Qwen/Qwen3.5-35B-A3B 模型用 TRL 和 OpenEnv 训练绘画模型
Qwen/Qwen3.5-35B-A3B 模型通过 TRL 和 OpenEnv 训练，实现了用 JavaScript 通过 p5.brush 库绘制水彩画的功能，视频观看量超过 1.5M。该模型在 Hugging Face 上进行端到端训练，包括训练脚本、训练模型和评估模型，所有内容均开源。
#Hugging Face
#Hugging Face
今日 0 条Hugging Face BlogAI 评分4040 Hugging Face BlogAI 评分3535 LFM2.5-350M 模型通过 100 GRPO 步骤微调以优化结构化输出
Hugging Face 博客发布指南，使用 TRL 库和 GRPO 对 LFM2.5-350M 模型进行微调，在 IFStruct 基准测试中性能从 22.6% 提升至 29.7%，展示了小模型特定任务微调的潜力。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 Funes，为编码智能体提供自有记忆
Hugging Face 发布了 Funes，一个为编码智能体提供自有记忆的工具。Funes 可以将智能体的会话记录本地化，并支持跨机器和团队共享，从而帮助智能体在执行任务时更好地利用历史信息。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 WebGPU 内核库 @huggingface/kernels
Hugging Face 发布了 WebGPU 内核库 @huggingface/kernels，包含 207 个内核，旨在提高浏览器推理的速度和用户体验。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分4545 Sentence Transformers v6.0 更新：多向量嵌入模型训练与微调
Sentence Transformers v6.0 引入多向量嵌入模型 MultiVectorEncoder，用于 ColBERT-style 检索，并提供了完整的训练方法。该模型在医疗检索任务上表现优于通用检索模型，通过微调可显著提升特定领域的检索性能。
Hugging Face Blog精选AI 评分8585 IBM 发布 Granite 4.2 推理模型家族：构建过程揭秘
IBM 发布了 Granite 4.2 推理模型家族，包括 3B、8B 和 30B 三个版本，这些模型基于 Granite-4.1 基础模型进行后训练，并支持工具调用和推理功能。
推荐理由：Granite 4.2 模型在推理能力上有所提升，并支持工具调用，读者可以了解其架构和训练过程。
Hugging Face Blog精选AI 评分8585 量化感知修复：超越原始模型的压缩4位模型
Hugging Face提出量化感知修复（QAH）方法，通过从原始模型中蒸馏，将GPT-OSS 120B模型压缩至60B参数并量化至MXFP4，在7个基准测试中超越其全精度版本，实现更小、更便宜且更准确的模型。
推荐理由：原文提出了量化感知修复（QAH）方法，通过从原始模型中蒸馏，提高了压缩和量化后的模型性能，读者可以了解该方法如何提升模型效率和准确性。
Hugging Face Blog精选AI 评分6262 Gradio发布gr.Workflow功能，构建和部署AI工作流
Gradio发布新的gr.Workflow功能，允许用户通过图形化界面构建和部署AI工作流，提高工作效率。
推荐理由：原文介绍了Gradio的gr.Workflow功能，该功能允许用户通过图形化界面构建和部署AI工作流，读者可以了解如何利用该功能提高工作效率。
Mistral AI精选AI 评分6060 Mistral 与 HUMAIN 宣布战略合作，推动主权 AI 发展
Mistral 与 HUMAIN 宣布战略合作，旨在推动主权 AI 的发展，包括 AI 基础设施、高级模型开发和 AI 解决方案的部署。合作将支持沙特阿拉伯和中东地区的 AI 创新，并探索使用 HUMAIN 的数据中心基础设施来支持当地计算需求。
推荐理由：原文宣布了与 HUMAIN 的战略合作，旨在推动主权 AI 的发展，读者可以关注该合作对区域 AI 产业的影响。
Hugging Face Blog精选AI 评分6060 Hugging Face 推出 Papers with Code 搜索功能
Hugging Face 推出 Papers with Code 搜索功能，利用混合搜索系统提供强大的搜索能力，支持对 AI 研究论文的搜索和检索。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分6262 语音识别基准优化测量
研究人员通过实验发现，一些语音识别模型在基准测试中表现出优化行为，即通过学习基准特定的模式来提高分数，而非真正提升识别能力。
推荐理由：原文通过实验揭示了语音识别模型在基准测试中的优化行为，对模型选择和评估有重要参考价值。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 LFM2.5-DSpark 模型，推理速度提升至 3.2 倍
Hugging Face 发布了 LFM2.5-DSpark 模型，该模型通过引入推测性解码路径，在保持输出质量不变的情况下，将推理速度提升了 3.2 倍。模型支持 llama.cpp 和 SGLang，并已开源。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7070 智能体所需内存量分析：如何调整智能体记忆以优化性能
某产品分析了不同规模模型下智能体所需内存量，发现记忆量应根据模型能力进行调整，以优化性能。
推荐理由：原文探讨了不同模型规模下智能体记忆的最佳配置，读者可以了解如何根据模型能力调整记忆量以优化性能。
Hugging Face Blog精选AI 评分6565 Sentence Transformers发布多向量嵌入模型
Sentence Transformers库发布新的多向量嵌入模型MultiVectorEncoder，支持ColBERT风格的晚交互检索，适用于视觉文档检索等应用，并提供了详细的安装、使用和评估指南。
推荐理由：原文介绍了Sentence Transformers库的新功能MultiVectorEncoder，该功能支持ColBERT风格的晚交互检索，适用于视觉文档检索等应用，读者可以了解其能力变化和开放入口，从而判断其对现有工作流的影响。
Hugging Face Blog精选AI 评分8585 开源模型生态系统：2026年夏季观察报告
Hugging Face 发布了2026年夏季开源模型生态系统观察报告，分析了模型和数据集的增长、中国和美国实验室的进展、模型下载和喜欢数量的差异、开源许可的变化以及智能体在 Hugging Face Hub 上的使用情况。
推荐理由：报告分析了开源模型生态系统的最新动态，包括模型和数据集的增长、中国和美国实验室的进展、模型下载和喜欢数量的差异、开源许可的变化以及智能体在 Hugging Face Hub 上的使用情况。
Hugging Face Blog精选AI 评分7070 Hugging Face 推出 OlmoEarth 嵌入功能
Hugging Face 推出 OlmoEarth 嵌入功能，允许用户计算和导出嵌入向量，支持从相似性搜索到分割到无监督探索的广泛下游任务。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 ALTK-Evolve，与 ACE 类似但更高效
Hugging Face 发布了 ALTK-Evolve，一种与 ACE 类似的智能体记忆系统，旨在通过将智能体的过去轨迹转化为可重用经验并在推理时反馈，从而提高效率。ALTK-Evolve 与 ACE 的主要区别在于它们如何构建和交付记忆，ALTK-Evolve 通过选择性检索而不是注入整个剧本来减少推理成本。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8080 NVIDIA Magpie TTS 多语言语音智能体发布开放权重和全部署控制
NVIDIA 发布了 Magpie TTS 多语言语音智能体，支持开放权重和全部署控制，提供 12 种语言，包括阿拉伯语、韩语和巴西葡萄牙语，并优化了现有语言的合成质量。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7272 Hugging Face开源高效知识蒸馏工具
Hugging Face开源了高效知识蒸馏工具，通过优化计算方式降低训练成本，使大规模实验成为可能。
推荐理由：该研究提出了高效的知识蒸馏方法，降低了大规模实验的成本，对AI领域具有实际应用价值。
Hugging Face BlogAI 评分4040 Baseten 成为 Hugging Face Hub 支持的推理提供商
Baseten 加入 Hugging Face Hub，提供无服务器推理功能，支持多种模型类型，包括 LLM 和文本生成等，简化开发者应用集成。Baseten 支持的模型包括 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等，并集成到 Hugging Face SDKs 和 Agent Harness 中。
Hugging Face Blog精选AI 评分7070 Hugging Face 推出 GPU 管理工具
Hugging Face 推出新的 GPU 管理工具，旨在优化 GPU 使用效率，提升 AI 工作负载的效率。
推荐理由：原文提出了GPU管理的重要性，读者可以了解如何优化GPU使用效率，从而提升AI工作负载的效率。
Hugging Face Blog精选AI 评分7777 NVIDIA 推出 Cosmos-H-Dreams：实时生成模拟手术机器人
NVIDIA 推出 Cosmos-H-Dreams，一款实时、动作条件生成模拟器，用于手术机器人。该模拟器基于 NVIDIA Cosmos-Predict2.5-2B 构建并经过 Open-H-Embodiment 数据集训练，能够在单块 NVIDIA RTX PRO 6000 GPU 上运行，实现交互式环境。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 Hugging Face 智能体入侵事件：技术时间线分析
Hugging Face 发布了关于其智能体入侵事件的技术分析，揭示了攻击者如何利用智能体进行入侵，并分析了防御策略。
推荐理由：该事件揭示了前沿智能体在攻击中的新兴能力，对网络安全防御提出了新的挑战。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 Nunchaku 4-bit Diffusion Inference 到 Diffusers
Hugging Face 发布了 Nunchaku 4-bit Diffusion Inference 到 Diffusers，通过 SVDQuant 方法实现 4 位权重和激活（W4A4），降低内存使用同时加快去噪循环。Diffusers 现在可以加载 Nunchaku 检查点，无需本地 CUDA 编译。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
OpenAI News精选AI 评分6060 OpenAI 与 Hugging Face 合作应对模型评估安全事件
OpenAI 和 Hugging Face 分享了 AI 模型评估过程中发生的安全事件的初步发现，突出了高级网络能力和对防御者的启示。
推荐理由：OpenAI 和 Hugging Face 合作应对模型评估过程中的安全事件，对防御者有重要启示。
Hugging Face Blog精选AI 评分6767 Grabette：一个开源的机器人操作数据记录系统
Grabette 是一个开源的机器人操作数据记录系统，用户可以使用手持夹具记录操作任务，并将其自动转换为机器人可用的数据集，以帮助构建一个开放、协作的机器人学习数据集。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7777 DharmaOCR 发布针对巴西葡萄牙语的专用 OCR 模型
DharmaOCR 发布了针对巴西葡萄牙语的专用 OCR 模型，通过领域专业化和针对性训练，在巴西葡萄牙语 OCR 方面优于 Mistral OCR4 和 Unlimited-OCR。模型采用监督微调和多语言模型训练，实现了高提取质量和低退化率。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 Hugging Face公布2026年7月安全事件披露
Hugging Face公布了一起由自主AI智能体系统驱动的入侵事件，详细描述了攻击过程和防御措施，强调AI在网络安全中的重要性。
推荐理由：原文详细描述了Hugging Face遭受的AI驱动入侵事件，以及他们如何利用AI进行检测和分析，对网络安全领域有重要参考价值。
Hugging Face Blog精选AI 评分7070 Hugging Face 博客：模型路由简单，直到它不简单
Hugging Face 博客发布文章，探讨了模型路由的复杂性，并介绍了如何将其视为一个优化问题，以优化成本、质量和延迟。
推荐理由：原文详细介绍了模型路由的优化方法，对于构建智能体系统具有参考价值。
Hugging Face Blog精选AI 评分8585 Thinking Machines 发布 Inkling 智能体
Thinking Machines 发布了 Inkling 智能体，一个大型多模态 LLM，支持图像、文本和音频输入，具有推理能力，并支持 1M 上下文窗口。Inkling-Small 变体也发布，具有 276B 总参数和 12B 活跃参数，支持 MXFP8 和 NVFP4 权重。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分5252 Hugging Face 与 Amazon SageMaker Studio 深度集成，一键直达智能体功能
Hugging Face 与 Amazon SageMaker Studio 实现深度集成，开发者可一键从模型发现到 SageMaker Studio 的实验性测试。新功能包括从 Hugging Face 模型直接跳转到 SageMaker Studio 的工作流程，预配置权限以及 GPU 配额可见性。
Hugging Face Blog精选AI 评分6262 微软发布 Foundry Managed Compute 并集成 Hugging Face 模型目录
微软在 Build 2026 上发布 Foundry Managed Compute，并推出包含每周更新的 Hugging Face 精选模型目录。该服务提供一键部署、自动运行时升级及安全扫描，支持通过统一端点和 SDK 调用开源模型进行智能体开发。目前处于预览阶段，支持 NVIDIA A100/H100 及 AMD MI300X 加速器。
推荐理由：原文展示了开源模型在企业级平台上的自动化运维与统一接入能力，读者可据此评估私有化部署的合规性与工程成本。
Hugging Face Blog精选AI 评分7878 SkyPilot 集成 Hugging Face Storage 实现跨云零出口流量存储
SkyPilot 正式将 Hugging Face Storage 作为一等后端支持，允许用户通过 hf:// URL 和现有 HF_TOKEN 在任意云端集群挂载 Hub 上的模型和数据集。
推荐理由：原文给出了跨云调度与零出口流量存储的集成方案，读者可以据此判断它如何降低多云环境下的数据读取成本。
Hugging Face Blog精选AI 评分6565 LeRobot v0.6.0 发布：引入世界模型策略与统一奖励 API
Hugging Face 发布 LeRobot v0.6.0，核心更新包括支持 VLA-JEPA 等能“想象”未来的世界模型策略、统一的奖励模型 API（Robometer, TOPReward）以及新的部署 CLI lerobot-rollout。
推荐理由：LeRobot v0.6.0 引入世界模型策略和统一奖励 API，并新增六个仿真基准，为机器人学习闭环提供了从想象、评估到改进的完整工具链。
Hugging Face BlogAI 评分5050 PRX 数据策略详解：混合数据集与 VLM 重描述构建训练语料
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 Blog精选AI 评分6868 Hugging Face Kernels 项目重大更新：新增仓库类型与安全增强
Hugging Face 对 Kernels 项目进行重大更新，正式在 Hub 上推出名为 "kernel" 的新仓库类型，使自定义内核成为一等公民并提升其可发现性。
推荐理由：原文详细说明了 Kernels 项目引入的新仓库类型、安全机制及框架支持，读者可据此了解自定义内核在 Hugging Face Hub 上的标准化发布与调用流程。
Hugging Face Blog精选AI 评分6262 Hugging Face 与 Cerebras 联合展示基于 Gemma 4 的实时语音 AI 方案
Hugging Face 和 Cerebras 联合演示了一种开源、模块化的实时语音转语音（Speech-to-Speech）AI 架构。
推荐理由：展示了开源模块化语音架构与高速推理结合后的实时交互效果，为开发者提供了可复用的低延迟技术栈参考。
Hugging Face BlogAI 评分5858 Hugging Face 实现 Every Eval Ever 与社区评估互通
Hugging Face 宣布 Every Eval Ever (EEE) 与 Hugging Face Community Evals 实现互操作，支持评估结果的交叉发布、解释及统一元数据存储。
Hugging Face BlogAI 评分3131 DiScoFormer：单 Transformer 统一估计密度与分数
Hugging Face 推出 DiScoFormer，该模型通过单次前向传播即可同时估计数据分布的密度和分数，无需重新训练。在 100 维数据测试中，其分数误差比最佳核密度估计（KDE）降低约 6.5 倍，密度误差降低超过 37 倍。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布在 Jobs 平台一键运行 vLLM 服务器的教程
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。