Hugging Face 发布 Grabette：开源低成本机器人操作数据采集系统
Hugging Face 联合 Pollen Robotics 发布 Grabette，这是一套基于 UMI 理念的开源手持夹爪系统，旨在让普通用户无需机器人即可录制真实世界操作演示并自动转化为 LeRobot 格式数据集。
推荐理由：该工具将机器人数据采集门槛降至手持设备，通过浏览器端自动化处理直接生成标准训练数据集，为社区协作构建大规模操作数据提供了低成本且可复用的完整技术路径。
#Hugging Face
#Hugging Face
今日 0 条Hugging Face Blog精选AI 评分6868
Hugging Face BlogAI 评分3434 DharmaOCR 在巴西葡萄牙语识别上优于 Mistral OCR4 和 Unlimited-OCR
DharmaOCR 通过领域专用训练，在巴西葡萄牙语识别任务中表现优于 Mistral OCR4 和 Unlimited-OCR。该模型采用监督微调与直接偏好优化（DPO）两阶段训练，集中参数资源于目标语言，从而在提取质量和推理稳定性上取得优势。
Hugging Face Blog精选AI 评分9292 Hugging Face 披露遭自主 AI 智能体入侵事件
Hugging Face 披露其生产基础设施遭到由自主 AI 智能体系统驱动的端到端入侵，攻击者利用数据处理管道中的代码执行漏洞获取内部数据集和凭证访问权限。官方确认公共模型和数据集未受篡改，并指出在取证分析中，商业 API 的安全护栏阻止了对攻击日志的分析，最终不得不使用自托管的开源模型 zai-org/GLM-5.2 完成调查。
推荐理由：披露了首个由自主AI智能体驱动的大规模入侵案例及防御方因商业模型护栏受阻而转向开源模型的实战经验。
Hugging Face Blog精选AI 评分6262 IBM Research：模型路由是系统优化而非简单分类
IBM Research 提出智能体系统中的模型路由不应被视为简单的任务难度分类问题，而是一个需要同时优化成本、质量和延迟的系统工程挑战。文章通过 AppWorld Test Challenge 实验指出，实际成本受缓存命中率影响巨大，例如 Claude Sonnet 4.6 因高缓存收益比 GPT-4.1 更便宜；同时，路由决策需兼顾合规性、数据驻留及基础设施状态。
推荐理由：IBM Research 指出模型路由并非简单的分类问题，而是涉及缓存、合规与基础设施的系统优化难题，并展示了基于多目标优化的路由器在成本与精度上的权衡优势。
Hugging Face BlogAI 评分5555 Hugging Face 发布 Real World VoiceEQ：衡量语音 AI 的人类质量
Hugging Face 推出 Real World VoiceEQ 基准，旨在评估语音 AI 在真实对话中的“人类质量”，涵盖语气、情感和背景语境等转录文本无法体现的信息。
Hugging Face Blog精选AI 评分9393 Thinking Machines 发布 Inkling 系列开源多模态大模型
Thinking Machines Lab 在 Hugging Face 发布了 Inkling 系列开源多模态大模型，包含总参数约 1T 的 Inkling 和总参数 276B/激活 12B 的 Inkling-Small。
推荐理由：原文给出了1T参数全模态模型的架构细节与部署配置，读者可以据此评估其在多模态推理任务中的实际能力。
Hugging Face BlogAI 评分5252 PyTorch 注意力机制 Profiling 实战：从朴素实现到 SDPA 后端解析
Hugging Face 发布 PyTorch Profiling 系列第三篇，深入解析注意力机制的性能特征。文章对比了朴素注意力、原地操作优化以及 SDPA 的 math、efficient、flash 和 cuDNN 四种后端在 GPU Kernel 启动数量、Tensor Core 利用率及 CPU 开销上的差异，展示了如何通过 Profiler 轨迹识别隐藏内存拷贝与算子融合效果。
Hugging Face Blog精选AI 评分7878 Hugging Face 发布 vLLM transformers 后端原速支持
Hugging Face 宣布 transformers 库的 vLLM 建模后端现已实现与 vLLM 原生手写实现相当或更快的推理速度。用户只需添加 --model-impl transformers 标志，即可在无需修改代码的情况下利用 vLLM 的连续批处理和自定义注意力内核进行高效推理。
推荐理由：原文展示了通过单一参数即可让 transformers 模型在 vLLM 中达到原生推理速度，消除了手动移植代码的需求。
Hugging Face BlogAI 评分3838 Hugging Face 与 Amazon SageMaker Studio 实现一键深度链接集成
Hugging Face 推出与 Amazon SageMaker AI 的一键深度链接集成，开发者可从模型页面直接跳转至 SageMaker Studio 进行微调或部署。该功能自动预配置 IAM 权限并创建新域，支持 SFT、DPO 等任务及 G5/G6 GPU 配额可视化，消除了手动设置环境的摩擦。
Hugging Face Blog精选AI 评分6666 微软发布 Foundry Managed Compute 并集成 Hugging Face 模型目录
微软在 Build 2026 大会上发布 Foundry Managed Compute，并推出包含每周更新的 Hugging Face 精选模型的目录。该服务提供一键部署功能，支持 vLLM、SGLang 等运行时，自动处理容器更新和安全补丁，同时保持与付费令牌和预置吞吐量相同的端点、SDK 和计费体验。
推荐理由：原文详细说明了托管计算平台的模型筛选流程、自动运维机制及统一接口，为评估企业级开源模型落地提供了具体参考。
Hugging Face Blog精选AI 评分7373 SkyPilot 集成 Hugging Face Storage 实现跨云零出口流量 AI 工作负载
SkyPilot 正式将 Hugging Face Storage 纳入其存储后端，支持通过 hf:// URL 直接挂载 Hub 上的模型、数据集或 Bucket 至任意云端 GPU 集群。
推荐理由：SkyPilot 新增 Hugging Face Storage 后端，实现跨云零出口流量读取模型与数据，显著降低多算力环境下的存储迁移成本。
Hugging Face Blog精选AI 评分7070 LeRobot v0.6.0 发布：引入世界模型策略与部署 CLI 以完善机器人学习闭环
Hugging Face 发布 LeRobot v0.6.0，旨在闭合机器人学习循环。新版本引入了 VLA-JEPA、FastWAM 等能“想象”未来的世界模型策略，以及 Robometer 等用于判断任务成功的奖励模型 API。
推荐理由：LeRobot v0.6.0 通过引入世界模型策略、统一奖励模型 API 和部署 CLI，构建了从想象到评估再到改进的完整机器人学习闭环。
Hugging Face BlogAI 评分5252 Photoroom 发布 PRX Part 4：详解图像生成模型的数据策略与处理管线
Photoroom 团队公开了 PRX 模型系列第四部分，详述其预训练数据策略。核心做法是混合公共与内部数据集，利用 Qwen3-VL-8B 等 VLM 生成长且准确的描述，并通过分辨率和宽高比分桶将数据转换为 Mosaic Data Shards (MDS) 格式以支持分布式流式训练。
Hugging Face Blog精选AI 评分6565 Hugging Face Kernels 项目发布重大更新
Hugging Face 宣布对其 Kernels 项目进行重大更新，包括在 Hub 上引入新的“kernel”仓库类型以支持加速器与操作系统信息的展示。此次更新增强了安全性，引入了受信任发布者机制和代码签名功能，并重构了 kernels 与 kernel-builder 的 CLI 工具链。
推荐理由：原文详细说明了 Kernels 项目引入新仓库类型、增强安全机制及优化 CLI 的具体变化，为开发者提供了评估现有工作流迁移成本的依据。
Mistral AI精选AI 评分6565 Mistral AI 发布 Leanstral 1.5：6B 激活参数实现形式化验证新 SOTA
Mistral AI 发布 Leanstral 1.5，这是一款 Apache-2.0 许可的开源模型，拥有 119B 总参数和 6B 激活参数。该模型在 miniF2F 上达到饱和，并在 FATE-H/X 上取得新的 state-of-the-art 成绩，其解决 PutnamBench 问题的成本约为每问题 $4，远低于竞品。
推荐理由：原文展示了该模型在形式化验证基准上的性能突破及低成本优势，并提供了实际代码缺陷发现案例，为评估其在工程实践中的可用性提供了具体依据。
Hugging Face Blog精选AI 评分6565 Hugging Face 与 Cerebras 联合展示基于 Gemma 4 的实时语音 AI 方案
Hugging Face 和 Cerebras 联合演示了基于 Gemma 4 的实时语音到语音（Speech-to-Speech）AI 系统，旨在解决语音交互中的高延迟痛点。
推荐理由：展示了开源级联语音架构与高速推理结合后的低延迟表现，为实时交互应用提供了可复用的技术栈参考。
Google Research精选AI 评分8080 Google Research 发布表格数据零样本基础模型 TabFM
Google Research 发布专为表格数据分类和回归设计的零样本基础模型 TabFM。该模型将表格预测重构为上下文学习问题，利用混合注意力架构和在数亿合成数据集上的预训练，无需手动特征工程或超参数调整即可在单次前向传播中生成高质量预测。
推荐理由：Google Research 推出面向表格数据的零样本基础模型 TabFM，通过上下文学习消除传统监督模型的训练与调优瓶颈。
Hugging Face BlogAI 评分5050 Hugging Face 模型页集成 Every Eval Ever 评测结果
Hugging Face 与 Every Eval Ever (EEE) 实现互操作，支持在模型页展示并链接至标准化元数据存储。该集成允许用户通过转换器将 EEE 记录同步至 Community Evals，目前数据仓库已包含约 229,000 条评测结果、覆盖超 22,000 个模型及 2,200 个基准测试。
Hugging Face BlogAI 评分3232 DiScoFormer：单 Transformer 同时估计密度与分数
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，无需针对新分布重新训练。在 100 维数据上，其分数误差比最佳 KDE 低约 6.5 倍，密度误差降低超 37 倍，且能泛化至非高斯分布。这一预训练插件式估计器有望大幅降低生成建模及科学计算中的成本。
Hugging Face Blog精选AI 评分6868 Hugging Face 教程：用一条命令在 HF Jobs 上运行 vLLM 服务器
Hugging Face 发布教程，指导用户通过 `hf jobs run` 命令在 HF Jobs 基础设施上快速启动私有且兼容 OpenAI API 的 vLLM 服务器。
推荐理由：原文提供了在 Hugging Face Jobs 上通过单条命令快速启动 vLLM 服务的具体步骤、代码示例及与 Inference Endpoints 的选型对比，适合需要临时测试或批量生成模型的开发者参考。
Hugging Face Blog精选AI 评分6565 NVIDIA NeMo AutoModel 发布：基于 Transformers v5 加速 MoE 模型微调
NVIDIA 推出开源库 NeMo AutoModel，作为 HuggingFace Transformers v5 的扩展，专门用于加速 Mixture-of-Experts (MoE) 模型的微调。
推荐理由：原文提供了基于 Transformers v5 的 MoE 模型微调加速方案，读者可据此了解如何通过单行代码修改获得显著的吞吐提升与显存节省。
Hugging Face BlogAI 评分4242 Hugging Face 与 Treble Technologies 推出首个开源远场 ASR 基准 FFASR Leaderboard
Hugging Face 联合 Treble Technologies 上线首个开源远场语音识别（ASR）基准 FFASR Leaderboard，旨在量化模型在真实声学环境下的性能差距。该基准基于14个模拟房间及混合波仿真技术，验证显示低信噪比下远场词错误率（WER）显著高于近场。榜单同时评估准确率与推理速度（RTFx），并计划扩展多人对话及回声消除支持。
Hugging Face Blog精选AI 评分6868 Hugging Face 分享基于 AI 和开源工具的每周自动发布实践
Hugging Face 公开了 huggingface_hub 的自动化发布工作流，将发布频率从每4-6周提升至每周一次。该流程利用 GitHub Actions、OpenCode 和 GLM-5.2 模型起草发布说明，并通过确定性脚本校验 PR 完整性及文档准确性，确保在保留人工审核关键决策的同时实现低成本高效交付。
推荐理由：文章展示了如何用开源工具构建自动化发布流程，其确定性校验机制为AI辅助开发提供了可复用的安全范式。
Hugging Face Blog精选AI 评分6262 在 Transformers.js 中实验跨源存储 API 以优化浏览器端缓存
Transformers.js 正在实验性地集成 Chrome 团队提出的跨源存储（Cross-Origin Storage, COS）API，旨在解决不同 Web 应用间共享大型 AI 模型和 Wasm 运行时文件时的重复下载与存储隔离问题。
推荐理由：文章详细演示了如何利用跨源存储 API 解决浏览器端 AI 模型重复下载问题，提供了 Transformers.js 的具体集成代码与隐私控制策略。
Hugging Face BlogAI 评分5353 PP-OCRv6 在 Hugging Face 发布：支持 50 种语言的轻量级 OCR 模型
PaddlePaddle 在 Hugging Face 发布 PP-OCRv6，提供 tiny、small 和 medium 三个档位，参数量从 1.5M 到 34.5M。
Hugging Face Blog精选AI 评分7373 Hugging Face 分享使用本地模型对 OpenClaw 仓库进行免费分诊的实践
Hugging Face 介绍了如何使用 Gemma 和 Qwen 等本地模型结合 Pi Agent 框架，对 OpenClaw 仓库的海量 Issue 和 PR 进行实时分类与通知。该方案通过受限 Shell 确保安全性，并在 NVIDIA GB10 硬件上实现了高并发推理，相比云端 API 具有成本优势且响应更快。
推荐理由：展示了在本地硬件上利用 Agent 框架实现高吞吐开源仓库自动分诊的完整工程方案与评测数据。
Hugging Face BlogAI 评分5858 Hugging Face 解析 PEFT 技术：LoRA 并非微调的最优默认选择
Hugging Face 发布博客探讨参数高效微调（PEFT）技术，指出虽然 LoRA 占据主导地位，但其他技术在特定场景下表现更优。团队在 LLM 数学推理和图像生成任务上对超过 40 种 PEFT 技术进行了标准化基准测试，结果显示 OFT 在图像生成的相似度和显存占用上均优于 LoRA，而 BEFT 和 Lily 等变体在 LLM 任务的精度与内存权衡中也展现出竞争力。
Hugging Face Blog精选AI 评分7878 Hugging Face 发布 agent-eval 基准测试工具以评估开源模型在自有工具上的表现
Hugging Face 推出名为 `agent-eval` 的基准测试工具，用于衡量编码智能体使用特定软件（如 transformers）完成任务时的效率与成本，而不仅关注最终答案的正确性。该工具通过对比不同模型、代码版本及上下文层级（bare/clone/skill），发现为大型开放模型引入 CLI 和 Skill 能显著减少耗时，但可能导致小型模型因误解文档或读取过多源码而性能下降甚至失败。
推荐理由：原文提供了评估代码库对智能体友好程度的具体方法，揭示了同一工具改进对不同规模模型产生的相反影响。
Hugging Face Blog精选AI 评分7878 AWS Strands Robots 集成 LeRobot 实现从 Hub 数据集到物理机器人的全流程指南
AWS 开源 SDK Strands Robots 集成了 Hugging Face LeRobot 栈，允许开发者通过单个 Agent 循环完成从 Hub 数据集记录、策略训练到物理机器人部署的全流程。
推荐理由：原文提供了从 Hub 数据集到物理机器人的完整代码示例，展示了如何用单一 Agent 循环统一仿真与硬件部署流程。
Hugging Face Blog精选AI 评分8686 智谱发布 GLM-5.2：支持 1M 上下文的长程任务旗舰模型
智谱（Z.ai）发布最新旗舰模型 GLM-5.2，主打长程任务处理能力并首次提供稳定的 1M-token 上下文窗口。该模型采用 IndexShare 架构降低计算成本，在 FrontierSWE、PostTrainBench 等长程编码基准中表现优于多数闭源模型，成为排名第一的开源模型。
推荐理由：原文给出了1M上下文在长程编码任务中的实测表现与架构优化细节，读者可以据此判断其作为开源旗舰模型的实际工程落地能力。
Hugging Face Blog精选AI 评分7777 Hugging Face 推出 Agentic Resource Discovery (ARD) 参考实现及指南
Hugging Face 发布了 Agentic Resource Discovery (ARD) 规范的参考实现 Discover Tool，旨在解决智能体在运行时动态发现和集成 MCP、Skills 等能力的痛点。
推荐理由：文章详解了ARD规范如何解决智能体能力发现难题，并提供了基于Hugging Face Discover Tool的具体实现与代码示例。
Hugging Face Blog精选AI 评分6161 PyTorch Profiling 系列第二篇：从 nn.Linear 到融合 MLP 的内核解析
Hugging Face 发布 PyTorch Profiling 教程第二部分，深入解析从 nn.Linear 到多层感知机（MLP）的性能剖析。文章展示了 bias 加法如何通过 epilogue 融入 GEMM 内核，以及 torch.compile 如何将 GeLU 和乘法操作融合为单个 Triton 内核以减少 HBM 往返。
推荐理由：通过对比 eager、compile 和手写 kernel 的 profiler trace，揭示了 PyTorch 中算子融合与内存访问优化的具体机制及权衡。
Hugging Face Blog精选AI 评分7575 智能体通过串联两个 Hugging Face Spaces 构建 3D 巴黎画廊的实践
作者演示了编码智能体如何通过读取 Gradio Space 暴露的 `agents.md` 文件，自动调用 `ideogram-ai/ideogram4` 生成图像并串联 `VAST-AI/TripoSplat` 进行 3D Gaussian splat 重建，最终部署为静态 Space。
推荐理由：展示了利用 agents.md 让智能体自动串联图像生成与3D重建Space的完整流程，为构建多媒体应用提供了可复用的集成方法。
Hugging Face BlogAI 评分5858 Hugging Face 发布指南：如何将 GitHub CI 迁移至 Hugging Face Jobs
Hugging Face 官方博客发布教程，指导开发者通过 huggingface/jobs-actions 桥接器将 GitHub Actions 工作流迁移至 Hugging Face Jobs 运行。
Hugging Face Blog精选AI 评分7373 Hugging Face 宣布 OpenEnv 升级并由多方委员会共同治理
Hugging Face 宣布 OpenEnv 项目正式由包括 Meta-PyTorch、Nvidia、Microsoft 等在内的委员会共同协调治理，代码库迁移至 huggingface/OpenEnv。
推荐理由：OpenEnv 升级为社区治理的 RL 环境互操作层，明确了协议定位与 MCP 兼容性，为开源智能体训练提供了标准化基础设施。
Hugging Face Blog精选AI 评分7272 Hugging Face 发布面向智能体优化的 hf CLI 及基准测试结果
Hugging Face 重构了官方命令行工具 hf，使其同时适配人类用户和编码智能体（如 Claude Code、Codex）。通过自动检测环境变量，CLI 为智能体提供无 ANSI 码、不截断的 TSV 结构化输出，并引入下一步命令提示和非阻塞重试机制。
推荐理由：官方展示了针对智能体优化的CLI设计细节与基准测试数据，揭示了在复杂多步任务中相比原生SDK能显著降低Token消耗并提升成功率。
Hugging Face BlogAI 评分4545 Hugging Face 展示 DPO 在 OCR 任务中降低文本退化率的效果
Hugging Face 发布研究，显示在 DharmaOCR 模型上应用直接偏好优化（DPO）后，平均文本退化率降低 59.4%，最高达 87.6%。该方案利用模型自身失败输出构建训练信号，有效解决了监督微调（SFT）难以消除重复循环的局限。
Hugging Face BlogAI 评分3535 Reachy Mini 对话应用支持通过 MCP 调用 Hugging Face Spaces 工具
Reachy Mini 对话应用现可通过 MCP 协议调用托管在 Hugging Face Spaces 的远程工具，如天气查询或网页搜索。用户只需执行 `reachy-mini-conversation-app tool-spaces add` 命令即可安装并启用这些能力，无需修改本地代码。该功能允许开发者发布兼容 Space 供他人使用，实现了工具能力的共享与独立更新。
Hugging Face Blog精选AI 评分7575 Holo3.1 系列模型发布：支持快速本地推理的计算机使用智能体
Hcompany 发布 Holo3.1 系列计算机使用模型，旨在提升在 Web、桌面和移动环境以及不同 Agent 框架下的鲁棒性。该系列包含 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次提供 FP8、Q4 GGUF 和 NVFP4 量化检查点以支持本地推理。
推荐理由：原文给出了跨环境鲁棒性提升及首次发布的量化权重，读者可据此评估本地化部署的可行性与性能损耗。
Hugging Face BlogAI 评分5656 Hugging Face 发布 PyTorch 性能分析入门指南
Hugging Face 博客发布了《Profiling in PyTorch》系列文章的第一部分，旨在降低初学者使用 torch.profiler 的门槛。