Hugging Face 发布开源 OCR 模型选型与部署指南
Hugging Face 发布指南帮助开发者选择和使用开源 OCR 模型。文章对比了 Chandra、OlmOCR-2、PaddleOCR-VL 等最新模型在表格处理、多语言支持及输出格式上的能力，并介绍了 OmniDocBenchmark 等评测基准。
推荐理由：Hugging Face 官方指南系统梳理了主流开源 OCR 模型的能力差异、评测基准及本地与云端部署方案，为构建文档 AI 流水线提供了选型依据。
Hugging Face
全部主题Hugging Face 开源社区动态：热门模型与数据集、排行榜变化与开源生态的晴雨表。
最新精选
第 101–120 条 · 共 269 条Hugging Face Blog精选AI 评分6262 Hugging Face Blog精选AI 评分6565 Hugging Face AI Sheets发布重大更新，新增图像视觉处理能力
Hugging Face开源工具AI Sheets发布重大更新，正式加入对图像视觉内容的支持。用户现在可以在电子表格中直接上传、分析、提取信息以及生成和编辑图片，无需编写代码。
推荐理由：AI Sheets新增视觉能力支持图像提取与生成，用户可在电子表格中直接处理多模态数据并导出结构化结果。
Hugging Face Blog精选AI 评分6868 BigCodeArena发布：支持实时执行的代码生成模型评估平台
BigCode项目推出BigCodeArena，这是首个允许用户通过实际运行代码来评估和比较AI代码生成模型的众包平台。该平台支持Python、JavaScript等10种语言及React、PyGame等8种执行环境，用户可提交任务并投票选择表现更好的模型。
推荐理由：BigCodeArena通过引入实时执行反馈解决了代码生成评估中静态对比的局限，其数据揭示了不同模型在特定运行环境下的鲁棒性差异。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 Smol2Operator：通过两阶段后训练构建 GUI 智能体
Hugging Face 推出 Smol2Operator 项目，展示如何将 SmolVLM2-2.2B-Instruct 从零基础转化为具备 GUI 操作能力的智能体。
推荐理由：展示了如何通过两阶段微调将无 GUI 能力的轻量级 VLM 转化为具备推理能力的智能体，并开源了完整训练配方和数据集。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 Gaia2 智能体基准与 ARE 开源框架
Hugging Face 联合 Meta 推出 Gaia2 智能体评估基准及配套开源框架 ARE，旨在通过模拟真实世界中的噪声、时间敏感性和 API 故障来测试 AI Agent 的鲁棒性。
推荐理由：原文提供了 Gaia2 基准与 ARE 框架的完整技术细节及初步模型评测结果，为开发者调试和评估智能体在复杂真实场景下的表现提供了可复用的开源工具链。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 RiskRubric.ai 标准化 AI 模型风险评估平台
Hugging Face 宣布推出 RiskRubric.ai，这是一个由 Cloud Security Alliance 和 Noma Security 主导的标准化 AI 模型风险评估平台。
推荐理由：Hugging Face 联合推出 RiskRubric.ai，提供标准化的模型风险评估体系，帮助开发者量化安全性与隐私指标。
Hugging Face Blog精选AI 评分6565 Hugging Face 详解 transformers 如何复用 OpenAI GPT-OSS 的 MXFP4 量化与并行技术
Hugging Face 发布博客介绍 transformers 库为支持 OpenAI GPT-OSS 模型所做的多项核心升级，包括原生 MXFP4 量化、张量并行、专家并行及动态滑动窗口缓存等特性。
推荐理由：原文详细拆解了 transformers 库为适配 GPT-OSS 所做的底层优化，提供了可直接复用的代码片段和性能基准数据。
Hugging Face Blog精选AI 评分6060 Together AI 支持从 Hugging Face Hub 微调任意 LLM
Together AI 宣布新功能，允许用户直接通过其基础设施对 Hugging Face Hub 上的任意兼容 LLM 进行微调。开发者只需指定基础模板和自定义模型参数，即可在几分钟内启动训练任务，并将微调后的模型自动上传回 Hub 或用于推理部署。该集成旨在降低传统微调的复杂度和成本，加速团队基于开源社区模型进行领域适配和迭代优化的速度。
推荐理由：Together AI 与 Hugging Face Hub 打通微调流程，开发者可直接调用平台基础设施定制任意兼容模型并回传社区。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 Jupyter Agent：通过合成数据与简化脚手架增强小模型数据分析能力
Hugging Face 推出 Jupyter Agent 项目，旨在通过构建高质量训练数据和优化代理脚手架，提升小型语言模型在数据科学任务中的表现。团队利用 Kaggle Notebook 数据集经过多阶段清洗和合成生成约 51k 条轨迹，对 Qwen3-4B 进行全参数微调，使其在 DABStep 基准测试的简单任务上准确率提升至 75%。
推荐理由：原文公开了从数据清洗到微调的完整流水线及代码，展示了小模型在特定脚手架下性能提升的具体路径。
Hugging Face Blog精选AI 评分8080 Google 发布 EmbeddingGemma：面向端侧的高效多语言嵌入模型
Google DeepMind 发布 EmbeddingGemma，这是一款拥有 308M 参数、支持 100 多种语言的开源多语言文本嵌入模型。该模型基于 Gemma3 架构并采用双向注意力机制，量化后内存占用低于 200 MB，在 MTEB 排行榜上位居同尺寸纯文本模型前列。
推荐理由：原文展示了308M参数模型在MMTEB上的表现及多框架集成方案，读者可据此评估其在移动端RAG和检索任务中的落地可行性。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布指南：在 ZeroGPU Spaces 中使用 PyTorch AoT 编译提升性能
Hugging Face 发布技术指南，介绍如何在 ZeroGPU Spaces 中利用 PyTorch 的 ahead-of-time (AoT) 编译来优化模型推理速度。
推荐理由：文章详细演示了如何在 ZeroGPU Spaces 中集成 PyTorch AoT 编译，提供了从基础配置到 FP8 量化及动态形状的高级优化代码与实测加速数据。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 AI Sheets：用于构建和处理数据集的开源无代码工具
Hugging Face 推出开源无代码工具 AI Sheets，允许用户利用 AI 模型构建、丰富和转换数据集。该工具支持本地部署或托管于 Hub，可通过 Inference Providers 调用包括 gpt-oss 在内的数千个开放模型。
推荐理由：官方介绍了无代码数据集处理工具，支持本地部署与Hub集成，读者可了解其通过提示词列和反馈机制优化数据生成的具体工作流。
Hugging Face Blog精选AI 评分6262 TRL 新增视觉语言模型对齐支持：涵盖 MPO、GRPO 及 GSPO 等方法
Hugging Face TRL 库新增对视觉语言模型（VLM）的多项对齐算法支持，包括混合偏好优化（MPO）、组相对策略优化（GRPO）和组序列策略优化（GSPO）。官方提供了相应的训练脚本、Notebook 示例以及 vLLM 集成方案，并实现了原生的监督微调（SFT）支持，帮助开发者更高效地进行多模态模型的后训练与对齐。
推荐理由：原文提供了在 TRL 中实现 VLM 对齐的具体代码配置与脚本，读者可直接复用这些方法优化多模态模型性能。
Hugging Face Blog精选AI 评分9898 Hugging Face 欢迎 OpenAI 开源 GPT OSS 模型家族
OpenAI 发布了名为 GPT OSS 的开源权重模型家族，包含 gpt-oss-120b 和 gpt-oss-20b 两个混合专家（MoE）模型，均采用 MXFP4 量化并遵循 Apache 2.0 许可证。
推荐理由：原文详细说明了 GPT OSS 的架构特性、量化方案及在主流框架下的本地部署与微调方法，为开发者提供了从云端 API 到端侧运行的完整技术路径。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布开源实验追踪库 Trackio
Hugging Face 推出开源 Python 库 Trackio，旨在提供轻量级的机器学习实验追踪功能。该工具支持本地仪表盘并可与 Hugging Face Spaces 集成以实现便捷分享，其 API 设计为 wandb 的直接替代方案，允许用户通过简单的导入替换即可开始使用。
推荐理由：Trackio 作为 wandb 的轻量级开源替代品，提供了本地优先的实验追踪与 Spaces 无缝分享能力，适合需要快速可视化训练指标且希望数据自主可控的研究者。
Hugging Face Blog精选AI 评分6161 Hugging Face 发布 Flux 模型 LoRA 推理加速指南
Hugging Face 博客发布了针对 Flux.1-Dev 模型的 LoRA 推理优化方案，通过组合 Flash Attention 3、torch.compile 和 FP8 量化技术，实现了约 2.3 倍的推理速度提升。
推荐理由：提供了结合 Flash Attention 3、torch.compile 和 FP8 量化的 LoRA 热交换优化方案，解决了重编译瓶颈并给出了在消费级 GPU 上的具体实现路径。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 Ettin Suite：SoTA 配对编码器与解码器模型
Hugging Face 推出 Ettin Suite，这是首个包含 SoTA 配对编码器（17M-1B 参数）和解码器模型的套件，两者使用完全相同的开放数据（2T tokens）、架构和训练配方进行训练。
推荐理由：提供了在相同数据和训练配方下对比编码器与解码器架构的受控实验结果，有助于理解不同架构在分类、检索和生成任务上的固有优势。
Hugging Face Blog精选AI 评分7070 Hugging Face Hub 完成从 Git LFS 到 Xet 存储后端的迁移
Hugging Face Hub 已将超过 50 万个仓库和 20 PB 数据从 Git LFS 迁移至新的 Xet 存储后端，目前超 100 万用户正在使用 Xet。该迁移通过 Git LFS Bridge 和后台内容迁移机制实现零中断兼容，支持新旧客户端无缝访问。自本月起，Xet 将向所有用户开放，新创建仓库默认启用 Xet，现有仓库将自动迁移，同时计划开源 Xet 协议及基础设施栈。
推荐理由：原文详述了从 Git LFS 到 Xet 的无感迁移架构与性能数据，为理解大规模 AI 存储系统的平滑演进提供了工程参考。
Hugging Face Blog精选AI 评分7171 Hugging Face 发布 ScreenEnv：用于部署全栈桌面智能体的 Python 库
Hugging Face 推出 ScreenEnv，这是一个允许在 Docker 容器中创建隔离 Ubuntu 桌面环境的 Python 库，专门用于测试和部署 GUI Agents（即 Computer Use agents）。
推荐理由：提供了基于 Docker 的隔离桌面环境构建方案及 MCP 集成代码，展示了快速部署 GUI Agent 的具体实现路径。
Hugging Face Blog精选AI 评分6565 Hugging Face 分享构建官方 MCP Server 的技术实践与架构决策
Hugging Face 发布博客文章，详细解析其官方 MCP Server（hf.co/mcp）的开发历程与技术选型。团队对比了 STDIO、HTTP with SSE 和 Streamable HTTP 三种传输方式，最终在生产环境中采用 Stateless 且 Direct Response 模式的 Streamable HTTP，以优化资源开销并支持动态工具配置。
推荐理由：官方详解 MCP Server 构建中的传输协议选型与状态管理权衡，为开发者提供远程服务部署的实战参考。