Kaggle 与 Hugging Face 推出模型集成,打通模型发现与 Notebook 调用
Kaggle 上线与 Hugging Face 的集成,用户可在 Hugging Face 模型页点击“Use this model”选择 Kaggle 直接打开预填代码的 Notebook,反向也可从 Kaggle 跳回 Hugging Face。
Kaggle 上线与 Hugging Face 的集成,用户可在 Hugging Face 模型页点击“Use this model”选择 Kaggle 直接打开预填代码的 Notebook,反向也可从 Kaggle 跳回 Hugging Face。
Hugging Face 在 Inference Endpoints 上推出新的 OpenAI Whisper 部署选项,相比上一版性能提升至高 8 倍,让用户一键部署专用转录模型。
LeRobot 官方博客把机器人泛化定义为数据问题,介绍社区数据集在 Hugging Face Hub 上快速增长的现状,并指出当前数据集在任务标注、特征命名、episode 完整性和动作维度上的常见问题。
Hugging Face 博客通过对比 Qwen-3 与 Qwen-2.5、QwQ 的 Jinja 聊天模板,总结出四点设计变化。Qwen-3 可通过 enable_thinking 标志关闭推理,用滚动检查点保留工具调用后的完整 think 块并裁剪更早内容,工具参数仅在非字符串时才做 tojson 序列化,且不再内置默认系统提示词。这些改动旨在提升智能体工作流的可靠性与效率。
Hugging Face 官方教程介绍如何用 Gradio 把任意 Python 函数变成 LLM 可调用的 MCP 工具,只需在 launch 中设置 mcp_server=True 即可启动 MCP 服务器并获得 SSE 端点。
Intel 推出 AutoRound,一款基于 signed gradient descent 的 weight-only 后训练量化(PTQ)工具,支持 INT2-INT8 低比特量化,在 INT2 精度下相对准确率比主流基线最高高出 2.1x。
Meta 发布 Llama Guard 4,一个 12B 稠密多模态安全模型,以及两款新的 Llama Prompt Guard 2 分类器(86M 和 22M 参数)。
推荐理由:原文给出了从 Llama 4 Scout 剪枝为稠密模型的架构细节和与上一代的对比数据,便于判断其部署成本与效果取舍。
Hugging Face 与 ServiceNow 开源了实验性 RL 实现 PipelineRL,核心创新是在 RL 训练中进行 inflight 权重更新,让推理服务器在不中断推理的情况下接收新权重,从而兼顾高推理吞吐与 on-policy 数据。
Hugging Face 发布 Tiny Agent,用约 50 行 TypeScript 代码实现一个由 MCP 驱动的 Agent,核心思路是 MCP 客户端之上套一个 while 循环。
推荐理由:文章把 MCP 客户端与 Agent 的实现拆解到 50 行代码级别,读者可直接照搬这套 while 循环结构到自己的项目。
Gradio 官方博客列出 17 个理由,说明它不只是 UI 库,而是通过 UI 与 API 交互机器学习模型的框架。
Cohere 现已成为 Hugging Face Inference Providers 支持的推理服务商,也是首个在 HF Hub 上直接提供并服务自家模型的模型创建方,用户可对 c4ai-command-a-03-2025、c4ai-command-r7b-12-2024、aya-expanse-32b、aya-vision-32b 等模型运行 serverless 推理。
Hugging Face 宣布收购成立 9 年的开源机器人公司 Pollen Robotics,这是继 Gradio、XetHub 之后其第五次收购,并将开售首款开源人形机器人 Reachy 2,售价 $70,000,已在 Cornell、Carnegie Mellon 等实验室使用。
推荐理由:梳理了 Hugging Face 从 LeRobot 到收购 Pollen Robotics 的完整布局,便于理解其开源机器人路线。
Hugging Face 与 Protect AI 自 2024 年 10 月合作以来,Guardian 已在 Hub 上扫描 141 万个仓库中的 447 万个唯一模型版本,在 51,700 个模型上累计发现 352,000 个不安全或可疑问题,近 30 天处理 226 million requests、响应时间 7.94 ms。
Hugging Face 与 Cloudflare 达成合作,FastRTC 开发者凭 Hugging Face Access Token 即可接入 Cloudflare 覆盖全球 335 个地点的 TURN 网络,每月免费流式传输 10GB 数据且无需信用卡,超出后可切换至 Cloudflare 账号。
Inception 与 MBZUAI 合作推出 Arabic-Leaderboards Space,集中呈现阿拉伯语 AI 评测,目前上线 AraGen-03-25 与 Arabic Instruction Following 两个榜单。
Hugging Face 官方博客宣布 Meta 新一代 Llama 4 模型上线 Hub:Maverick 约 400B 总参数、128 专家,Scout 约 109B 总参数、16 专家,均为 17B 激活参数的 MoE 架构,支持文本与图像输入,训练数据最多 40 万亿 token、覆盖 200 种语言。
推荐理由:原文拆解了 NoPE、分块注意力等架构选择,读者可理解超长上下文如何实现。
Gradio 官方博客宣布其每月被超过 100 万开发者用于构建和分享 AI web 应用,包括 Automatic1111、Oobabooga 的 Text Generation WebUI、Dall-E Mini 和 LLaMA-Factory 等知名开源项目。
Hugging Face 宣布把已运营 3 年的 NLP 课程升级为 The LLM course,以跟上 AI 领域的快速进展。
Hugging Face 评估 HashiCorp Vault 后选择 Infisical,将密钥管理从 AWS-only 迁移到多云环境(Azure、GCP),并整合 Okta SSO 实现细粒度 RBAC 权限控制。
DeepSeek-V3 0324 上周悄然登陆 Hugging Face Hub,它是 R1 推理模型底层基座 DeepSeek-V3 的更新版本,架构与原版相同并改用 MIT 许可证。
推荐理由:文章梳理了新模型的基准提升与部署方式,并给出开源模型下载和使用的安全注意事项。
Hugging Face 官方博客给出用 Sentence Transformers 微调 reranker(Cross Encoder)模型的完整教程,覆盖数据集、硬负例挖掘、损失函数、训练参数、评估器与 CrossEncoderTrainer 各组件,并附完整训练脚本。
推荐理由:教程给出可复用的训练配方和评测对照,读者可据此判断在自有数据上微调 reranker 能带来多大提升。
Gradio 官方发布 gr.Dataframe 组件的大版本更新,过去 6 周关闭了超过 70 个相关 issue。新功能包括多单元格选择、行号与 pinned_columns 固定列、复制与全屏按钮、回顶按钮、改进的键盘导航与 styler 参数、整行整列选择事件、static_columns 静态列,以及通过 show_search 设置的搜索和过滤功能。
Hugging Face 为 Inference Endpoints 推出全新分析面板,新增实时指标、可自定义时间范围与自动刷新,以及副本生命周期视图。数据实时更新,可即时查看请求延迟、响应时间和错误率;副本视图支持追踪从初始化到终止的每个状态变化。后端也已重构,高流量端点的指标加载更快。
Hugging Face 于 3 月 14 日向白宫科技政策办公室提交了对 White House AI Action Plan 征询意见的回应,提出三项建议:承认开源与开放科学是 AI 成功的基础、优先考虑效率与可靠性以释放广泛创新、通过开放可追溯透明的系统保障 AI 安全。
Hugging Face 将首批 Model 和 Dataset 仓库从 LFS 迁移到 Xet 存储,迁移当天共迁移 4.5 TB,约 6% 的 Hub 下载流量转到 Xet 基础设施。
Google 发布 Gemma 3 系列开源模型,包含 1B、4B、12B、27B 四种参数规模,提供预训练与指令微调版本,上下文窗口最高达 128k tokens,支持 140+ 语言,4B/12B/27B 版本可处理图文输入。
推荐理由:原文拆解了长上下文、多模态与多语言三项技术改进的具体做法,便于理解开源模型的能力来源。
Hugging Face Open R1 项目发布 OlympicCoder-7B 和 OlympicCoder-32B 两个微调代码模型,在 IOI 问题上超过 Claude 3.7 Sonnet 等闭源前沿模型,OlympicCoder-32B 在 50 次提交限制下还超过 o1-mini 和 DeepSeek-R1。
推荐理由:文中给出的五条训练经验可直接迁移到用推理轨迹微调代码模型的实践中。
Hugging Face LeRobot 团队与 Yaak 联合发布 Learning to Drive(L2D)开源自动驾驶数据集,R4 版本包含 90+ TB 多模态数据、5000+ 小时驾驶、来自德国 30 个城市的 6 路环视摄像头与完整车辆状态。
推荐理由:对比表和分阶段发布计划让读者能直接评估该数据集相对现有开源数据集的规模与可用性差异。
Hugging Face 发布教程,指导用 React Native 构建可在 Android 和 iOS 上从 Hugging Face Hub 下载 GGUF 模型并完全离线本地推理的聊天应用,完整代码在 EdgeLLM 仓库。
Hugging Face 宣布与 JFrog 合作,将 JFrog 的扫描器集成到 Hugging Face Hub,以提升模型安全透明度并减少误报。
Arize Phoenix 提供集中式平台,可实时追踪、评估和调试 Agent 的决策过程。教程以 smolagents 构建的 CodeAgent 为例,通过 OpenTelemetry + OpenInference 自动捕获 smolagents 调用的 trace。
Hugging Face 与印度科学研究所(IISc)及 ARTPARK 达成合作,旨在提升印度开源多模态多语言数据集 Vaani 的可访问性与易用性。
Hugging Face 宣布推出 FastRTC,一个让开发者完全用 Python 构建实时音频和视频 AI 应用的通信库,内置语音检测与轮次切换、WebRTC 支持以及可直接测试或部署的 Gradio UI。
Hugging Face 在 Diffusers 中推出实验性 Remote VAEs 功能,把 VAE 解码交给远程 endpoint,缓解高分辨率图像和视频生成时 VAE 解码的显存压力,避免 offload 的传输开销和 tiling 对画质的影响。
Google 发布多模态视觉语言编码器家族 SigLIP 2,在 sigmoid loss 基础上加入解码器、Global-Local Loss 和 Masked Prediction Loss 等辅助训练目标,以提升语义理解、定位与稠密特征能力。
推荐理由:文章拆解了从 SigLIP 到 SigLIP 2 的训练目标演进,读者可据此理解辅助损失如何改进视觉编码器。
Hugging Face 发布 SmolVLM2 系列三个新模型,参数量分别为 2.2B、500M 和 256M,主打在手机到服务器等各类设备上运行视频理解。2.2B 版本在 Video-MME 上超过现有 2B 模型,500M 和 256M 版本被称为迄今发布的最小视频语言模型,其中 500M 版本以不到四分之一的参数量接近 2.2B 的视频理解能力。
推荐理由:原文给出三档参数量、Video-MME 表现和 MLX/Swift 接入方式,读者可据此判断小模型视频理解能否落到自己的设备上。
Google 发布 PaliGemma 2 mix,即在 OCR、长短描述等多种视觉语言任务上微调的 PaliGemma 2 变体,覆盖 3B、10B、28B 三种尺寸与 224、448 两种分辨率,提供 HF Transformers 和 JAX 权重。
Hugging Face 在 Hub 上新增 Hyperbolic、Nebius AI Studio 和 Novita 三家 Serverless 推理提供商,与 Together AI、Sambanova、Replicate、fal、Fireworks.ai 等现有伙伴并列,新伙伴带来 DeepSeek-R1、Flux.1 等一批新模型。
Fireworks.ai 正式成为 Hugging Face Hub 的 Inference Provider,可在模型页面及 huggingface_hub 等库中直接调用其 serverless 推理。
Hugging Face 用 Math-Verify 替换 Open LLM Leaderboard 上的旧数学评测器,重新评估了提交过的全部 3,751 个模型。
推荐理由:原文给出旧评测器的三类解析缺陷与修复后分数变化,读者可据此理解评测口径对排行榜的实际影响。