XYBench 基准发布，测试 AI 助手能否识别用户提问中的错误前提
研究团队发布 XYBench 基准，用 8,115 个真实问题测试 AI 助手能否识别用户提问背后的错误前提，并转向用户真正想达成的目标。该基准的问题来自 Stack Overflow、Stack Exchange、人工整理和 WikiHow 四类来源，获 EMNLP 2026 最佳资源论文奖。
#Hugging Face
Hugging Face BlogAI 评分5555
Hugging Face BlogAI 评分4242 Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan 日本金融合成数据集
Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan，这是开源数据集 Nemotron-Personas-Japan 的金融领域扩展，据称是首个百万记录级、将日本官方统计与家庭金融及金融素养数据配对的开源 persona 数据集。
Hugging Face BlogAI 评分5858 Ai2 开源 ToyBlocks 机器人学习仿真框架
Ai2 在 Hugging Face 发布 ToyBlocks，一个围绕机械臂与桌面方块的开源仿真框架，可自动生成任务与演示数据，并配套训练和评测代码。首轮数据包含 85,336 条长程演示、约 1,600 小时机器人执行数据和 1.44 亿帧，单 GPU 并行生成可达 24 倍实时速度。
Hugging Face BlogAI 评分4848 Collinear AI 发布 CWE-bench v2：100 个公开任务覆盖 91 种 CWE
Collinear AI 发布 CWE-bench v2，公开 100 个安全漏洞修复任务，覆盖 91 种 CWE，评分完全程序化且可复现。11 个模型中 Gemini 4 Argon 以 67.8% pass@1、81.0% pass@4 领先，Claude Opus 5.5 以 67.3% pass@1 紧随其后。