StateBench：测试语言模型在长文档中的状态追踪能力
Hugging Face 推出长上下文状态追踪评测基准 StateBench，用于评估语言模型在长文档中跟踪实体状态变化的能力。该基准设 R-trivial、Aperiodic、Soluble 和 General finite 四个难度级别。
#Hugging Face
Hugging Face BlogAI 评分4848
Hugging Face BlogAI 评分5757 Collinear AI 发布网络安全评测基准 CWE-bench v2
Collinear AI 正式发布网络安全基准 CWE-bench v2，开源包含 100 个真实开源仓库任务的公开测试集，用于评测 AI 智能体发现并修复安全弱点的能力。
Hugging Face Blog精选AI 评分6363 Hugging Face 推出 Transformers 模型集成契约 MIC 与测试工具 tmic
Hugging Face 推出模型集成契约 transformers-mic 及 CLI 工具 tmic，通过将大模型缩减为轻量 fixture，在 CPU 上低成本运行集成测试以提前拦截代码回归缺陷。
推荐理由：原文展示了如何将超大模型缩减为保留关键算子的微型结构并在廉价硬件上运行，为模型库持续集成提供了可迁移的测试方法。
Mistral AI精选AI 评分8686 Mistral AI 开源发布 1 万亿参数多模态模型 Mistral Large 4 权重
Mistral AI 正式开源发布其 1 万亿参数原生多模态旗舰模型 Mistral Large 4（代号 Le Chonk）的权重。该模型在欧洲基础设施上从头训练，重点强化了智能体编码与防御性网络安全能力，并提供三种推理模式以平衡性能与推理成本。
推荐理由：原文给出了万亿参数开源权重的编码评测与部署细节，读者可以据此评估私有化主权部署与推理成本。
Hugging Face BlogAI 评分5353 Hugging Face 联合高校与机构发起 Project ProtoStar 倡议，推动公共科研成果 AI 就绪
Hugging Face 联合卡内基梅隆大学等多所高校、OFAI 及 ORCA 宣布启动 Project ProtoStar 倡议，推动公共资金资助的科研数据集、模型与代码以 AI 就绪格式在开源基础设施上发布与复用。
Hugging Face Blog精选AI 评分8383 Mistral Large 4 上线 Hugging Face：约 1T 参数多模态 MoE 开源模型
Mistral 发布多模态 MoE 架构大模型 Mistral Large 4 并上线 Hugging Face，模型总参数约 1T、激活参数 49B，具备 1M tokens 上下文窗口。
推荐理由：原文给出了该稀疏大模型的架构细节与多框架部署基准，读者可据此评估其在安全防御与私有化落地中的实际可行性。