NVIDIA 发布物理AI开发者GTC 2025公告：新开源模型和数据集
NVIDIA在GTC大会上发布了三款开源产品，包括新的世界基础模型Cosmos Transfer、物理AI数据集和用于通用人形机器人推理的开源模型NVIDIA Isaac GR00T N1，旨在加速物理AI的发展。
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
#Hugging Face
今日 0 条Hugging Face Blog精选AI 评分8585 Hugging Face Blog精选AI 评分6767 Hugging Face Xet 上线，提升模型和数据存储效率
Hugging Face 的 Xet 团队将第一个模型和数据集存储库从 LFS 迁移到 Xet 存储，标志着 Hugging Face 实现其 Hub 愿景的又一步，使 AI 构建者能够更有效地构建、迭代和协作大型模型和数据集。Xet 存储使用内容定义的块分割（CDC）来重复数据删除，在字节级别（约 64KB 的数据块）进行重复数据删除。与 LFS 相比，Xet 存储可以显著提高大文件传输的效率。
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。
Mistral AI精选AI 评分8080 Mistral AI 发布 Mistral Small 3.1 开源多模态模型
Mistral AI 发布 Mistral Small 3.1，这是一款基于 Mistral Small 3 的开源多模态模型，采用 Apache 2.0 许可证。
推荐理由：Mistral Small 3.1 以 Apache 2.0 协议开源，在保持轻量部署的同时提升了多模态与长文本能力，为端侧应用提供了高性价比选择。
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。
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 Blog精选AI 评分8585 Cohere 发布 Aya Vision 多语言多模态模型家族
Cohere 发布了 Aya Vision 多语言多模态模型家族，包括 8B 和 32B 参数的视觉语言模型 (VLMs)，旨在解决 AI 领域的挑战，将多语言性能引入多模态模型。Aya Vision 基于 Aya Expanse 模型，并采用合成注释、多语言数据扩展和多模态模型合并等技术，在图像描述、视觉问答、文本生成和图像翻译等任务中表现出色。
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 Blog精选AI 评分6565 Hugging Face与印度科学研究所合作，推动印度多元语言模型建设
Hugging Face与印度科学研究所和ARTPARK合作，开放了Vaani数据集，这是一个涵盖印度多种语言和方言的多模态数据集，旨在促进AI系统对印度多元语言的更好理解和应用。
推荐理由：原文介绍了Vaani数据集的开放和其在AI领域的应用潜力，读者可以了解其对语言模型和AI系统的影响。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 SmolVLM2：将视频理解带到每个设备
Hugging Face 发布了 SmolVLM2，这是一个能够进行视频理解的新模型，旨在让视频理解在所有设备上变得可行。该模型提供了三种不同大小的版本，并支持 Python 和 Swift API。
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6565 Google 发布 PaliGemma 2 Mix 智能体功能
Google 发布了新的 PaliGemma 2 Mix 智能体功能，包括三种不同规模和分辨率的模型，以及针对多种视觉语言任务的微调。
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 Blog精选AI 评分6565 Hugging Face Hub 推出块级优化功能，加速上传和下载速度
Hugging Face Hub 推出基于块的优化功能，通过将数据分块并聚合存储，显著提高了上传和下载速度，从而加速 AI 建模和协作过程。
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 OpenR1-Math-220k：大规模数学推理数据集发布
Hugging Face 发布了 OpenR1-Math-220k，一个用于数学推理的大规模数据集，包含 220k 个问题及其推理过程，旨在为推理模型训练提供高质量数据。
推荐理由：OpenR1-Math-220k 数据集的发布为数学推理研究提供了高质量的数据资源，读者可以了解其构建方法和在推理模型训练中的应用。
Hugging Face Blog精选AI 评分8585 OpenAI 发布 Deep Research 智能体功能
OpenAI 发布 Deep Research 智能体功能，该系统可浏览网页并基于总结回答问题。Deep Research 由 LLM 和内部“智能体框架”组成，可指导 LLM 使用工具如网络搜索并按步骤组织其操作。
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6767 Hugging Face 发布 π0 和 π0-FAST：通用机器人控制视觉-语言-动作模型
Hugging Face 发布了由 Physical Intelligence 开发的 π0 和 π0-FAST，两款视觉-语言-动作（VLA）模型，旨在为通用机器人控制提供支持。这些模型在 Hugging Face LeRobot 仓库中可用，并展示了在复杂现实任务上的强大能力。π0-FAST 引入了新的 tokenization 方案，提高了效率和性能。
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 DABStep：多步推理数据智能体基准
DABStep 是由 Adyen 和 Hugging Face 共同构建的，用于评估最先进 LLM 和 AI 智能体能力的多步推理数据智能体基准。该基准包含 450 多个数据分析任务，旨在解决现实世界问题，并揭示了当前 AI 模型在解决复杂数据分析任务方面的巨大挑战。
推荐理由：DABstep 是一个针对多步推理的数据智能体基准，旨在评估和推进数据分析中的智能体工作流程。读者可以了解其设计、构建和评估结果，以及当前模型与有效解决复杂数据分析任务之间的差距。
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6767 Hugging Face 推出模型推理提供商集成
Hugging Face 推出模型推理提供商集成，包括 fal、Replicate、Sambanova 和 Together AI，并已无缝集成到客户端 SDK 中，使探索各种模型的无服务器推理变得更加容易。
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。
Hugging Face Blog精选AI 评分7070 NVIDIA发布KVPress工具，助力长上下文LLMs内存效率提升
NVIDIA发布KVPress工具，旨在解决长上下文LLMs的内存问题，通过压缩KV Cache提高内存效率，并支持多种压缩算法。
推荐理由：原文介绍了KVPress工具，它能够有效压缩KV Cache，提高长上下文LLMs的内存效率，读者可以了解其工作原理和应用场景。
Hugging Face Blog精选AI 评分7272 Hugging Face 发布 SmolVLM-256M 和 SmolVLM-500M 模型
Hugging Face 发布了 SmolVLM-256M 和 SmolVLM-500M 模型，这是世界上参数量最小的视觉语言模型。新模型在保持高效能的同时，进一步缩小了模型尺寸，适用于资源受限的设备。
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6060 Hugging Face 与 FriendliAI 合作，增强 Hub 上的模型部署
Hugging Face 与 FriendliAI 合作，将 FriendliAI 的推理基础设施集成到 Hugging Face Hub，简化并加速生成式 AI 模型的服务。FriendliAI 提供高性能、成本效益的推理基础设施，支持连续批处理、原生量化和最佳自动缩放技术。用户可以通过 Hugging Face Hub 直接部署模型，并使用 Friendli Suite 账户进行部署。
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6565 Hugging Face 推出 Text Generation Inference 多后端支持
Hugging Face 推出的 Text Generation Inference (TGI) 现在支持多后端，包括 TRT-LLM 和 vLLM，为大型语言模型的部署提供了更多灵活性，用户可以根据建模、硬件和性能需求选择最佳后端，提高生产工作负载的性能。
推荐理由：TGI多后端支持功能为大型语言模型的部署提供了更多灵活性，有助于用户根据建模、硬件和性能需求选择最佳后端，提高生产工作负载的性能。
Hugging Face Blog精选AI 评分7272 Hugging Face发布快速静态嵌入模型，速度提升100倍至400倍
Hugging Face发布了两款新的静态嵌入模型，sentence-transformers/static-retrieval-mrl-en-v1用于英语检索，sentence-transformers/static-similarity-mrl-multilingual-v1用于多语言相似度任务。这些模型在CPU上的速度比常见的模型快100倍到400倍，同时达到了至少85%的性能。
推荐理由：原文介绍了两种新的静态嵌入模型，它们在CPU上的速度比现有模型快100倍到400倍，同时保持了大部分质量。读者可以据此判断这些模型将如何改变现有工作流。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布多语言视觉文档检索模型 vdr-2b-multi-v1
Hugging Face 发布了多语言视觉文档检索模型 vdr-2b-multi-v1，这是目前最好的多语言嵌入模型，用于跨语言和领域的视觉文档检索。该模型基于 MrLight/dse-qwen2-2b-mrl-v1，并在一个包含 500k 高质量样本的多语言查询-图像对数据集上训练。
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6060 开源语言模型碳排放与性能分析：来自 Open LLM 排行榜的洞察
Hugging Face 对 Open LLM 排行榜上的 3000 多个模型进行了碳排放评估，分析了模型推理过程中的碳排放，并探讨了社区微调模型在降低碳排放方面的优势。
推荐理由：分析了开源语言模型在推理过程中的碳排放，揭示了社区微调和官方模型之间的差异，为模型创建者提供了性能与环保平衡的参考。
Hugging Face Blog精选AI 评分7070 Hugging Face 推出 smolagents：简单编写代码动作的智能体
Hugging Face 推出 smolagents，一个简单的库，为语言模型解锁了智能体功能，支持代码智能体和工具调用智能体，并支持任何 LLM。
推荐理由：smolagents 是一个简单的库，为语言模型解锁了智能体功能，读者可以了解其如何改变现有工作流。
Hugging Face Blog精选AI 评分6565 NVIDIA发布LogitsProcessorZoo，增强语言模型生成控制
NVIDIA发布了LogitsProcessorZoo，这是一个强大的、模块化的logits处理器集合，旨在控制语言模型的生成过程，包括控制序列长度、强制使用关键短语或引导多选题答案等。
推荐理由：NVIDIA的LogitsProcessorZoo扩展了Hugging Face的Transformer库功能，提供了对语言模型生成过程的细粒度控制，有助于优化AI工作流程。
Hugging Face Blog精选AI 评分7070 Big Bench Audio：语音推理能力评估研究
Hugging Face 发布了 Big Bench Audio 数据集，用于评估语音语言模型的推理能力，并对比了 GPT-4o 和 Gemini 1.5 系列模型在不同语音推理配置下的表现。
推荐理由：该研究评估了语音推理能力，揭示了文本推理和语音推理之间的性能差距，为语音智能体的发展提供了重要参考。
Hugging Face Blog精选AI 评分8585 Hugging Face 推出 ModernBERT：BERT 的替代品
Hugging Face 推出 ModernBERT，这是一系列最先进的编码器模型，在速度和准确性方面都优于 BERT。ModernBERT 可作为任何类似 BERT 模型的插槽式替代品，包括基础（149M 参数）和大型（395M 参数）模型大小。
推荐理由：ModernBERT 在速度和准确性方面都优于 BERT，为各种编码器任务提供了新的标准，读者可以了解其性能和潜在应用。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 Bamba-9B 模型，推理效率提升 2.5 倍
Hugging Face 发布了 Bamba-9B 模型，该模型在推理效率方面比标准 Transformer 模型提升了 2.5 倍，并支持在 transformers、vLLM、TRL 和 llama.cpp 中使用。
推荐理由：原文介绍了 Bamba-9B 模型的性能和效率，读者可以了解其在推理效率方面的优势以及与其他模型的比较。
Hugging Face Blog精选AI 评分8585 Falcon3 模型家族开源发布
Technology Innovation Institute 发布了 Falcon3 模型家族，包括多个参数量小于 10 亿的解码器大型语言模型，强调科学、数学和代码能力。
推荐理由：Falcon3 模型家族的发布展示了其在科学、推理和通用知识能力方面的提升，读者可以了解其性能和潜力。
Hugging Face BlogAI 评分4040 "Hugging Face Blog：在 GCP 5 代 Xeon 上基准测试语言模型性能"
"Hugging Face 在 GCP 的 N2 和 C4 Xeon CPU 实例上对文本嵌入和文本生成进行了基准测试，结果显示 C4 在文本嵌入和文本生成方面比 N2 高 10 到 24 倍和 2.3 到 3.6 倍，同时 C4 的每小时价格是 N2 的 1.3 倍，表明 C4 在文本嵌入和文本生成方面具有 7 到 19 倍和 1.7 到 2.9 倍的 TCO 优势。"
Hugging Face BlogAI 评分4545 Hugging Face 推出 Synthetic Data Generator：无需代码构建自定义数据集
Hugging Face 推出 Synthetic Data Generator，一款无需代码即可创建自定义数据集的应用。该工具支持文本分类和聊天数据集，通过简单的三步流程，用户可在几分钟内创建数据集和模型。此外，用户还可以通过 Argilla 和 Hugging Face Hub 进行数据集的探索和评估。
Hugging Face BlogAI 评分5050 Hugging Face 社区发布开源文本到图像生成偏好数据集
Hugging Face 社区发布 Apache 2.0 许可的文本到图像生成偏好数据集，包含不同模型家族和复杂度的文本到图像偏好对，数据集可在 Hugging Face Hub 和 GitHub 仓库找到。
Hugging Face BlogAI 评分4545 Hugging Face 模型在 Amazon Bedrock 上的应用
Hugging Face 推出的 83 个开源模型现已可在 Amazon Bedrock 的 Bedrock Marketplace 上使用，支持 AWS 客户构建生成式 AI 应用。用户可通过 Bedrock Model Catalog 部署模型，如 Google Gemma 2 27B Instruct，并使用 Amazon Bedrock API 进行调用。