跳到正文

#Hugging Face

RSS
今日 3 則
7月15日週三
  1. Hugging Face Blog75

    推出 Real World VoiceEQ:衡量語音 AI 的人類質量

    Hugging Face 釋出了 Real World VoiceEQ,一個評估語音 AI 人類質量的基準,涵蓋 60 多項指標,覆蓋 40 多個模型。該基準基於 100 萬條人類評分,評估 15+ 維度的 ASR、TTS、S2S 和 Speech Understanding,幫助開發者識別情感、背景噪聲等細粒度缺陷。

    推薦理由:Real World VoiceEQ 提供了超過 60 項指標的真實人類評估,幫助開發者識別模型在情感、背景噪聲等方面的細粒度缺陷。

7月10日週五
7月9日週四
  1. Amazon Science80

    在代理互動中捕捉 Token ID 以提升強化學習

    在代理互動中捕捉 Token ID 以提升強化學習 - Turnstile:用 Rust 實作的代理,位於 Agent harness 與後端之間,即時記錄精確 token ID、log 機率與 loss mask。

    推薦理由:本文提出在代理互動中精確捕捉 token ID 的方法,提升 RL 訓練的準確性,為多模態與 MoE 模型的強化學習提供可複用的工具。

7月8日週三
7月7日週二
  1. Hugging Face Blog63

    Hugging Face 攜手微軟在 Microsoft Foundry 中推出託管計算與模型精選目錄

    Hugging Face 與微軟在 Microsoft Build 2026 上宣佈推出 Foundry Managed Compute 以及 Hugging Face 模型的精選目錄,每週更新並支援一鍵部署到託管計算平臺。該平臺提供企業級安全治理、多模態支援、統一端點和自動化執行時升級,讓企業能夠在 Azure 中安全、便捷地執行開源模型。

  2. Hugging Face Blog85

    Hugging Face 釋出 LeRobot v0.6.0:引入世界模型與統一評測

    LeRobot v0.6.0 引入了世界模型策略、全新的視覺語言動作模型和統一的獎勵模型 API,同時帶來了六大模擬評測基準、全新的部署命令列工具以及深度感知和資料自動標註能力。此次更新還優化了資料集載入速度,實現了完全分片資料並行訓練和雲端訓練支援,並大幅精簡了基礎安裝包的依賴。

    推薦理由:該版本閉環了機器人學習流程,使用者可以據此瞭解開源機器人框架在世界模型和評測方面的新能力。

  3. Hugging Face Blog75

    Hugging Face 與 SkyPilot 聯合推出零出口費用雲端儲存後端

    Hugging Face 與 SkyPilot 共同推出原生的 Hugging Face Storage 儲存後端,支援通過單一 hf:// 統一方案在任意雲端或叢集上掛載 Hub 上的模型與資料集。該方案具備零資料出口費、基於 Xet 的重複資料刪除以及按需惰性讀取等特性,可將模型直接載入至異構 GPU 資源中進行開發、訓練或推理。

    推薦理由:原文介紹了 Hugging Face Storage 作為 SkyPilot 儲存後端的具體接入方式,讀者可以據此評估跨雲訓練和零出口費用的實際收益。

7月6日週一
  1. Hugging Face Blog47

    PRX 第 4 部分:資料策略

    PRX 團隊公開了 7B 模型的預訓練資料策略,詳細闡述了結合公共與內部資料集、利用 VLM 重新加長文本標註以及通過 Mosaic Streaming(MDS)和 Lance 格式進行分散式訓練的完整資料流水線。該團隊放棄了預計算文本潛變數,轉而在訓練迴圈中動態執行 Qwen3-VL 文本編碼器,僅帶來約 3-4% 的吞吐量成本。

7月1日週三
  1. Hugging Face Blog68

    Hugging Face 與 Cerebras 推出基於 Gemma 4 的即時語音 AI

    Hugging Face 與 Cerebras 聯合推出將開源語音 AI 架構與高速推理相結合的即時語音方案,實現自然的語音到語音互動。該開源級聯語音堆疊由 Nvidia Parakeet 進行語音識別、Cerebras 執行 Google DeepMind 的 Gemma 4 31B 模型進行推理、以及 Alibaba 的 Qwen3TTS 生成語音,並已應用於 Reachy Mini 機器人。

6月30日週二
  1. Hugging Face Blog56

    專業化為何不可避免

    本文闡述了多學科證據表明,在有限資源下,專業化是 AI 系統發展的必然趨勢。作者引用了最佳化理論、進化生物學、競爭市場和機器學習的研究,指出專注於特定任務的系統往往能獲得更高效能,並以 AlphaFold 等案例說明了這一點。

  2. Hugging Face Blog31

    DiScoFormer:兼顧任意分佈下密度與得分估計的 Transformer 模型

    DiScoFormer 是一款基於 Transformer 架構的新型模型,只需單次前向傳播即可同時估計分佈的密度與得分且無需重新訓練。在 100 維測試中,它將得分誤差降低約 6.5 倍,密度誤差降低超過 37 倍。該模型以高斯混合模型進行訓練,能夠適應分佈外輸入並在多個領域中複用。

6月19日週五
6月15日週一
  1. LMSYS Org Blog75

    DFlash 和 SGLang Spec V2 加快 Qwen 3.5 397B-A17B 推論

    大型語言模型一次只生成一個 token,推論速度可能因此受限;一般草稿模型也要逐個產生候選內容。Z Lab、Modal 和 SGLang 團隊推出 DFlash 草稿模型,並將它整合進 SGLang 的 Spec V2 引擎。DFlash 一次平行草擬一整段內容,還會把目標模型整理好的上下文資訊送進草稿模型,幫助它提出較容易被接受的內容。在 Qwen 3.5 397B-A17B、HumanEval、請求並行數為 1 的測試中,DFlash 的吞吐量超過基準模型 4.3 倍,也比原生 MTP 高 1.5 倍。

    推薦理由:文章比較 DFlash 與 EAGLE-3 的草稿速度、接受長度和端到端速度,並說明 KV 注入與平行草稿各自帶來的影響。

6月11日週四
  1. Google DeepMind75

    Google DeepMind 釋出 DiffusionGemma 開源文本擴散模型

    Google DeepMind 釋出了採用 Apache 2.0 協議開源的實驗性模型 DiffusionGemma,這是一款基於 Gemma 4 家族和 Gemini 擴散研究的 26B MoE 文本擴散模型,可在專用 GPU 上實現高達 4 倍的文本生成速度。

    推薦理由:該模型採用文本擴散架構實現數倍於傳統自迴歸模型的推理速度,為開發者探索本地即時互動工作流提供了新的硬體利用方式與微調路徑。

6月9日週二
  1. Google DeepMind86

    推出 Gemma 4 12B:無編碼器統一多模態模型

    DeepMind 推出 Gemma 4 12B,這是一款無編碼器的統一多模態模型,能夠直接在配備 16GB VRAM 的筆記本上執行。它在保持與 26B MoE 近似的推理效能的同時,顯著降低了記憶體佔用,並首次支援原生音訊輸入。

    推薦理由:Gemma 4 12B 以無編碼器的多模態架構實現低記憶體、強推理,適配本地 16GB VRAM 機器,讀者可據此評估在邊緣裝置上的部署可能。

6月5日週五
6月1日週一
5月29日週五
5月8日週五
  1. Together AI Official Blog77

    Goose Agent 與 Together DCI:零配置即時部署 Hugging Face 模型

    Goose Agent 與 Together Dedicated Container Inference 讓開發者能在一個 session 內把 Hugging Face 上的新模型(如 Netflix 的 void‑model)部署到 GPU 背景的容器中,零配置即時使用。

    推薦理由:本文示範如何利用 Goose Agent 及 Together Dedicated Container Inference,將 Hugging Face 模型零配置即時部署,縮短從發布到使用的時間,對快速實驗與落地具有實務價值。

5月1日週五
4月30日週四
4月29日週三
4月18日週六
3月24日週二
  1. Mistral AI75

    Mistral AI 釋出 Voxtral TTS 語音生成模型

    Mistral AI 釋出 4B 引數量的語音生成模型 Voxtral TTS,支援 9 種語言的高質量語音合成與低延遲流式傳輸。該模型具備上下文理解、說話人建模及零樣本跨語言語音適應能力,已通過 API、Mistral Studio 和 Hugging Face 開放。

    推薦理由:原文公佈了架構細節和零樣本跨語言能力,讀者可以據此評估它在即時語音工作流中的表現。

3月11日週三
  1. Mistral AI66

    Mistral AI 推出自主 Rails 測試AI 助理:為不願寫測試的開發者自動編寫 RSpec

    Mistral AI 推出了基於開源編碼助手 Vibe 構建的自主測試AI 助理,能夠自動為 Ruby on Rails 程式碼庫生成、驗證和改進 RSpec 測試。該AI 助理通過倉庫級上下文、分類技能檔案以及 RuboCop 和 SimpleCov 自定義工具,在包含 275 個檔案的真實程式碼庫測試中實現了 100% 的程式碼覆蓋率和通過率。

3月5日週四
  1. Hugging Face Diffusers Releases81

    Diffusers 0.37.0 推出模組化管線與多款影像/影片模型

    Diffusers 0.37.0 透過模組化管線與多款新影像/影片模型,為開發者提供更靈活的創作與部署方案。 - 模組化管線:可組合可重用的區塊,省去從零開始編寫管線的時間。

    推薦理由:Diffusers 0.37.0 透過模組化管線與多種新影像/影片模型,為開發者提供更靈活的創作與部署方案。

2月5日週四
12月30日週二
12月9日週二
  1. Hugging Face Diffusers Releases87

    Diffusers 0.36.0 發布多種新影像與影片管線、快取與訓練指令碼

    Diffusers 0.36.0 於 2025 年 12 月 9 日發布,內含 Flux2、Z‑Image、SAGE 等多個新影像與影片生成管線,以及 Flash Attention 3 等高效後端。

    推薦理由:Diffusers 0.36.0 透過 Flux2、Z‑Image、SAGE 等新管線及 Flash Attention 3,為影像與影片生成提供更高效、可擴充的工具,開發者可直接整合進工作流程。

12月3日週三
  1. Mistral AI83

    Mistral AI 釋出 Mistral 3 模型系列

    Mistral AI 釋出新一代 Mistral 3 模型系列,包含 14B、8B 和 3B 的 Ministral 3 端側稠密模型,以及採用稀疏 MoE 架構、啟用引數 41B 總引數 675B 的旗艦模型 Mistral Large 3。所有模型均採用 Apache 2.0 許可證開源,支援多模態與多語言能力,推理版本也將很快推出。

    推薦理由:原文釋出了包含稠密小模型與 MoE 旗艦大模型的全新模型系列,並全部採用 Apache 2.0 許可證開源,開發者和企業可直接藉此在多端與雲端部署前沿智慧能力。

7月29日週二
7月15日週二
  1. Mistral AI86

    Mistral AI 釋出開源語音理解模型 Voxtral

    Mistral AI 釋出了開源語音理解模型 Voxtral,包含面向生產的 24B 規格與面向端側的 3B 規格,均採用 Apache 2.0 協議開源。該系列模型支援 32k 上下文、長達 30 至 40 分鐘的音訊處理、內建問答與摘要、多語言處理及函式呼叫功能,並在多項語音轉寫和理解基準測試中表現優異。

    推薦理由:該模型提供了兩種尺寸並開源,讀者可以根據自身算力條件選擇合適的版本進行本地部署或呼叫 API。

6月10日週二
3月17日週一
5月31日週五