Hugging Face 推出 AI vs. AI 多智能体强化学习竞赛系统
Hugging Face 开源了基于 ELO 评分系统的 AI vs. AI 多智能体强化学习竞赛工具，通过模型间对战实现相对实力排名。该系统利用 Spaces 运行后台匹配任务，将结果存入 Dataset 并展示 Leaderboard，首个挑战为 SoccerTwos。
#开源生态
#开源生态
今日 0 条Hugging Face BlogAI 评分4040
Hugging Face BlogAI 评分3838 Hugging Face 计算机视觉生态现状：支持8大核心任务与超3000个模型
Hugging Face Hub 现已支持图像分类、分割等 8 项核心计算机视觉任务，收录超过 3000 个模型和 100 多个数据集。平台通过 Transformers 库集成 ViT、Swin 及 ConvNeXt 等架构，并提供 Pipelines 简化推理流程。开发者可利用 Trainer API 微调模型，或借助 Datasets 库加载 ImageNet-1k 等数据以加速训练。
Hugging Face BlogAI 评分3333 PaddlePaddle 入驻 Hugging Face Hub
PaddlePaddle 与 Hugging Face 达成开源合作，正式入驻 Hugging Face Hub。目前已有超过 75 个 PaddlePaddle 模型上线，涵盖文本、图像及多模态任务，支持通过 Inference API 调用及浏览器交互体验。
Hugging Face BlogAI 评分3030 Hugging Face 推出 Bumblebee：Elixir 社区原生支持 GPT2 与 Stable Diffusion
Hugging Face 发布 Bumblebee 库，将 Transformers 模型以纯 Elixir 实现带入社区，原生支持从 GPT2 到 Stable Diffusion 的多种神经网络。
Hugging Face BlogAI 评分1010 Hugging Face 启动 2023 年实习生招聘计划
Hugging Face 宣布启动 2023 年实习生招聘计划，面向开源、科学及社会影响等团队开放多个职位。具体岗位包括 Accelerate、文本转语音、具身 AI、大语言模型分布式训练框架及数据集构建等方向。申请人需通过官方招聘门户提交申请并创建 Hugging Face 账户，公司鼓励多元背景人才参与以推动负责任的机器学习民主化。
Hugging Face BlogAI 评分4141 Hugging Face 开源模型加速 Document AI 应用
Hugging Face Blog 展示如何利用开源模型构建自定义文档智能解决方案。文章梳理了 OCR、图像分类等用例，指出 LayoutLMv3 和 Donut 等多模态 Transformer 在 RVL-CDIP 基准上达到 95% 准确率，显著优于纯文本或视觉模型。
Hugging Face BlogAI 评分4242 Hugging Face Spaces 与 arXivLabs 集成推出 Demo 标签页
Hugging Face 宣布其 Spaces 平台通过新增 Demo 标签页与 arXivLabs 集成，用户可在论文摘要页直接访问社区或作者创建的开源机器学习演示。自 2021 年 10 月上线以来，Spaces 已承载超 12,000 个基于 Gradio 和 Streamlit 构建的演示，支持无需编写代码即可在浏览器中交互体验模型，显著提升研究的可发现性与复现性。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布使用 Transformers 微调 Whisper 进行多语言语音识别教程
Hugging Face 博客发布指南，演示如何使用 🤗 Transformers 库对 OpenAI 的 Whisper 模型进行微调，以适配任意多语言自动语音识别（ASR）数据集。
推荐理由：提供了基于 Hugging Face Transformers 微调 Whisper 进行多语言 ASR 的完整代码流程，展示了仅用少量数据即可显著提升识别性能的方法。
Hugging Face BlogAI 评分3838 rinna 发布 Japanese Stable Diffusion：基于 Stable Diffusion 微调的日语文生图模型
rinna Co., Ltd. 推出 Japanese Stable Diffusion，通过微调 Stable Diffusion 实现原生日语提示词生成。该模型利用约 1 亿张带日语字幕图像训练，采用两阶段 PITI 方法优化文本编码器，能准确理解日本文化、俚语及拟声词。模型已上线 Hugging Face 和 GitHub，代码基于 🧨 Diffusers。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 Diffusers v0.3：新增图生图、文本反转及 Mac 支持
Hugging Face 发布 Diffusers 库 v0.3 版本，正式引入 Image-to-Image 管线、Textual Inversion 个性化训练工具以及实验性的 Inpainting 修复功能。
推荐理由：Diffusers v0.3 集中上线了图生图、文本反转及小显存优化等核心功能，显著降低了 Stable Diffusion 的本地部署与个性化创作门槛。
Hugging Face BlogAI 评分4040 Hugging Face 支持 OpenRAIL：面向开放与负责任的 AI 许可框架
Hugging Face 支持由 RAIL Initiative 推出的 OpenRAIL 许可框架，旨在为 AI 模型提供兼顾开放访问与负责任使用的专用许可证。该框架允许免版税使用及分发衍生作品，同时嵌入基于证据的使用限制条款，禁止在特定高风险场景中使用模型。OpenRAIL 试图解决传统开源许可证无法有效管控 ML 模型社会伦理风险的问题，推动 AI 开发的规范化治理。
Hugging Face BlogAI 评分3838 Hugging Face 推出 Skops 库以支持 scikit-learn 模型托管
Hugging Face 发布新库 Skops，允许用户将 scikit-learn 模型托管至 Hub 并创建模型卡片。该工具通过 `hub_utils.init` 初始化本地仓库，利用 `Card` 类自动生成包含超参数、交互式图表及评估指标的文档。Skops 旨在简化开源机器学习中的模型复现、解释性及协作流程。
Hugging Face BlogAI 评分2828 Hugging Face 阐述 TensorFlow 集成 Keras 的设计哲学
Hugging Face 强调在 TensorFlow 中应优先使用 Keras 高层 API，而非绕过它。通过 `TFAutoModel` 等类，用户可一行代码加载 BERT、ViT 等预训练模型并应用迁移学习。该策略旨在利用 `tf.data` 和 Keras 生态简化模型构建与训练流程。
Hugging Face BlogAI 评分2323 Hugging Face 推出 Private Hub：加速机器学习全生命周期协作
Hugging Face 发布 Private Hub，提供从研究到生产的安全合规统一工具集，解决约 90% 模型无法投产及内部重复开发痛点。该方案整合了拥有 60K+ 模型、6K 数据集和 6K 应用的 Hugging Face Hub，支持 Git 版本控制与组织协作。注：2023 年 6 月该产品已更名为 Enterprise Hub，转为 SaaS 托管服务并停止私有化部署。
Hugging Face BlogAI 评分2626 Hugging Face 就美国国家 AI 研究资源（NAIRR）临时报告提交评论
Hugging Face 向白宫科技政策办公室和 NSF 提交关于 NAIRR 实施路线图的回应，支持其努力并提出五项建议。核心主张包括任命具备伦理创新记录的技术专家为顾问、采用 Model Cards 等文档标准、通过 AutoTrain 等低代码工具降低使用门槛、监控开源滥用风险以及提供多语言资源以赋能跨学科研究者。
Hugging Face Blog精选AI 评分8484 Hugging Face 发布全球最大开源多语言大模型 BLOOM
Hugging Face 联合 BigScience 项目正式发布拥有 176 billion 参数的多语言大模型 BLOOM，支持生成 46 种自然语言和 13 种编程语言文本。
推荐理由：原文披露了BLOOM的176B参数规模、多语言能力及训练透明度细节，为研究者提供了评估大规模开源模型性能与内部机制的具体基准。
Hugging Face BlogAI 评分4040 Intel 加入 Hugging Face 硬件合作伙伴计划，通过 Optimum Intel 库加速 Transformer
Intel 正式加入 Hugging Face 硬件合作伙伴计划，双方合作推出开源库 Optimum Intel，旨在简化 Transformers 模型的训练、微调和推理加速。
Hugging Face BlogAI 评分2323 Graphcore 与 Hugging Face 推出 IPU-Ready Transformers 新阵容
Graphcore 与 Hugging Face 扩展 Optimum 库，新增支持 IPUs 的 10 个 Transformer 模型。涵盖 NLP、语音和计算机视觉领域，包括 ViT、GPT-2、RoBERTa、DeBERTa、BART、LXMERT、T5、HuBERT 和 Wav2Vec2。这些模型提供预训练权重及 IPU 配置文件，优化在 Graphcore IPU 上的性能表现。
Hugging Face BlogAI 评分4343 Hugging Face Hub 推出 Pull Requests 和 Discussions 协作功能
Hugging Face Hub 正式上线 Pull Requests 和 Discussions 功能，支持模型、数据集和 Spaces 仓库的社区协作。该更新无需创建 fork，贡献者直接向源仓库的特殊 ref 分支推送代码，简化了机器学习项目的版本管理流程。
Hugging Face BlogAI 评分1515 Hugging Face 多模态研究团队发布伦理宪章
Hugging Face 多模态学习小组于2022年5月发布伦理宪章，将道德原则纳入机器学习生命周期核心。该文档明确了禁止生成有害内容、偏见及侵犯隐私等使用限制，并倡导透明、开放可复现、公平及自我批判的价值观。
Hugging Face BlogAI 评分2121 Hugging Face 宣布 Fellowship 计划
Hugging Face 推出 Fellowship 计划，旨在赋能开源机器学习生态系统的杰出贡献者。该计划通过提名制招募，提供计算资源、官方认可及物资支持，不建立雇佣关系。首批 Fellow 包括 María Grandury 等推动多语言 SOTA 模型与社区建设的核心贡献者。
Hugging Face BlogAI 评分1111 Hugging Face 启动首个学生大使计划
Hugging Face 开放首个学生大使计划申请，旨在推动机器学习民主化。申请人须为在读学生且至少修过一门机器学习或数据科学课程，并是 Hugging Face Hub 或库的用户。申请截止日期为 2022 年 6 月 13 日，项目将于 6 月 30 日启动至 12 月 31 日结束，入选者将获得官方认证、资源支持及社区协作机会。
Hugging Face BlogAI 评分5050 Hugging Face 完成 1 亿美元 C 轮融资，推动开放协作机器学习
Hugging Face 宣布完成由 Lux Capital 领投的 1 亿美元 C 轮融资，Sequoia、Coatue 等机构参投。该平台目前托管超过 10 万个预训练模型和 1 万个数据集，已有逾 1 万家企业使用其服务。新资金将用于加倍投入研究、开源项目及 AI 的负责任民主化，团队规模在过去一年已从 30 人扩张至 120 多人。
Hugging Face BlogAI 评分3030 fastai 模型现支持一键上传至 Hugging Face Hub
fastai 用户可通过 `push_to_hub_fastai` 函数将模型上传至 Hugging Face Hub。该集成利用 `huggingface_hub` 库实现，支持通过 `from_pretrained_fastai` 加载共享模型。
Hugging Face BlogAI 评分2828 Hugging Face 推出教育计划，目标2023年底教会500万人机器学习
Hugging Face 发布面向大众、初学者及教师的教育计划，旨在通过开源工具降低机器学习门槛。该计划提供免费 NLP、深度强化学习等课程及多语言教学工具箱，并设定了到2023年底教会500万人机器学习的目标。
Hugging Face BlogAI 评分1818 Hugging Face 机器学习专家 Lewis Tunstall：谈《NLP with Transformers》与模型优化
Hugging Face 工程师 Lewis Tunstall 在播客中分享其合著书籍《NLP with Transformers》及开源贡献经历。他介绍了利用 ONNX 格式导出 PyTorch 模型以优化推理延迟和提升吞吐量的技术实践。Lewis 还回顾了从理论物理学家转型 ML 工程师并参与 transformers 库开发的职业历程。
Hugging Face BlogAI 评分3333 Habana Labs 与 Hugging Face 合作加速 Transformer 模型训练
Habana Labs 与 Hugging Face 宣布合作，通过集成 SynapseAI 软件套件与 Optimum 开源库，使开发者仅需少量代码即可在 Gaudi 处理器上加速 Transformer 模型训练。Habana Gaudi 解决方案提供比同类方案低 40% 的性价比，并支持从单卡到数千卡的系统扩展。该合作旨在为自然语言处理、计算机视觉等任务提供更高效、易用的训练工具集。
Hugging Face BlogAI 评分3838 Hugging Face Transformers 为何违背 DRY 原则采用单模型文件策略
Hugging Face Transformers 库刻意违背“不要重复自己”（DRY）原则，转而采用“单模型文件策略”，将模型前向传播所需的所有代码集中在一个文件中。这一设计旨在降低开源社区贡献门槛、提升代码可读性，并适应机器学习领域快速演进且模型架构静态的特性，避免中心化抽象带来的维护复杂性。
Hugging Face BlogAI 评分2020 Hugging Face 将 Decision Transformer 集成至 🤗 transformers 库
Hugging Face 宣布将离线强化学习方法 Decision Transformer 集成至 🤗 transformers 库和 Hub。该模型基于 GPT-2 架构，通过序列建模生成动作以达成目标回报。目前提供 Gym 环境中 Hopper、Walker2d 和 Halfcheetah 任务的九个预训练检查点。
Hugging Face BlogAI 评分2828 Hugging Face Hub 集成 Stable-Baselines3
Hugging Face 将 PyTorch 深度强化学习库 Stable-Baselines3 集成至 Hugging Face Hub，支持用户托管和加载社区模型。开发者可通过 `huggingface_hub` 和 `huggingface_sb3` 库轻松下载如 PPO 等预训练智能体或上传自训模型。后续计划扩展 RL-baselines3-zoo 并集成其他强化学习库。
Hugging Face BlogAI 评分5252 Hugging Face 宣布收购 Gradio
Hugging Face 正式收购开源机器学习演示库 Gradio。Gradio 联合创始人 Abubakar Abid 表示，此次合作旨在进一步降低机器学习门槛，让任何拥有浏览器的人都能轻松构建、分享和使用模型演示。自 2019 年发布以来，Gradio 已支持创建超过 30 万个演示项目，覆盖文本、语音和视频等领域。
Hugging Face BlogAI 评分2323 Hugging Face 推出首个 ML-Agents 环境 Snowball Fight
Hugging Face 发布首个基于 Unity ML-Agents 的深度强化学习环境 Snowball Fight，该游戏已托管于 Hugging Face Spaces。团队计划构建开源生态，支持自定义环境的创建、模型保存与分享，并即将推出采用 MA-POCA 算法的 2vs2 协作版本及更多教程。
Hugging Face BlogAI 评分3030 使用 Gradio 在 Hugging Face Spaces 展示项目
Gradio 集成 Inference API，支持通过几行代码调用 Hub 模型并部署至免费的 Hugging Face Spaces。该方案兼容 Transformers、spaCy 等框架及多种模态任务，用户还可利用 Series 功能混合不同模型构建复杂演示应用。
Hugging Face BlogAI 评分3333 Hugging Face Spaces 使用 Streamlit 托管模型与数据集指南
Hugging Face Spaces 支持通过 Streamlit 托管机器学习模型演示和数据集可视化。开发者可利用 `st.text_area`、`slider` 等组件构建交互界面，并借助 🤗 Datasets 的 streaming 功能处理大规模数据。项目可通过拖拽文件部署，需在 `requirements.txt` 中声明依赖以确保持续运行。
Hugging Face BlogAI 评分2828 Hugging Face 夏季 Hub 功能更新与社区活动回顾
Hugging Face Hub 公共模型仓库数量突破 16,000，并推出 Spaces Beta、TensorBoard 集成及新增评估指标展示等功能。社区方面，JAX/FLAX Sprint 吸引近 800 人参与，产出 DALL·E mini 等开源项目；同时上线免费在线课程第一部分，涵盖 Transformers 等生态工具。
Hugging Face BlogAI 评分4444 Hugging Face 发布 Optimum：面向大规模 Transformer 的开源优化工具包
Hugging Face 推出开源库 Optimum，旨在解决 Transformer 模型在生产环境中的规模化部署难题。该工具包通过与硬件合作伙伴协作，抽象了量化、稀疏化等加速技术的复杂性，帮助工程师在特定硬件上实现高效训练与推理。
Hugging Face BlogAI 评分2626 Hugging Face 与 Graphcore 合作推出 IPU 优化的 Transformers
Hugging Face 与 Graphcore 宣布合作，通过新开源库 Optimum 提供针对 Intelligence Processing Unit (IPU) 优化的 Transformer 模型。开发者可在生产环境中以最小代码复杂度部署 BERT 等 SOTA 模型，实现显著加速。
OpenAI News精选AI 评分6161 OpenAI 发布开源 GPU 编程语言 Triton 1.0
OpenAI 发布 Triton 1.0，这是一种开源的类 Python 编程语言，旨在帮助没有 CUDA 经验的研究人员编写高效的 GPU 代码。官方称其生成的代码效率通常可与专家编写的水平相媲美。
推荐理由：OpenAI 发布 Triton 1.0，让无 CUDA 经验的研究者也能编写高效 GPU 代码。
Hugging Face BlogAI 评分5353 Hugging Face 发布 DeDLOC 算法实现互联网协同训练语言模型
Hugging Face 联合多家机构提出 DeDLOC 方法，旨在利用志愿者分散的 GPU 资源进行大规模语言模型预训练。团队组织40名志愿者成功预训练了孟加拉语模型 sahajBERT，其下游任务性能接近使用数百个高端加速器的更大规模模型。该实验证明了在普通网络环境下通过自适应梯度聚合实现高效分布式训练的潜力，相关代码已集成至 Hivemind 库。
Hugging Face BlogAI 评分3535 spaCy 正式入驻 Hugging Face Hub
spaCy 现已集成至 Hugging Face Hub，支持通过 `spacy-huggingface-hub` 库一键上传模型并自动生成元数据。用户可直接在浏览器中试用 NER 推理 API，或通过 pip 安装社区及官方发布的 60 多个 spaCy 3.1 版本模型。