ChatGPT Work 数据科学工作流程实践指南
OpenAI 推出 ChatGPT Work,提供针对根因分析、KPI 汇报、范围分析和仪表板规范的数据科学工作流程。
OpenAI 推出 ChatGPT Work,提供针对根因分析、KPI 汇报、范围分析和仪表板规范的数据科学工作流程。
OpenAI 推出 ChatGPT Work,提供针对销售流程的实用工作流程,包括管道简报、会议准备、账户计划、预测审查和交易诊断。
OpenAI 推出 ChatGPT 使用教程,指导用户开始对话,并介绍如何利用 AI 进行写作、头脑风暴和解决问题。
本文深入探讨了 PyTorch 中的注意力机制,通过对比不同实现方式(如 naive attention 和 inplace causal masking)的性能差异,展示了如何利用 PyTorch 的性能分析工具来优化模型。实验在 NVIDIA A100-SXM4-80GB GPU 上进行,揭示了内存拷贝操作对性能的影响,并展示了通过使用原地操作减少内核调用的效果。
以太坊基金会协议安全团队分享了运行协调式 AI 智能体审计真实协议代码的方法,发现并修复了 libp2p gossipsub 中可远程触发的 panic(CVE-2026-34219)。
推荐理由:以太坊基金会分享利用AI智能体审计协议代码的实战经验,强调分诊与复现验证是确保结果可信的核心环节。
OpenAI Academy 与沃尔顿家族基金会合作,推出面向 K-12 教育者的 AI 技能工作坊,旨在帮助教育者掌握实用的 AI 技能,应用于课堂教学。
PRX 通过混合公共与内部数据集,并利用 VLM 重新生成图像长描述来构建预训练语料。该策略支持 7B 模型训练,采用 Lance 进行特征工程、MDS 用于流式训练,并实时计算 Qwen3-VL 文本潜变量以优化存储与灵活性。
Hugging Face 推出使用 `hf jobs run` 命令在 HF Jobs 基础设施上快速部署 vLLM 服务器并获取 OpenAI 兼容端点的方法。
推荐理由:原文提供了在 Hugging Face Jobs 上通过单条命令启动 vLLM 服务并对接 OpenAI 兼容接口的完整流程,适合需要快速搭建私有推理端点的开发者参考。
NVIDIA NeMo AutoModel 库基于 HuggingFace Transformers v5 构建,为混合专家(MoE)模型提供高效微调支持。
推荐理由:原文提供了基于 Transformers v5 的 MoE 模型微调加速方案,通过单行代码修改即可实现显著的性能提升和显存节省。
Hugging Face 发布了 huggingface_hub 的自动化每周发布工作流,将发布频率从每 4-6 周一次提升至每周一次。该流程使用 GitHub Actions、OpenCode 运行时和 GLM-5.2 模型来起草发布说明和内部公告,并通过确定性 Python 脚本验证 PR 列表以防止遗漏或幻觉。
推荐理由:Hugging Face 公开了基于开源工具和开放权重模型的自动化发布工作流,展示了如何通过确定性脚本校验 AI 生成内容以确保准确性。
Transformers.js 支持通过实验性标志启用跨源存储(COS)API,利用 SHA-256 哈希在不同网站间共享 AI 模型和 Wasm 运行时文件,从而避免重复下载并节省存储空间。开发者可通过安装 Chrome 扩展或设置 `env.experimental_useCrossOriginStorage = true` 来测试该功能,实现毫秒级的模型加载体验。
推荐理由:文章演示了如何在 Transformers.js 中启用跨源存储 API,通过哈希识别共享模型资源以消除浏览器端的重复下载。
Hugging Face 团队分享了在 NVIDIA GB10 硬件上运行 gemma-4-26b-a4b 和 qwen3.6-35b-a3b 等本地模型,对 OpenClaw 仓库的 Issue 和 PR 进行实时分类与通知的技术方案。
推荐理由:展示了利用本地模型和受限 Shell 构建实时分类系统的完整流程,提供了具体的性能对比数据和安全配置方案。
Jason Liu 利用 Codex 保存上下文,管理复杂项目,并帮助工作在单个提示符之外持续进行。
OpenAI 推出 ChatGPT GPT-5.5 Instant 升级版,增强医疗健康问答能力,通过强化推理、优化上下文理解、清晰沟通及医生指导评估,提升用户健康咨询体验。
Hugging Face 指出 LoRA 虽占 PEFT 使用率 98.4%,但论文对比存在偏差,建议通过统一 API 的 PEFT 库进行客观基准测试以选择最优微调技术。该库支持 40 多种参数高效微调方法及量化模型训练,帮助用户在自有数据上实现低内存占用且抗灾难性遗忘的模型定制。
Hugging Face 推出 `agent-eval` 工具,用于衡量智能体在使用 `transformers` 库完成任务时的过程成本(如时间、Token 消耗和错误率),而不仅仅是最终答案的正确性。
推荐理由:原文提供了评估智能体使用工具效率的基准方法,揭示了同一优化对不同规模模型可能产生相反效果。
AWS 开源 SDK Strands Robots 深度集成 LeRobot,允许开发者通过单一 Agent 循环实现从 Hugging Face Hub 数据集到物理机器人部署的全流程。
推荐理由:展示了从 Hub 数据集到物理机器人的完整 Agent 工作流,提供了无需硬件即可在模拟环境中复现的开源代码与详细步骤。
Hugging Face 推出 Agentic Resource Discovery (ARD) 规范的参考实现 Discover Tool,旨在解决智能体在运行时动态发现和集成 MCP、Skills 等能力的痛点。
推荐理由:文章详解了 ARD 规范如何解决智能体能力发现难题,并提供了 Hugging Face Discover 工具的 CLI 与 API 实操指南。
Google Research 的 Gemini 团队通过一项大规模定量研究,展示了 AI 辅助工具在帮助用户识别皮肤状况和确定下一步行动方面的能力提升。研究显示,使用 AI 工具的用户在识别皮肤状况的准确性上提高了近三倍,但确定下一步行动的准确性提升有限。此外,研究还强调了从受惠社区获取更深入反馈的重要性。
OpenAI 推出三门 Academy 课程,旨在帮助人们构建实用 AI 技能、创建可重复的工作流程,并在日常工作中应用智能体。
Preply 利用 OpenAI 技术推出 AI 生成课程摘要,提供个性化反馈和语言学习练习,助力个性化学习体验。
本文介绍了如何在 PyTorch 中使用 nn.Linear 模块构建多层感知器(MLP),并分析了其性能。通过对比 eager 和 compiled 模式下的性能,发现 torch.compile 对于单个 GEMM-with-bias 的优化效果有限。
天体物理学家Chi-kwan Chan利用OpenAI的Codex构建黑洞模拟,助力研究极端物理现象,验证爱因斯坦广义相对论。
Nextdoor 工程师采用 Codex 和 GPT-5.5 模型,用于调查难以重现的问题、跨平台构建,并专注于产品成果。
Trackio 将 GitHub CI 迁移至 Hugging Face Jobs,实现 CPU 和 GPU 并行测试,CPU 测试时间缩短约 30%。Hugging Face Jobs 支持在无服务器基础设施上运行命令或脚本,适用于 CI 环境。迁移步骤包括创建 dispatcher Space、安装 GitHub App 和配置 GitHub Actions。
Endava 正在利用 ChatGPT Enterprise 和 Codex 模型,通过 AI 代理自动化工作流程,提升软件开发效率,并在企业内部构建 AI 原生文化。
Reachy Mini 机器人对话应用现可使用 Hugging Face Spaces 中的工具,通过 MCP 添加新功能,如查看天气或搜索网络。用户可从 Hub 添加工具,无需编辑应用,工具在 Space 中运行,无需下载代码。
OpenAI 推出 ChatGPT Sites,利用 Codex 创建轻量级网站或应用。
OpenAI 推出 Codex 新插件、网站和注释,助力分析师、营销人员、设计师、投资者等团队利用 AI 提高工作效率。
OpenAI 的 Codex 与 GPT-5.5 模型结合,助力 Braintrust 工程师提升实验和编码效率。
Hugging Face 博客发布 PyTorch 性能分析入门指南,详细介绍如何使用 torch.profiler 进行性能分析,包括设置、读取分析结果以及如何优化代码。指南通过实际案例,帮助读者理解性能分析的重要性,并掌握 PyTorch 性能分析的基本方法。
OpenAI 的 Codex 模型帮助 Endava 构建智能组织,将软件交付速度提升,将需求分析时间从数周缩短至数小时。
Reachy Mini机器人支持本地语音后端部署,使用Hugging Face的llama.cpp模型和speech-to-speech库,无需云端服务或API密钥。推荐使用llama.cpp with Gemma 4、Silero VAD、Parakeet-TDT 0.6B v3 STT和Qwen3-TTS。
Hugging Face 推出 Delta Weight Sync 工具,通过优化权重同步方式,将异步强化学习训练的成本显著降低,并支持多副本推理,具有实际应用价值。
推荐理由:该工具通过优化权重同步方式,显著降低了异步强化学习训练的成本,并支持多副本推理,具有实际应用价值。
PaddleOCR 3.5 引入更灵活的推理引擎接口,支持使用 Hugging Face Transformers 作为推理后端,开发者可通过 engine 参数选择后端并配置相关选项,简化与下游 RAG、agent、搜索、分析或自动化工作流的集成。
OpenAI 推出 ChatGPT Work 工作流程,支持项目简报、战略更新、决策包和进度报告等操作,提升工作效率。
OpenAI 推出 ChatGPT 移动应用,支持用户在任何地点使用 Codex,实现跨设备和远程环境实时监控、指导和审批编码任务。
OpenAI 推出 ChatGPT Work 财务工作流程指南,涵盖报告、差异分析、预测、月度审查和决策准备型财务成果,助力高效财务管理。
OpenAI探讨了企业如何通过信任、治理、工作流程设计和大规模质量实现AI的规模化,从早期实验到指数级影响。
Hugging Face 的 PipelineRL 使用 vLLM 作为推理引擎,在 vLLM V0 至 V1 迁移过程中,通过修复四个问题(处理滚动日志概率、V1 特定的运行时默认值、飞行中的权重更新路径和用于最终投影的 fp32 lm_head)来确保 V1 版本与 V0 版本匹配。