今日扫描 10 领域 × 4 数据源，共采集 79 条原始信息，筛选出 7 条值得关注的动态，覆盖 3 个领域：国内外大模型（4）· 训练与对齐（2）· RAG与知识增强（1）。
🔴 国内外大模型动态
1MiniMax-H3 官方发布：多模态文生视频能力升级⭐6
MiniMax 开源家族新旗舰 H3 正式上架 HuggingFace，540万+下载、6400+点赞，text-to-video / image-to-video 双能力。做视频生成相关产品或内容创作管线的话，这是国产开源侧目前热度最高的一手选择。
2Qwen-Image-2.1 Uncensored 量化版：本地图像生成的高热选择⭐6
218万下载、5200+点赞，提供 GGUF 量化格式并支持 ComfyUI 直接加载。想在本地跑 Qwen 图像生成又显存有限的话，这个社区量化版省去了自己压缩的功夫。
3树状投机解码适配 DeepSeek-V4：推理加速新思路⭐5
arXiv 论文将树状投机解码（tree-structured speculation）迁移到 DeepSeek-V4 上：相比线性单链猜测，多分支共享前缀在同一预算下覆盖更广，能显著降低自回归解码中大模型反复执行带来的延迟。做推理部署优化的值得收藏。
4Minimax-h3 社区合并模型 PRISM 变体⭐5
基于 MiniMax-H3 的社区 merge 模型（Singularity-x-10Eros-Max PRISM），2.4万下载。属于社区玩法性质的衍生品，了解 merge 生态动向即可，非生产首选。
🔴 训练与对齐
1非洲语言的安全对齐：豪萨语案例研究⭐8
今日最高分。这篇论文回答了一个被忽视的问题：现有 RLHF/DPO 等对齐方法在低资源、文化差异大的语言上到底表现如何？以 2 亿人使用的豪萨语为对象做了系统实验。看了能给星竹带来的是：对齐能力的语言迁移边界的第一手证据，做多语言产品或出海 Agent 时评估安全策略不能直接照搬英语结论。
论文覆盖 SFT、RLHF、DPO、偏好优化等多条对齐路线在豪萨语上的表现对比；核心发现是高资源语言上调优的安全策略迁移到豪萨语时存在明显性能落差，文化语境相关的安全边界判断尤其脆弱。作者给出了低资源语言安全对齐数据构建的具体做法。
2facebook/sam3：Meta 分割模型三代上架 HF⭐6
SAM3 支持 sam3_video 视频分割，190万下载、5300+点赞。做图像/视频理解管线（含视觉 Agent 的感知模块）的话，这是开箱即用的基础组件。
🔴 RAG与知识增强
1SpectRAG：加权分块图做 Token 预算内的多跳检索上下文选择⭐5
针对多跳 RAG 的痛点：独立排序的稠密检索容易返回冗余段落、漏掉关键证据。SpectRAG 用加权分块图在固定 token 预算内做上下文选择，兼顾覆盖度与预算约束。做企业级 RAG 管线的可以关注这个思路，成本敏感场景尤其实用。