LeRobot 发布全球最大开源自动驾驶数据集 L2D
Yaak 与 Hugging Face LeRobot 团队联合发布 Learning to Drive (L2D) 数据集，这是目前全球最大的开源多模态自动驾驶数据集。
推荐理由：该数据集提供了大规模多模态驾驶数据及自然语言指令，支持端到端模型训练与社区协作扩展。
#Hugging Face
#Hugging Face
今日 0 条Hugging Face Blog精选AI 评分7575
Hugging Face BlogAI 评分5050 Hugging Face 发布 React Native 端侧 LLM 推理指南
Hugging Face 推出基于 React Native 的移动端 LLM 推理教程，支持在 Android 和 iOS 设备上本地运行模型。该方案利用 llama.rn 加载 GGUF 文件，推荐 DeepSeek-R1-Distill-Qwen-1.5B 等小参数模型以平衡性能与隐私。
Hugging Face Blog精选AI 评分6565 Cohere For AI 发布 Aya Vision 8B/32B 开源多模态模型
Cohere For AI 推出 Aya Vision 8B 和 32B 两款开源权重视觉语言模型（VLM），旨在解决多模态模型的多语言性能挑战。该系列基于 SigLIP2 视觉编码器和 Aya Expanse 语言模型，采用动态图像分块、Pixel Shuffle 降采样以及多模态模型合并等技术，支持 23 种语言的图像描述、视觉问答及 OCR 等任务。
推荐理由：Cohere For AI 发布 Aya Vision 系列开源多模态模型，通过合成标注与模型合并技术提升23种语言下的视觉理解能力。
Hugging Face BlogAI 评分3838 Hugging Face 与 JFrog 合作提升 AI 模型安全性
Hugging Face 宣布与 JFrog 建立合作伙伴关系，将 JFrog 扫描器集成至 Hub 以增强模型安全。该扫描器通过解析代码深层分析来减少误报，能检测 pickle 及 Keras Lambda 层等格式中的恶意执行风险。所有公共模型仓库在推送文件时将自动接受扫描，无需用户额外操作。
Hugging Face BlogAI 评分4343 使用 Arize Phoenix 追踪与评估 Agent
Arize Phoenix 提供集中平台，支持对 Agent 进行实时追踪、评估与调试。结合 smolagents 和 OpenTelemetry，可自动捕获工具调用等执行步骤。利用 GPT-4o 作为 LLM-as-a-judge，能量化评估搜索结果的响应相关性。
Hugging Face BlogAI 评分3131 Hugging Face 与 IISc/ARTPARK 合作开放 Vaani 数据集以支持印度多语言模型开发
Hugging Face 联合 IISc/ARTPARK 开放 Vaani 数据集，助力全球开发者构建覆盖印度 54 种语言的 AI 模型。该多模态数据集已开源 Phase 1（80 个地区），包含 790 小时转录音频及 70K 图像，支持语音识别、代码切换 ASR 及多模态 LLM 增强等任务。
Hugging Face Blog精选AI 评分7878 Hugging Face 发布 FastRTC：面向 Python 的实时通信库
Hugging Face 推出 FastRTC，这是一个专为 Python 设计的实时通信库，旨在简化实时音频和视频 AI 应用的构建。它内置了自动语音检测、轮次管理以及基于 Gradio 的 UI，支持 WebRTC 和 WebSocket，并可一键部署为 FastAPI 应用或获取免费电话号码进行通话测试。
推荐理由：该库通过封装 WebRTC 和自动语音检测，让 Python 开发者能低门槛构建实时音视频 AI 应用，并支持快速部署与电话接入。
Hugging Face Blog精选AI 评分6262 Hugging Face 推出 Remote VAEs 以通过 Inference Endpoints 进行解码
Hugging Face 发布实验性功能 Remote VAEs，允许用户将潜在空间扩散模型的 VAE 解码过程委托给远程端点，从而降低本地 GPU 的显存占用并避免分块解码带来的质量损失。
推荐理由：原文提供了将 VAE 解码委托给远程端点的代码示例和显存对比数据，帮助开发者在低显存设备上优化扩散模型推理性能。
Hugging Face BlogAI 评分5757 Google 发布 SigLIP 2 多语言视觉语言编码器系列
Google 发布了新一代多语言视觉语言编码器 SigLIP 2，包含 Base、Large、Shape Optimized 和 Giant (1B) 四种规模及多种分辨率变体。
Hugging Face Blog精选AI 评分7878 Hugging Face 发布 SmolVLM2 系列模型，支持全设备视频理解
Hugging Face 发布 SmolVLM2 系列模型，包含 2.2B、500M 和 256M 三种参数规模，旨在让视频理解能力在所有设备上运行。SmolVLM2 2.2B 在 Video-MME 基准测试中表现优于现有 2B 级模型，而 500M 和 256M 版本则提供了极小的内存占用。
推荐理由：原文给出了三种参数规模的视频理解模型及端侧部署方案，读者可以据此评估小模型在本地设备上的实际可用性。
Hugging Face Blog精选AI 评分6868 Google 发布 PaliGemma 2 Mix 指令微调视觉语言模型
Google 发布 PaliGemma 2 Mix 系列模型，这是基于 SigLIP 和 Gemma 2 架构的预训练 PaliGemma 2 模型的指令微调版本。
推荐理由：原文给出了PaliGemma 2 Mix在多种视觉语言任务上的表现对比及推理代码，读者可以据此评估其在下游任务微调中的实际效果。
Hugging Face BlogAI 评分4040 Hugging Face 新增 Hyperbolic、Nebius AI Studio 和 Novita 三个 Serverless Inference Providers
Hugging Face Hub 新增 Hyperbolic、Nebius AI Studio 和 Novita 三个 Serverless Inference Providers，支持 DeepSeek-R1 和 Flux.1 等模型。
Hugging Face BlogAI 评分4040 Fireworks.ai 成为 Hugging Face Hub 的推理提供商
Fireworks.ai 正式成为 Hugging Face Hub 支持的推理提供商，用户可在模型页面及生态工具中直接调用其 serverless 推理服务。
Hugging Face Blog精选AI 评分7373 Hugging Face 用 Math-Verify 重新评估 Open LLM Leaderboard 全部模型
Hugging Face 使用 Math-Verify 对 Open LLM Leaderboard 上所有 3,751 个提交模型进行了重新评估，以解决旧版 MATH-Hard 任务中因格式解析和符号比较导致的评分偏差问题。
推荐理由：原文展示了 Math-Verify 修复旧评估器缺陷的具体案例及重测数据，为开发者提供了更可靠的模型数学能力对比依据。
Hugging Face Blog精选AI 评分6060 Hugging Face 博客详解十亿级分类与嵌入推理的成本优化方案
Hugging Face 官方博客发布技术指南，详细解析了如何在十亿级规模下优化文本分类、文本嵌入及视觉嵌入的推理成本与延迟。文章通过对比 DistilBERT、ModernBERT 和 ColQwen2 等模型在 NVIDIA L4 GPU 上的表现，给出了具体的批量大小（Batch Size）和虚拟用户数（VUs）配置建议，并指出视觉嵌入任务因架构复杂导致成本显著高于纯文本任务。
推荐理由：原文提供了针对十亿级推理任务的硬件选型与参数调优实测数据，读者可据此评估大规模分类和嵌入场景下的成本优化路径。
Hugging Face BlogAI 评分5555 Hugging Face Hub 推出 Xet 存储后端以加速上传下载
Hugging Face Hub 引入基于 Rust 的 xet-core 和 hf_xet 集成，采用内容定义分块（CDC）结合块聚合技术，将上传和下载速度提升 2-3 倍。
Hugging Face BlogAI 评分4545 Hugging Face 发布视频生成数据集构建工具链
Hugging Face 推出开源视频数据集脚本，结合 video2dataset 覆盖小规模与大规模场景。该三阶段流水线利用 yt-dlp、Florence-2 及 Qwen2.5 等模型进行下载、过滤与标注。社区已基于此微调 CogVideoX-5B 实现 Crush 等特效。
Hugging Face Blog精选AI 评分6565 Open R1 发布 OpenR1-Math-220k 数据集及社区进展更新
Open R1 项目发布 OpenR1-Math-220k 大规模数学推理数据集，该数据集在 512 块 H100 GPU 上本地生成，包含经过 Math Verify 和 Llama3.3-70B-Instruct 双重验证的 220k 条正确推理轨迹。
推荐理由：原文公开了基于本地算力生成的大规模数学推理数据集及过滤流程，并展示了通过微调复现 DeepSeek R1 蒸馏效果的具体实验数据。
Hugging Face BlogAI 评分2828 Hugging Face 联合发布 Open Arabic LLM Leaderboard 2
Hugging Face 与 2A2I、TII 等机构推出第二代 Open Arabic LLM Leaderboard，旨在解决初代版本在算力门槛与结果真实性上的局限。该榜单已吸引超 46,000 访客并收录逾 700 个模型，涵盖从 1B 到 70B+ 参数规模，成为阿拉伯语 NLP 社区最活跃的评测平台之一。
Hugging Face Blog精选AI 评分8080 Hugging Face 开源 DeepResearch 复现框架
Hugging Face 发布开源项目 Open Deep Research，旨在复现 OpenAI Deep Research 的功能并公开其智能体框架。该项目利用 smolagents 库构建代码代理（CodeAgent），在 GAIA 验证集上达到 55.15% 的成绩，优于此前开源框架约 46% 的水平。
推荐理由：Hugging Face 开源了基于 smolagents 的 DeepResearch 复现框架，展示了代码代理在 GAIA 基准测试中相比传统 JSON 动作生成的显著性能提升。
Hugging Face Blog精选AI 评分6868 Hugging Face LeRobot 集成 π0 和 π0-FAST 视觉语言动作模型
Hugging Face 宣布将 Physical Intelligence 开发的 π0 和 π0-FAST 视觉语言动作（VLA）模型移植到 LeRobot 仓库中。
推荐理由：原文展示了将 Physical Intelligence 的机器人基础模型移植到 LeRobot 的过程，并提供了 PyTorch 版本的推理与微调代码及 FAST 动作分词器的使用方法。
Hugging Face BlogAI 评分5555 Adyen与Hugging Face联合发布DABstep多步推理数据智能体基准
Adyen和Hugging Face共同推出了DABstep（Data Agent Benchmark for Multi-step Reasoning），这是一个包含450多个真实世界数据分析任务的基准测试，旨在评估LLM和AI智能体的能力。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 Open-R1 项目进展：复现 DeepSeek-R1 训练管线与数据
Hugging Face 更新 Open-R1 项目进展，旨在复现 DeepSeek-R1 缺失的训练管线和合成数据。团队已在 MATH-500 基准上验证评估结果，并将 GRPO 集成至 TRL v0.14 以支持并行训练。
推荐理由：原文公开了复现 DeepSeek-R1 的训练管线与合成数据生成细节，提供了可参考的工程实现方案。
Hugging Face Blog精选AI 评分6868 Mini-R1：使用GRPO复现DeepSeek R1“顿悟时刻”的RL教程
Philipp Schmid发布教程，利用Group Relative Policy Optimization (GRPO) 算法和 Countdown Game 任务，成功复现了 DeepSeek R1 的“aha moment”。
推荐理由：原文提供了基于GRPO和Countdown游戏复现R1推理能力的完整代码与训练配置，展示了在有限算力下实现模型自我验证的具体路径。
Hugging Face BlogAI 评分2828 Hugging Face 发布 AI 艺术工具通讯首期：回顾 2024 Flux.1 等开源模型里程碑
Hugging Face 推出《AI tools for Art Newsletter》首期，回顾 2024 年图像与视频生成领域的关键突破。文章指出 Flux.1 在多项基准测试中超越 Midjourney v6.0 和 DALL·E 3，成为开源图像生成的新 SOTA。此外，InstantID 等免训练个性化技术显著提升了基于 SDXL 的零样本肖像生成质量。
Hugging Face BlogAI 评分3535 如何在 AWS 上部署和微调 DeepSeek R1 模型
Hugging Face 联合 AWS 提供在云端部署与微调 DeepSeek R1 及蒸馏模型的指南。开发者可通过 Inference Endpoints、SageMaker AI 或 Bedrock Marketplace 运行模型，其中 DeepSeek R1 推理成本为每小时 8.3 美元。
Hugging Face Blog精选AI 评分6565 Hugging Face 启动 Open-R1 项目以完全复现 DeepSeek-R1
Hugging Face 宣布启动 Open-R1 项目，旨在系统性重建 DeepSeek-R1 的数据和训练流程。该项目计划通过蒸馏高质量推理数据集、复现纯强化学习管线以及展示多阶段训练方法，来填补官方未公开代码和数据集的空白，推动开源推理模型的发展。
推荐理由：原文详细拆解了 DeepSeek-R1 的训练配方并规划了复现路径，为社区提供了构建开源推理模型的具体方法论和数据策略参考。
Hugging Face Blog精选AI 评分7070 Hugging Face Hub 集成 fal、Replicate 等四家 Serverless 推理提供商
Hugging Face 宣布在 Hub 模型页面及客户端 SDK 中正式集成 fal、Replicate、Sambanova 和 Together AI 四家 Serverless 推理提供商。用户可通过自定义 API Key 直连或经 HF 路由两种模式调用 DeepSeek-R1 等模型，PRO 用户每月获 $2 跨提供商通用额度。
推荐理由：原文展示了在 Hub 模型页直接调用多家第三方 Serverless 推理服务的统一入口与计费模式，为开发者提供了更灵活的模型部署选择。
Hugging Face Blog精选AI 评分6565 Diffusers 团队解析开源视频生成模型现状及低显存推理优化指南
Hugging Face Diffusers 团队发布博客，综述了当前开源视频生成模型（如 CogVideoX, Hunyuan, LTX-Video）的能力、局限性及技术架构。
推荐理由：文章梳理了开源视频生成模型的现状与局限，并提供了在 Diffusers 中通过量化、卸载等优化手段降低显存需求及微调的具体代码方案。
Hugging Face Blog精选AI 评分6868 Hugging Face smolagents 新增对视觉语言模型的支持
Hugging Face 宣布其开源智能体框架 smolagents 现已原生支持视觉语言模型（VLM）。该更新允许在智能体启动时直接传入图像列表，或通过回调函数在每一步执行后动态将截图等视觉数据注入内存。
推荐理由：smolagents 原生支持视觉语言模型，通过回调机制动态注入图像，使智能体能自主浏览网页并处理视觉信息。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 SmolVLM-256M 与 SmolVLM-500M 超小型视觉语言模型
Hugging Face 推出 SmolVLM-256M 和 SmolVLM-500M，其中 256M 版本号称是全球最小的视觉语言模型（VLM）。新模型采用更小的 SigLIP base patch-16/512 视觉编码器以支持更大图像分辨率，并优化了 tokenization 策略，在 transformers、MLX 和 ONNX 中可直接加载运行。
推荐理由：官方发布了256M和500M参数的SmolVLM，展示了在极小参数量下保持多模态性能的技术权衡与优化路径。
Hugging Face BlogAI 评分2626 Hugging Face 与 FriendliAI 合作在 Hub 集成推理基础设施
Hugging Face 与 FriendliAI 达成合作，将 Friendli Endpoints 作为部署选项集成至 Hugging Face Hub。开发者可通过“Deploy this model”按钮一键部署模型至 NVIDIA H100 GPU，利用连续批处理、原生量化及自动扩缩容技术实现高性能低成本推理。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 TimmWrapper：在 Transformers 中直接使用 timm 模型
Hugging Face 推出 TimmWrapper，允许用户在 🤗 transformers 生态系统中直接加载和使用任何 timm 计算机视觉模型。
推荐理由：原文提供了将timm模型接入transformers生态的具体代码示例，涵盖量化、微调和torch.compile加速等实用场景。
Hugging Face BlogAI 评分4545 Hugging Face 为 Text Generation Inference (TGI) 引入多后端支持
Hugging Face 推出 TGI Backends 架构，允许通过统一前端集成 vLLM、TensorRT-LLM 等推理引擎。该方案利用 Rust 重构 HTTP 与调度层以规避 Python GIL 限制，提升并发性能。计划于 2025 年第一季度集成 vLLM，并持续扩展对 NVIDIA、AWS 及 Google TPU 等硬件的支持。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布高速静态嵌入模型 static-retrieval-mrl-en-v1 和 static-similarity-mrl-multilingual-v1
Hugging Face 发布两款新的静态嵌入模型 sentence-transformers/static-retrieval-mrl-en-v1（英语检索）和 sentence-transformers/static-similarity-mrl-multilingual-v1（多语言相似度）。
推荐理由：官方发布了在CPU上比主流模型快100至400倍的静态嵌入模型，并公开了完整的训练策略与脚本，为端侧部署提供了高效方案。
Hugging Face BlogAI 评分4040 Hugging Face 探讨 AI Agents 现状与伦理风险
Hugging Face 指出当前多数 AI Agents 基于 LLM 构建，具备分解任务并自主执行的能力。分析显示系统自主性越高，隐私与安全等风险越大，因此建议不开发能自行编写执行代码的全自主 Agent，而应聚焦于人类保留控制权的半自主模式。
Hugging Face Blog精选AI 评分6363 Hugging Face 发布 vdr-2b-multi-v1 多语言视觉文档检索模型
Hugging Face 联合 LlamaIndex 发布 vdr-2b-multi-v1，这是专为多语言视觉文档检索设计的嵌入模型，支持将文档页面截图编码为密集向量而无需 OCR。
推荐理由：原文给出了无需 OCR 的多语言视觉文档检索方案，读者可以据此评估其在跨语言场景下的效率与精度。
Hugging Face BlogAI 评分4040 Hugging Face Open LLM Leaderboard 发布 CO₂ 排放与模型性能洞察
Hugging Face 在 Open LLM Leaderboard 中集成碳足迹估算，分析自 2024 年 6 月以来评估的 3,000 多个开源大语言模型的推理能耗。数据显示社区微调模型通常比官方模型更具碳效率，Qwen-2.5-14B 和 Phi-3-Medium 展现出最佳的分数与排放比。
Hugging Face Blog精选AI 评分8282 Hugging Face 发布 smolagents：支持代码动作的轻量级智能体库
Hugging Face 推出 smolagents，这是一个旨在简化语言模型智能体能力的轻量级库。其核心特性是 CodeAgent，允许智能体以 Python 代码形式编写动作，相比传统的 JSON 工具调用具有更好的组合性和通用性，并支持通过 E2B 进行沙箱安全执行。
推荐理由：该库通过让智能体直接编写代码而非JSON来执行动作，并提供了沙箱执行与Hub集成，为构建灵活且安全的AI工作流提供了新的工程范式。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 PyTorch GPU 显存可视化与估算教程
Hugging Face 发布教程指导如何使用 PyTorch 内置工具可视化训练过程中的 GPU 显存占用。文章详细解析了模型参数、优化器状态、激活值等组件的显存构成，并提供了一套估算总显存需求的数学公式及启发式方法。
推荐理由：文章拆解了PyTorch显存快照工具的使用，并给出了基于模型参数和激活值的显存估算公式，有助于开发者定位训练中的内存瓶颈。