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

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

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

Demo 页面

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

Demo 页面

1. 光学字符识别 OCR

2. 世界动作模型 WAM

3. 遥感 Remote Sensing

4. 故障词元 Glitch Token

5. 生成型预训练变换模型 GPT

这里汇编了数百条 AI 相关词条，让你在这里读懂「人工智能」：

https://go.hyper.ai/wiki

* 截稿时间为 AoE 时间

一站式追踪人工智能学术顶会：https://go.hyper.ai/event

以上就是本周编辑精选的全部内容，如果你有想要收录 hyper.ai 官方网站的资源，也欢迎留言或投稿告诉我们哦！

下周再见！