AraGen：重新思考 LLM 评估的 3C3H 评测基准和排行榜
AraGen 是一个针对阿拉伯语 LLM 的生成任务基准和排行榜，基于 3C3H 评估方法，旨在更全面地评估 LLM 的性能，包括事实准确性和可用性。
推荐理由：AraGen 引入了新的评估方法 3C3H，旨在更全面地评估 LLM 的性能，对 LLM 评估领域有重要意义。
#Hugging Face
#Hugging Face
今日 0 条Hugging Face Blog精选AI 评分7070
Hugging Face Blog精选AI 评分6767 Hugging Face 案例研究：利用 LLM 优化金融数据命名实体识别
Hugging Face 案例研究：Hugging Face 与 Capital Fund Management 合作，利用大型语言模型和 Hugging Face 生态系统优化金融数据中的命名实体识别，通过 LLM 辅助标注和微调小型模型，提高了准确率并降低了运营成本。
推荐理由：该案例展示了如何利用大型语言模型优化金融数据中的命名实体识别，为读者提供了实际应用中的性能和成本效益分析。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 SmolVLM 小型视觉语言模型
Hugging Face 发布了 SmolVLM，一个小型且高效的视觉语言模型，具有 2B 参数量，在内存占用方面达到 SOTA 水平。SmolVLM 小巧、快速、内存高效，并且完全开源。模型检查点、VLM 数据集、训练配方和工具均在 Apache 2.0 许可下发布。
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5555 Hugging Face 重构上传和下载功能
Hugging Face 对其 Hub 的存储后端进行改进，引入了内容寻址存储（CAS）来优化上传和下载速度，并计划在全球范围内部署 CAS 节点以支持更高效的文件传输。
Hugging Face Blog精选AI 评分7070 FlagEval Debate：首个多语言大型语言模型辩论竞赛平台
BAAI 推出 FlagEval Debate 平台，支持英语、中文、阿拉伯语和韩语辩论竞赛，旨在评估大型语言模型在交互式场景中的推理能力和语言能力。
推荐理由：FlagEval Debate 平台通过多语言支持和开发者定制功能，为大型语言模型提供了一种新的评估方法，有助于了解模型在交互式场景中的表现。
Hugging Face Blog精选AI 评分6565 Hugging Face 推出文件到块存储优化
Hugging Face 推出新的存储优化技术，通过内容定义分块（CDC）提高存储效率，减少上传/下载时间和存储成本。
推荐理由：Hugging Face 通过内容定义分块技术显著提高了存储效率，读者可以了解这项技术如何改变现有工作流。
Hugging Face Blog精选AI 评分6565 Hugging Face 推出日语大型语言模型 Open Leaderboard
Hugging Face 与 LLM-jp 合作推出了日语大型语言模型 Open Leaderboard，包含超过 20 个数据集，用于评估日语 LLM 的性能。
推荐理由：该 leaderboard 为日本 LLM 提供了评估平台，有助于推动日本 LLM 的发展和研究。
Hugging Face BlogAI 评分5555 Hugging Face 推出自我推测解码技术加速文本生成
Hugging Face 推出自我推测解码技术，通过结合推测解码和早期退出大语言模型的优势，实现了高效的文本生成，同时显著降低了内存使用和计算延迟。
Hugging Face Blog精选AI 评分6767 Hugging Face 发布 Judge Arena：LLM 评估基准平台
Hugging Face 发布了 Judge Arena，一个用于比较不同 LLM 作为评估者的表现的平台。用户可以选择样本进行评估，平台将提供两个 LLM 评估者的评分和理由，用户可以根据自己的判断进行投票。平台收集的投票结果将显示在排行榜上，帮助开发者选择合适的模型进行评估。
推荐理由：Judge Arena 提供了一个平台，让用户可以比较不同 LLM 作为评估者的表现，有助于开发者选择合适的模型进行评估。
Hugging Face Blog精选AI 评分6262 Hugging Face Hub 发布开源机器学习数据集共享功能
Hugging Face Hub 发布了新的数据集共享功能，支持大型数据集托管、多种数据格式和第三方库集成，旨在促进机器学习研究。
推荐理由：Hugging Face Hub 提供了强大的数据共享和托管功能，对于数据密集型研究和机器学习项目具有重要意义，读者可以了解其如何改变现有工作流。
Hugging Face BlogAI 评分4545 Argilla 2.4：无需代码即可在 Hub 上构建微调和评估数据集
Hugging Face 推出 Argilla 2.4 版本，用户无需代码即可在 Hugging Face Hub 上构建微调和评估数据集。该版本简化了数据集创建过程，支持从 Hub 数据集导入、定义问题并收集人类反馈，适用于不具备编程知识的领域专家。
Hugging Face Blog精选AI 评分6767 Hugging Face 推出通用辅助生成方法，加速解码速度
Hugging Face 与英特尔实验室合作推出通用辅助生成方法，通过使用不同模型家族的小型语言模型，可以加速任何解码器或混合专家模型的推理速度，速度提升可达 1.5-2.0 倍。
推荐理由：原文介绍了 Universal Assisted Generation 方法，该方法可以加速任何解码器或混合专家模型的推理速度，读者可以了解其如何改变现有工作流。
Hugging Face Blog精选AI 评分8585 Cohere 发布 Aya Expanse 模型：推动多语言性能前沿
Cohere 发布了 Aya Expanse 模型家族，包括 8B 和 32B 参数模型，旨在解决 AI 领域多语言模型性能不足的问题。Aya Expanse 在多语言性能上取得了突破，并在多个评估中超越了其他模型。
推荐理由：Aya Expanse 模型在多语言性能上取得了突破，为读者提供了评估多语言模型的新基准。
Hugging Face Blog精选AI 评分7070 Hugging Face 推出 HUGS 生成式 AI 服务
Hugging Face 推出 HUGS 生成式 AI 服务，提供优化、零配置推理微服务，简化并加速使用开源模型开发 AI 应用。HUGS 支持多种硬件加速器，包括 NVIDIA GPU、AMD GPU，并即将支持 AWS Inferentia 和 Google TPU。
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4747 CinePile 2.0：利用对抗性精炼提升数据集质量
Hugging Face 发布了 CinePile 2.0，这是一个经过显著改进的长视频问答数据集。新数据集的改进依赖于一种新的对抗性数据集精炼方法，该方法可增强现有数据集并直接应用于未来数据集创建流程。CinePile 2.0 包含约 300,000 个训练样本和 5,000 个测试样本，其问题多样性和难度均优于现有数据集。
Hugging Face Blog精选AI 评分7575 Hugging Face 发布 Stable Diffusion 3.5 大模型
Hugging Face 发布了 Stable Diffusion 3.5 大模型，提供了两个检查点：一个大型（8B）模型和一个时间步长蒸馏模型，支持少量推理。
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 发布语音到语音转换功能
Hugging Face 发布了语音到语音转换功能，支持多种语言，并提供了在 Hugging Face Inference Endpoints 上部署的指南。
Hugging Face BlogAI 评分5252 Hugging Face 发布 Outlines-core 0.1.0：Rust 和 Python 中的结构化生成
Hugging Face 发布了 Outlines-core 0.1.0，这是一个 Rust 版本的 outlines 核心算法，提供了更快的速度、更好的可移植性和更高的安全性，并支持多种语言集成。
Hugging Face Blog精选AI 评分6565 Hugging Face 与 Protect AI 合作：增强机器学习社区模型安全性
Hugging Face 与 Protect AI 合作，推出新的模型安全工具 Guardian，旨在增强机器学习社区的模型安全性。Guardian 可以自动扫描模型，防止潜在的恶意利用，如任意代码执行。所有公共模型存储库都将自动进行扫描。
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 Llama 3.2 在 Keras 中的使用
Llama 3.2 已于两周前在 Hugging Face / Transformers 上线，可直接在 Keras 中使用，支持多种后端，包括 JAX、PyTorch 和 TensorFlow。Keras 提供了丰富的预训练模型，包括 Llama3、Gemma、StableDiffusion 等，并内置了 tokenizer，方便用户进行模型训练和推理。
Hugging Face BlogAI 评分3232 Hugging Face Transformers 更新：解决梯度累积问题
Hugging Face 的 Transformers 团队迅速响应了关于梯度累积问题的报告，通过更新代码和发布修复，确保了在梯度累积过程中损失计算的准确性。此外，团队还开放了 API，允许用户直接传递自定义损失函数，以增强模型的灵活性和适应性。
Hugging Face BlogAI 评分5252 Gradio 5 发布安全审计报告
Gradio 5 发布了安全审计报告，修复了多个安全问题，包括本地运行、部署在 Hugging Face Spaces、共享链接和供应链漏洞等方面的安全问题。
Hugging Face BlogAI 评分5555 Hugging Face 推出动态推测解码加速文本生成
Hugging Face 推出动态推测解码方法，该方法可以加速文本生成，最高可达 2.7 倍，并从 Transformers🤗 release 4.45.0 开始作为辅助生成的默认操作模式。
Hugging Face BlogAI 评分3535 Hugging Face Hub 优化 Parquet 数据去重效率
Hugging Face 团队正在优化 Hub 的存储架构，提高数据存储和更新的效率。通过实验发现，使用字节级内容定义块（CDC）去重算法，Parquet 文件去重效果良好，但Parquet格式带来的挑战需要进一步优化。团队正在探索使用相对偏移量、支持内容定义块等方案，以提高 Parquet 文件的去重能力。
Hugging Face Blog精选AI 评分7070 Hugging Face 推出 Open FinLLM 排行榜
Hugging Face 推出了针对金融领域的 Open FinLLM 排行榜，旨在评估金融语言模型在信息提取、情感分析、信用风险评估和股票走势预测等任务上的表现。该排行榜提供了一套专门针对金融行业的评估框架，涵盖多个任务类别，并使用真实世界数据集进行评估。
推荐理由：原文提供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 发布 Llama 3.2 多模态模型
Hugging Face 发布了 Llama 3.2 多模态模型，包括视觉模型和文本模型，支持在设备上运行，并提供了多种集成和部署选项。
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4040 Hugging Face Daily Papers 页面功能探索
Hugging Face Daily Papers 页面自推出以来，已收录超过 3,700 篇论文，拥有超过 12k 订阅者。该页面提供作者论文认领、论文提交、与作者互动、相关资源链接、点赞推荐、相似论文推荐、多语言评论和翻译、订阅等功能，旨在帮助开发者、研究人员及时了解 AI 领域最新研究进展。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 FineVideo 数据集
Hugging Face 发布了 FineVideo 数据集，包含 43k 个视频，用于训练模型理解视频内容、训练扩散模型生成视频以及训练计算机视觉模型。
推荐理由：FineVideo 数据集的发布为开源视频 AI 的发展提供了重要资源，读者可以关注其如何影响现有工作流。
Hugging Face Blog精选AI 评分7070 Hugging Face发布BitNet架构：LLM极端量化新方法
Hugging Face发布BitNet架构，通过极端量化将LLM参数精度降低至1.58位，显著降低计算和内存需求。
推荐理由：原文介绍了BitNet架构及其在LLM中的应用，读者可以了解其性能和适用性。
Hugging Face Blog精选AI 评分6262 Hugging Face 推出 Datasets SQL 控制台
Hugging Face 推出 Datasets SQL 控制台，允许用户直接在 Hugging Face Hub 上运行 SQL 查询，支持 DuckDB WASM 引擎和 Parquet 文件格式，并提供多种 SQL Snippets 用例。
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 HuggingChat 推出社区工具功能，赋能模型直接使用
HuggingChat 推出社区工具功能，允许用户将 HuggingFace 上的任何 Space 转换为模型可用的工具，支持图像理解、视频生成和文本语音模型等功能。用户可创建自定义工具或使用社区工具增强助手，目前该功能处于实验阶段。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 Accelerate 1.0.0，简化大规模训练和大型模型问题
Hugging Face 发布了 Accelerate 1.0.0，这是一个旨在简化大规模训练和大型模型问题的多方面库。它支持多种硬件加速器，并提供了易于使用的命令行界面。
推荐理由：原文详细介绍了 Accelerate 1.0.0 的功能和未来发展方向，读者可以了解其如何简化大规模训练和大型模型的问题，并预测 PyTorch 生态系统的未来趋势。
Hugging Face BlogAI 评分4040 Hugging Face 与 TruffleHog 合作，增强平台安全功能
Hugging Face 与 TruffleHog 合作，将 TruffleHog 的秘密扫描功能集成到平台中，以增强安全性。TruffleHog 是一款开源工具，可检测和验证代码中的秘密泄露。Hugging Face 已将 TruffleHog 集成到其自动扫描流程中，并创建了一个原生 Hugging Face 扫描器，以帮助用户主动扫描账户数据中的泄露秘密。
Hugging Face BlogAI 评分4040 🤗 LeRobotDataset：视频编码助力机器人数据集规模扩展
🤗 LeRobotDataset提出了一种轻量级、易于分享和可视化的数据集格式，通过视频编码技术将视觉模态数据集大小平均减少14%，同时保持良好的训练能力。该格式支持快速加载和播放视频帧，并兼容多种媒体播放器和浏览器。
Hugging Face BlogAI 评分3535 Hugging Face Hub 五大被低估的工具
Hugging Face Hub 拥有超过 850K 个公共模型，每月新增约 50k 个。本文介绍了五个常被忽视的工具：ZeroGPU、多进程 Docker、Gradio API、Webhooks 和 Nomic Atlas，它们可以帮助用户更轻松地构建各种 AI 解决方案。这些工具中的 ZeroGPU 提供免费 GPU 访问，适用于需要偶尔进行推理的场景。
Hugging Face Blog精选AI 评分6060 Hugging Face 通过 Flash Attention 2 提高训练效率
Hugging Face 推出新的功能，使 packed instruction tuning examples 与 Flash Attention 2 兼容，提供高达 2 倍的训练吞吐量提升，同时保持收敛质量。
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 BlogAI 评分5555 Meta Llama 3.1 405B 在 Google Cloud Vertex AI 上部署
Meta 发布了 Llama 3.1 405B，支持多语言、工具使用等能力，并提供了在 Google Cloud Vertex AI 上部署的教程。
Hugging Face BlogAI 评分3535 ggml：轻量级Transformer推理库入门指南
ggml是一个专注于Transformer推理的轻量级机器学习库，由C和C++编写，开源且由日益增长的社区积极开发。它具有最小化、易于编译、轻量级、良好的兼容性等特点，支持量化张量，内存效率极高。ggml适用于开发者入门，但需要深入了解底层编程。本文介绍了ggml的基本概念和基本用法，为后续学习和开发打下基础。
Hugging Face Blog精选AI 评分8585 Falcon Mamba：首个强大的无注意力 7B 模型发布
Technology Innovation Institute 发布了 Falcon Mamba 模型，这是一个基于 Mamba 架构的无注意力 7B 模型，可在 Hugging Face 系统中使用，具有处理长序列的能力。
推荐理由：原文介绍了 Falcon Mamba 模型的设计、性能和如何在 Hugging Face 系统中使用，读者可以了解其在处理长序列方面的优势。
Hugging Face Blog精选AI 评分7070 Hugging Face 推出统一工具使用 API
Hugging Face 推出统一工具使用 API，支持多个流行模型家族，简化了工具调用过程，并提供了完整的文档和示例。
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。