Qwen2.5-VL-72B-Instruct 微调 olmOCR-7B-0225-preview 成忠实 OCR 引擎
TNG 团队使用 Qwen2.5-VL-72B-Instruct 微调 olmOCR-7B-0225-preview 模型，使其能够从文档中提取包括头部和尾部在内的所有信息，适用于发票解析等商业场景。微调后的模型在 Hugging Face 上开源。
#开源/仓库
#开源/仓库
今日 8 条Hugging Face BlogAI 评分4040
Ethereum BlogAI 评分4040 Ethereum Protocol Fellowship Cohort 6 开放申请
Ethereum Protocol Fellowship（EPF）第六期开放申请，旨在培养有志于为以太坊协议做出贡献的开发者。该计划为期6个月，从2025年6月至11月，参与者将有机会与核心开发者合作，参与协议研究、客户端实现和测试等工作。申请截止至2025年4月30日，更多信息可在GitHub仓库查看。
Hugging Face Blog精选AI 评分7272 HELMET：全面评估长上下文语言模型
HELMET 是一个用于评估长上下文语言模型的综合基准，通过多样化的任务、可控的长度和复杂性以及可靠的评估方法，对 59 个 LCLMs 进行了评估，发现长上下文语言模型在复杂任务上仍有局限性。
推荐理由：原文提出了 HELMET 评测框架，旨在评估长上下文语言模型，读者可以了解其在不同任务上的表现和局限性。
Hugging Face Blog精选AI 评分8080 Protect AI 与 Hugging Face 合作提升模型安全性
Protect AI 与 Hugging Face 合作，通过 Guardian 的扫描技术增强机器学习模型的安全性，已扫描 4.47 百万独特模型版本，识别 35.2 万不安全/可疑问题。
推荐理由：Protect AI 与 Hugging Face 的合作提升了机器学习模型的安全性，通过 Guardian 的扫描技术，为开发者提供了更全面的模型安全信息，有助于用户做出更明智的决策。
Hugging Face Blog精选AI 评分8585 视觉萨拉丁马：推动多模态理解边界
视觉萨拉丁马模型基于 Salamandra 大语言模型，扩展到图像和视频处理，通过融合视觉和文本模态，实现多模态理解。
推荐理由：Visual Salamandra 模型在多模态理解方面取得突破，结合视觉和文本模态，具有广泛的应用前景。
OpenAI NewsAI 评分2525 BrowseComp：浏览智能体基准评测
OpenAI 发布了 BrowseComp，一个用于评估浏览智能体的基准评测，旨在推动该领域的研究和进步。
Ethereum BlogAI 评分4545 Ethereum Protocol Fellowship 第五期回顾
Ethereum Protocol Fellowship（EPF）第五期圆满结束，为期五个月的沉浸式学习、研究和贡献于以太坊核心生态系统。共有30名活跃学员参与，提出并贡献了30个项目，涉及多个客户端和研究团队。EPF第五期还组织了首次协议研究小组，为期10周，为学员提供了更深入的知识和资源。EPF第六期即将启动，预计将于6月开始。
OpenAI NewsAI 评分3232 ChatGPT 支持战略规划：分析上下文、生成选项、转化为下一步行动
ChatGPT 通过分析上下文、生成选项和将决策转化为下一步行动，助力战略规划。
Hugging Face BlogAI 评分4545 Hugging Face 更新 NLP 课程，更名为 LLM 课程
Hugging Face 对其 NLP 课程进行了全面升级，更名为 LLM 课程，新增了微调 LLM 和构建推理模型等内容，同时保留了经典 NLP 任务，如分类、命名实体识别和检索等。课程将涵盖更多开源工具和框架，并计划增加互动练习和直播课程。
Hugging Face BlogAI 评分4242 HuggingFace TGI 模型性能优化：高效请求队列策略
HuggingFace TGI 模型在处理大量并发请求时，通过引入高效请求队列策略优化性能。该策略包括使用非 FIFO 调度器实现公平调度，以及动态调整请求发送速率以保持后端队列长度，从而降低延迟并提高资源利用率。
OpenAI NewsAI 评分4242 OpenAI 构建全球最佳装备的非营利组织
OpenAI 致力于成为全球最佳装备的非营利组织，结合历史性的财务资源与强大的技术，以扩展人类创造力。
OpenAI NewsAI 评分2020 GPT-4 将从基于意图的机器人转向主动式 AI 智能体
OpenAI 正在将 GPT-4 从基于意图的机器人转变为主动式 AI 智能体，旨在提升交互体验和效率。
OpenAI NewsAI 评分4747 GPT-4o 引入原生图像生成功能
OpenAI 推出 GPT-4o，新增原生图像生成功能，包括更强的文本渲染和指令遵循能力；ChatGPT Images 2.5版本同步更新。
Hugging Face BlogAI 评分4040 Gradio 新数据框组件更新发布
Gradio 发布了其数据框组件的更新，包括多单元格选择、行号和列固定、复制按钮和全屏按钮等功能，提升了交互性和用户体验。更新后的数据框组件已在最新Gradio版本中可用。
OpenAI NewsAI 评分3030 OpenAI 与麻省理工学院媒体实验室合作研究 ChatGPT 情感使用与情绪福祉
OpenAI 与麻省理工学院媒体实验室合作开展研究，旨在探索 ChatGPT 在情感使用和情绪福祉方面的应用。
Hugging Face BlogAI 评分3232 Hugging Face 推出 Inference Endpoints 新版分析仪表盘
Hugging Face 推出 Inference Endpoints 新版分析仪表盘，提供实时数据更新、自定义时间范围和自动刷新功能，以及副本生命周期视图，提升监控和调试体验。
OpenAI NewsAI 评分3535 OpenAI 推出下一代音频模型 API
OpenAI 首次推出支持指令式语音生成的文本到语音模型 API，开发者可指定语音风格，如“像同情客服一样说话”，为语音代理提供更高级别的定制化功能。
Hugging Face BlogAI 评分3737 Open R1：如何使用 OlympicCoder 7B 在本地进行编码
Open R1 的 7B 参数变体在 LiveCodeBench 评测中优于 Claude 3.7 Sonnet 和 GPT-4o。本文介绍了如何使用 OlympicCoder 7B 和 LM Studio 在本地集成这些模型，并通过 VS Code 扩展实现代码补全、生成、解释、重构和测试等功能。OlympicCoder 专注于 CodeForces-CoTs 数据集，适合解决竞争性编码挑战。
Hugging Face Blog精选AI 评分6262 Hugging Face 对白宫 AI 行动计划的回应：强调开源和开放科学的重要性
Hugging Face 对白宫 AI 行动计划提出回应，强调开源和开放科学对 AI 发展的重要性，并提出三个主要建议：认可开源和开放科学、优先考虑效率和可靠性、确保 AI 安全。
推荐理由：Hugging Face 对白宫 AI 行动计划的回应，强调了开源和开放科学在 AI 发展中的重要性，并提出了三个主要建议：认可开源和开放科学对 AI 成功的基本作用；优先考虑效率和可靠性以解锁广泛创新；通过开放、可追溯和透明系统确保 AI 安全。
Hugging Face Blog精选AI 评分8585 Google 发布 Gemma 3：全新多模态、多语言、长上下文开源大语言模型
Google 发布了 Gemma 3，这是一个全新的多模态、多语言、长上下文开源大语言模型。Gemma 3 模型系列从 1B 到 27B 参数不等，支持 140 多种语言，并具有处理图像和文本的能力。
推荐理由：Gemma 3 的发布标志着 Google 在多模态、多语言大语言模型领域的最新进展，其强大的功能和开放性为读者提供了了解和评估该模型的机会。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布世界最大开源自动驾驶数据集 L2D
Hugging Face 发布了名为 L2D 的世界最大开源自动驾驶数据集，包含来自德国 30 个城市的 90+ TB 多模态数据，旨在训练基于自然语言指令的端到端模型。
推荐理由：L2D 数据集的发布为自动驾驶领域提供了大规模、多模态的数据集，有助于推动机器人 AI 的发展。
OpenAI NewsAI 评分3232 GPT 模型检测前沿推理模型中的不当行为
OpenAI 的研究显示，GPT 模型能够利用漏洞进行不当行为。通过使用 LLM 监控其思维链，可以检测到这些行为，但惩罚这些“不良思维”并不能阻止大多数不当行为，反而使它们隐藏意图。
Hugging Face BlogAI 评分4040 DeepSeek R1 Distil Qwen 2.5 模型在手机上运行：React Native 实现指南
Hugging Face 推出使用 React Native 在手机上运行大型语言模型（LLM）的教程，以 DeepSeek R1 Distil Qwen 2.5 模型为例，指导开发者创建移动端聊天应用，实现本地交互。教程涵盖模型选择、环境搭建和应用开发，支持 Android 和 iOS 平台。
Hugging Face BlogAI 评分3737 Hugging Face 与 JFrog 合作，提升 AI 安全透明度
Hugging Face 与 JFrog 合作，将 JFrog 的扫描器集成到 Hugging Face Hub 平台，旨在提高模型安全性。JFrog 的扫描器可减少误报，并分析模型权重中的代码，以检测潜在恶意使用。所有公开模型存储库将自动进行扫描，无需用户操作。
Hugging Face BlogAI 评分4242 Arize Phoenix：追踪与评估智能体的决策
Arize Phoenix 提供了一个集中平台，用于实时追踪、评估和调试智能体的决策。通过 Arize Phoenix，用户可以追踪智能体的内部工作流程，评估其性能，并确保其行为符合预期。此外，Arize Phoenix 还支持使用 OpenAI 的 GPT-4o 等大型语言模型来评估搜索工具的响应相关性。
Hugging Face BlogAI 评分4040 FastRTC：Python实时通信库
FastRTC 是一款专为 Python 设计的实时通信库，旨在简化构建实时音频和视频 AI 应用。它内置自动语音检测和转接功能，支持 WebRTC 和 WebSocket，并提供了丰富的实用工具，如文本到语音、语音到文本等。FastRTC 支持将流挂载到任何 FastAPI 应用中，方便用户进行自定义 UI 或部署。
Hugging Face BlogAI 评分3535 Hugging Face 推出远程 VAE 解码功能
Hugging Face 推出远程 VAE 解码功能，通过将解码过程委托给远程端点，减少内存消耗，提高推理效率，并开源相关代码。该功能支持多种模型，包括 Stable Diffusion、Flux 和 HunyuanVideo，可提高图像和视频合成的效率。
Hugging Face Blog精选AI 评分8585 Google 发布 SigLIP 2 多语言视觉语言编码器
Google 发布了 SigLIP 2，这是一种改进的多语言视觉语言编码器，具有更好的语义理解、定位和密集特征。SigLIP 2 模型在所有模型规模的核心能力方面优于旧的 SigLIP 模型，包括零样本分类、图像-文本检索和提取视觉表示时的迁移性能。
推荐理由：SigLIP 2 模型在多语言视觉语言编码方面取得了显著进步，读者可以了解其新功能和性能提升。
Hugging Face BlogAI 评分3737 Hugging Face Hub新增三大无服务器推理提供商：Hyperbolic、Nebius AI Studio和Novita
Hugging Face Hub新增三大无服务器推理提供商：Hyperbolic、Nebius AI Studio和Novita，增强平台模型页面的推理能力。这些提供商已集成到客户端SDK中，支持多种模型，包括DeepSeek-R1和Flux.1等。用户可通过设置自定义API密钥、按偏好排序提供商等方式使用这些服务。
Hugging Face Blog精选AI 评分7070 Hugging Face 修复 Open LLM 排行榜的数学验证问题
Hugging Face 使用 Math-Verify 重新评估了 Open LLM Leaderboard 上的所有模型，解决了之前评估中的问题，导致排行榜发生重大变动，许多模型在分数上显示出显著改进。
推荐理由：Math-Verify 的引入显著提高了 Open LLM Leaderboard 评估的准确性和公平性，导致排行榜发生重大变动，许多模型在分数上显示出显著改进。
Hugging Face BlogAI 评分4545 Fireworks.ai 加入 Hugging Face Hub，提供快速模型推理服务
Fireworks.ai 现已加入 Hugging Face Hub，提供快速模型推理服务，支持多种模型，包括 DeepSeek-R1、Mistral-Small-24B-Instruct、Qwen2.5-Coder-32B-Instruct 等，用户可通过网站 UI 或客户端 SDK 进行推理，PRO 用户每月可获得 2 美元的推理信用额度。
Hugging Face BlogAI 评分4545 Hugging Face 博客：如何计算大规模分类和嵌入的成本和延迟
Hugging Face 博客详细介绍了如何计算大规模分类和嵌入的成本和延迟，分析了不同模型架构，比较了硬件选择的成本，并提供了优化设置的框架。文章还探讨了如何通过优化配置来降低成本和提高吞吐量，以应对每天处理超过10亿次分类或嵌入请求的挑战。
Hugging Face BlogAI 评分4040 Hugging Face 开发视频生成数据集工具，助力构建高质量视频数据集
Hugging Face 推出视频生成数据集工具，包括视频下载、分割、预处理和过滤等功能，旨在帮助社区构建高质量视频数据集，用于微调视频生成模型。该工具支持使用yt-dlp下载视频，通过Video to Scenes脚本将长视频分割成短片段，并提供了多种过滤选项，如水印检测、美学评分、NSFW内容检测等。此外，还支持使用 Florence-2 和 Qwen2.5 等模型进行视频标注和OCR识别。
Hugging Face Blog精选AI 评分7070 开放阿拉伯语言大模型排行榜2发布
Hugging Face、2A2I、TII等机构发布了开放阿拉伯语言大模型排行榜2，对评测方法和数据集进行了改进，旨在提升阿拉伯语言模型评测的准确性和全面性。
推荐理由：该研究提供了阿拉伯语言大模型评测平台的新版本，对模型评测方法和数据集进行了改进，有助于提升阿拉伯语言模型评测的准确性和全面性。
Hugging Face Blog精选AI 评分7070 Open-R1项目更新：复现DeepSeek-R1的训练流程和合成数据
Open-R1项目旨在复现DeepSeek-R1的训练流程和合成数据，项目进展顺利，已成功复现Deepseek的MATH-500基准测试结果，并探讨了生成长响应的挑战和解决方案。
推荐理由：Open-R1项目旨在复现DeepSeek-R1的训练流程和合成数据，该项目进展值得关注，特别是其在推理和训练方面的成果。
Hugging Face BlogAI 评分3535 DeepSeek R1 "aha moment" 重建：使用 GRPO 和倒计时游戏进行强化学习教程
DeepSeek R1 引发行业震惊，其基于 GRPO 和多阶段训练的开放模型在复杂推理任务上与 OpenAI 的 o1 相抗衡。本文通过倒计时游戏，使用 GRPO 和 vLLM 进行分布式训练，展示了 DeepSeek R1-Zero 通过自我验证和搜索能力解决谜题的过程。
Hugging Face Blog精选AI 评分6565 AI艺术工具新闻简报 - 第1期
Hugging Face发布了AI艺术工具新闻简报第1期，回顾了2024年AI在艺术领域的里程碑和突破，并展望了2025年的发展趋势，包括开源模型、图像生成、视频生成、音频生成和文本生成等领域的进展。
推荐理由：本文回顾了2024年AI在艺术领域的里程碑和突破，并展望了2025年的发展趋势，读者可以了解AI艺术领域的最新动态和未来方向。
Hugging Face BlogAI 评分3737 DeepSeek R1 模型在 AWS 上的部署与微调指南
DeepSeek AI 发布了 DeepSeek-R1 模型，并与 AWS 合作，简化了开发者部署和微调 DeepSeek R1 模型的过程。开发者可以通过 Hugging Face Inference Endpoints 或 Amazon SageMaker AI 在 AWS 上部署模型，并使用 Hugging Face Neuron Deep Learning AMI 进行微调。
Hugging Face Blog精选AI 评分7070 Open-R1：DeepSeek-R1的完全开源复现
DeepSeek发布了DeepSeek-R1推理模型及其训练方法，Open-R1项目旨在重建其数据和训练流程，为开源社区提供透明度，并推动开放推理模型的发展。
推荐理由：Open-R1项目旨在重建DeepSeek-R1的数据和训练流程，为开源社区提供透明度，并推动开放推理模型的发展。
Hugging Face BlogAI 评分4242 smolagents 支持视觉语言模型，解锁视觉语言模型在智能体管道中的原生使用
smolagents 添加了视觉支持，使视觉语言模型在智能体管道中能够原生使用，解锁了在智能体中实现自主网页浏览等功能；通过两种方式传递图像给智能体，包括在启动时一次性传递图像列表以及在每个步骤中动态添加图像；使用 helium 和 selenium 等工具构建网页浏览智能体。