Hugging Face 发布 transformers 到 mlx-lm 模型移植 Skill 与测试工具
Hugging Face 发布了一个 Skill 和配套的非 agent 测试工具,帮助贡献者把模型从 transformers 移植到 mlx-lm,让新模型加入 transformers 后能很快在 MLX 上可用。
Hugging Face 发布了一个 Skill 和配套的非 agent 测试工具,帮助贡献者把模型从 transformers 移植到 mlx-lm,让新模型加入 transformers 后能很快在 MLX 上可用。
OpenAI 发布了一篇面向初学者的 AI 基础指南,讲解什么是 AI、AI 如何工作,以及 ChatGPT 等工具如何使用大语言模型(LLM)。
OpenAI 发布 ChatGPT 提示词基础指南,教用户如何写出清晰、有效的提示词,以从 ChatGPT 获得更好、更有用的回答。
ChatGPT 可用于头脑风暴、整理思路,并把粗略想法转化为结构化、可执行的计划。文章讲解了用 ChatGPT 发散创意、组织思考并落地为具体行动方案的方法。
ChatGPT 为营销团队提供一套实用 AI 工作流,帮助规划营销活动、创作内容、分析表现,并将洞察转化为行动。
ChatGPT 支持通过清晰的提示词创建和打磨图像,用户可在几分钟内迭代设计并生成高质量视觉内容。
OpenAI 介绍了在 ChatGPT 中处理文件的实用方法,涵盖从文件中查找信息、整理、转换,以及在工作流中使用文档等场景。
OpenAI 教你如何创建和使用 ChatGPT skills,以构建可复用的工作流、自动化重复任务,并确保输出一致且高质量。
ChatGPT 帮助管理者准备对话、撰写清晰反馈、保持条理并提升团队效能。文章介绍了管理者使用 ChatGPT 的具体场景,包括会前准备、反馈写作与日常组织管理。
OpenAI 发布指南,讲解如何在使用 ChatGPT 等工具时负责任且安全地运用 AI,涵盖安全性、准确性与透明度方面的最佳实践。
OpenAI 发布教程,讲解如何用 ChatGPT 探索数据集、生成洞察、创建可视化图表,并把分析结果转化为可执行的决策。
OpenAI 发布 ChatGPT 写作指南,介绍如何用 ChatGPT 起草、修改和润色内容,让文本具备清晰的结构、语气和意图。
ChatGPT 提供面向销售团队的实用工作流,覆盖客户调研、会议准备、外联触达、销售管道复盘与销售执行等环节。
ChatGPT 支持通过 custom instructions 和 memory 两项功能实现个性化,让回答更相关、更一致、更贴合用户需求。custom instructions 用于设定长期偏好,memory 则让模型记住跨对话的上下文信息。
OpenAI 发布面向财务团队的 ChatGPT 工作流指南,覆盖财务分析、报告、规划与决策沟通等场景。指南提供可直接落地的实操方法,帮助财务团队用 ChatGPT 提升日常工作效率。
ChatGPT 结合 search 和 deep research 功能,可帮助用户查找最新信息、分析来源并生成结构化洞察。该功能面向研究场景,支持从检索到结论的完整流程。
ChatGPT for research 教你用 ChatGPT 收集资料来源、分析信息,并产出结构化、带引用支撑的研究洞见。
OpenAI 介绍了如何在 ChatGPT 中使用 Projects 来整理聊天、文件和指令,管理进行中的工作,并提升协作效率。
Hugging Face 给出两条迁移路径,让因 Anthropic 限制 Claude 模型访问而受影响的 OpenClaw、Pi、Open Code 智能体改用开源模型继续运行:通过 Hugging Face Inference Providers 托管调用(推荐 GLM-5),或用 llama.cpp 在本地跑 Qwen3.5-35B-A3B(32GB RAM 可用)。
Hugging Face 与 NVIDIA 发布教程,用六条命令在单张 GPU 上、不到一天内把通用 embedding 模型 Llama-Nemotron-Embed-1B-v2 微调成领域专用模型,全程无需人工标注。
推荐理由:给出了从合成数据、硬负例挖掘到部署的完整六步流程和实测指标,可直接迁移到自有语料的检索优化。
Codex Security 不依赖传统 SAST,而是用 AI 驱动的约束推理与验证来发现真实漏洞,以减少误报。文章深入解析了这一设计取舍的原因。
Mistral AI 介绍了基于其开源编码助手 Vibe 构建的自主测试智能体,它读取 Rails 源文件、生成或改进 RSpec 测试,并在 CI/CD 流水线中无人值守运行。
Hugging Face Blog 发布长文,为 TRL 的异步训练器设计做调研,按七个维度(编排原语、rollout buffer 设计、权重同步协议、staleness 管理、partial rollout 处理、LoRA 支持、分布式训练后端)对比了16个从零围绕异步训练构建的开源库。
推荐理由:文章用七个维度拆解了16个开源RL库的异步训练设计,读者可据此对比选型并理解各自权衡。
Hugging Face 官方博客介绍 Ulysses Sequence Parallelism(来自 Snowflake AI Research 的 Arctic Long Sequence Training 协议)如何通过注意力头并行把长序列训练分布到多 GPU。
Descript 借助 OpenAI 推理模型实现了大规模内容库的自动本地化配音,在翻译过程中不丢失时间轴与语义。该方案让 Descript 得以对大量视频内容进行多语言配音扩展。
NXP 在 Hugging Face 博客发布在 i.MX 95 SoC 上部署 VLA 模型的实践指南,覆盖数据录制、ACT 与 SmolVLA 微调以及端侧优化。
Photoroom 在 PRX 系列第三篇中把此前验证有效的扩散模型技巧组合起来,用 32 张 H200、约 $1500 总算力预算完成 24 小时文生图模型训练,并开源代码到 https://github.com/Photoroom/PRX 。
推荐理由:原文把像素空间训练、token 路由、感知损失等技巧的组合方式和超参写全,可直接复现其 24 小时训练配方。
Hugging Face 官方博客介绍 Mixture of Experts (MoE) 的原理及其在 transformers 库中的工程支持。文章以 gpt-oss-20b 为例说明总参数与激活参数的区别(21B 总参数、每 token 激活约 3.6B),并给出 M3 Ultra 上约 115 tok/s 的实测速度。
推荐理由:文章把 MoE 原理与 transformers 库的加载、后端、并行改造串起来,读者可据此理解工程落地路径。
Hugging Face 官方博客介绍如何用 Unsloth 和 Hugging Face Jobs 通过 Claude Code、Codex 等 coding agent 快速微调 LLM(以 LiquidAI/LFM2.5-1.2B-Instruct 为例),Unsloth 相比标准方法约 2 倍提速、约 60% 省显存。
Hugging Face 官方博客介绍 Gradio 6 中 gr.HTML 的新能力:支持自定义模板、作用域 CSS 和 JavaScript 交互,让 LLM 一次生成前端、后端与状态管理,全部写在一个 Python 文件里,无需构建步骤,可秒级部署到 Hugging Face Spaces。
Hugging Face 发布了一个教编码智能体编写生产级 CUDA kernel 的 agent skill,随 kernels 库提供,可用 kernels skills add cuda-kernels --claude 等命令装入 Claude、Codex、OpenCode 等智能体。
推荐理由:给出了可直接安装的 skill 命令和两组真实基准数据,读者可据此评估它能否用于自己的 kernel 工作流。
Hugging Face 与 Meta 的开源框架 OpenEnv 让智能体在真实系统而非模拟环境中接受评估,Turing 为此贡献了生产级 Calendar Gym 日历环境,包含访问控制、跨用户可见性受限和多步工作流等约束。
OpenAI 技术团队成员 Ryan Lopopolo 撰文探讨 harness engineering,即在 agent-first 的开发方式下如何更好地利用 Codex。文章围绕 Codex 在智能体工作流中的工程实践展开,讨论开发者如何围绕 Codex 构建和调优工具链与流程,以适配以 AI 智能体为核心的编程范式。
Google Research 提出 Sequential Attention,用贪心选择机制在单次模型训练中顺序、自适应地挑选最优组件,以解决特征选择等 NP-hard 子集选择问题。
Photoroom 在 Hugging Face Blog 发布 PRX 文生图模型训练系列第二篇,以 PRX-1.2B 在 256×256 Flux VAE 潜空间的 Flow Matching 基线(100k 步、1M MidJourneyV6 合成数据、AdamW lr 1e-4)为参照,系统消融四类训练技巧并报告 FID、CMMD、DINO-MMD 与吞吐变化。
推荐理由:以统一基线系统消融十余种训练技巧,给出各方法在质量与吞吐上的真实取舍,可直接迁移到自己的训练配置。
Hugging Face 与 LinkedIn 团队复盘了在 verl 框架下为 GPT-OSS-20B 解锁 agentic RL 训练的过程,依次修复了三类问题。
OpenAI 发布技术深度解析,详解 Codex agent loop 的工作机制,说明 Codex CLI 如何通过 Responses API 编排模型、工具、提示词与性能。文章聚焦 Codex CLI 的运行原理,面向希望理解其内部循环机制的开发者。
ChatGPT 帮助小团队分析数据、制作营销材料、管理预算、运营会议并做出更好决策。这是一份面向小团队的实用指南,展示如何用 ChatGPT 覆盖数据分析、营销、预算与会议等日常协作场景。
OpenAI 通过副本、缓存、限流和工作负载隔离,将 PostgreSQL 扩展至每秒数百万次查询,支撑 800 亿 ChatGPT 用户。文章介绍了其在副本、缓存、限流与工作负载隔离上的具体做法。
Mistral AI 在 Engineering Deep Dive 系列首篇文章中复盘了排查 vLLM 内存泄漏的过程:在 Mistral Medium 3.1 配合 Prefill/Decode 分离式部署且启用 graph compilation 时,系统内存以 400 MB/分钟线性增长。
推荐理由:逐层递进的排查路径和每种工具的失效原因,对定位同类底层内存问题有直接可迁移的方法价值。