NMS 、 Anchor 等复杂后处理流程。模型采用 Encoder-Decoder 结构和 Object Queries，并通过匈牙利算法实现预测结果与真实目标的二分图匹配，可用于目标检测，以及实例分割、全景分割等视觉任务。

在线运行：https://go.hyper.ai/eVfK1

4. GAN-BERT：基于生成对抗网络的半监督文本分类

GAN-BERT 由罗马第二大学 Tor Vergata 团队联合亚马逊于 2020 年 7 月发布，在 BERT 微调中引入生成对抗网络（GAN），通过生成器与判别器协同训练，在仅需少量标注数据的情况下实现高效文本分类。在 TREC 细粒度问题分类任务中，仅使用 109 条标注样本便达到 41.8% 准确率，显著优于传统 BERT 的 13.6% 。

在线运行：https://go.hyper.ai/ujIry

5. Inflect-Micro-v2：10M 参数以下的 TTS

Inflect-Micro-v2 由 Owen Song 于 2026 年 4 月发布，是一款轻量级端到端文本转语音（TTS）模型，仅含约 935.7 万个可部署参数，FP32 模型仅 37.53 MB，支持 CPU 与 CUDA 推理。模型基于 VITS 架构，无需额外声码器即可直接生成 24 kHz 单声道语音，并支持长文本分段、停顿控制与确定性种子复现，适用于本地语音合成、边缘设备部署及文本朗读等场景。

在线运行：https://go.hyper.ai/oAocJ

6. DeePMD-kit：深度势能分子动力学教程

DeePMD-kit 由 DeepModeling 社区于 2018 年首次发布，是一款基于深度学习的分子动力学模拟工具包，通过神经网络学习 ab initio 计算数据中的原子间势能面，实现接近第一性原理精度的大规模分子模拟。该工具支持 TensorFlow 、 PyTorch 、 JAX 、 PaddlePaddle 等多种深度学习框架，并可与 LAMMPS 、 GROMACS 等主流分子动力学软件集成，曾凭借高性能计算应用获得 2020 年 ACM Gordon Bell 奖。其广泛应用于材料结构预测、化学反应路径探索、催化剂设计及蛋白质相互作用模拟等领域。

在线运行：https://go.hyper.ai/F0H9W

💡我们还建立了 Stable Diffusion 教程交流群，欢迎小伙伴们扫码备注【SD 教程】，入群探讨各类技术问题、分享应用效果~