Hugging Face 教程：如何在一天内构建领域专用嵌入模型
Hugging Face 发布教程，介绍使用 Llama-Nemotron-Embed-1B-v2 和 NVIDIA NeMo 工具链，在单张 GPU 上为领域文档生成合成训练数据、挖掘难负样本并微调嵌入模型。
推荐理由：文章给出从合成数据生成、难负样本挖掘到部署的完整流程，并用公开数据和 Atlassian 案例展示检索指标变化。
开源生态
全部主题开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
133条精选相关主题模型发布Hugging FaceAI 编码
最新精选
第 101–120 条 · 共 133 条Hugging Face Blog精选AI 评分8080
Hugging Face Blog精选AI 评分7979 Hugging Face 发布《2026 春季开源现状》报告
Hugging Face 发布《2026 春季开源现状》报告，基于社区活动数据分析竞争、地域、技术趋势和新兴社区。2025 年平台用户增至 13 million，公共模型超过 2 million、公共数据集超过 500,000；中国模型占下载量 41%，Qwen 相关衍生模型超过 200,000 个。
推荐理由：报告用 Hugging Face 社区数据梳理开源 AI 的地域、规模与应用变化，呈现中国模型增长、小模型普及和机器人社区扩张等趋势。
Hugging Face Blog精选AI 评分7777 H Company 发布 Holotron-12B 高吞吐电脑操作模型
H Company 发布多模态电脑操作模型 Holotron-12B，基于 NVIDIA Nemotron-Nano-12B-v2-VL-BF16 和专有数据训练，最终 checkpoint 使用约 14 billion tokens。
推荐理由：文章同时给出 Holotron-12B 的训练来源、吞吐对比和 Agent 基准结果，便于评估其在高并发电脑操作任务中的实际定位。
Mistral AI精选AI 评分7373 Mistral AI 与 NVIDIA 合作加速开放前沿模型
Mistral AI 宣布成为 NVIDIA Nemotron Coalition 创始成员，并计划与 NVIDIA 共同开发开放前沿模型。Mistral AI 将贡献模型架构、训练技术、多模态能力和微调工具，NVIDIA 将提供计算资源、模型开发工具与合成数据生成管线。
推荐理由：文章同时交代了联盟的合作机制、开放模型计划和 Mistral AI 的分工，便于理解产业协作如何影响模型训练与定制。
Mistral AI精选AI 评分8282 Mistral AI 发布开源 Leanstral 代码智能体
Mistral AI 发布 Leanstral，这是面向 Lean 4 的开源代码智能体，采用 6B active parameters，支持在形式化代码仓库中生成并验证证明。
推荐理由：Leanstral把Lean 4形式化证明引入代码智能体，并用FLTEval比较性能与成本，呈现了可复用的验证式编程路径。
Berkeley AI Research精选AI 评分6969 SPEX 与 ProxySPEX 将 LLM 交互识别扩展至数千个组件
Berkeley AI Research 介绍 SPEX 和 ProxySPEX，两种通过消融与稀疏恢复识别模型关键交互的算法。ProxySPEX 利用层级结构，在约 10x 更少的消融次数下达到 SPEX 的性能，并被用于特征归因、数据归因和注意力头归因。两者的代码已集成到 SHAP-IQ 仓库。
推荐理由：文章系统说明 SPEX 与 ProxySPEX 如何用较少的消融识别特征、训练数据和模型组件之间的关键交互，并展示其解释性应用。
Mistral AI精选AI 评分7070 Mistral AI 如何用 Vibe 构建自动生成 Rails 测试的智能体
Mistral AI 基于开源编码助手 Vibe 构建了一个可在 CI/CD 中自主生成和改进 RSpec 测试的智能体，能够读取 Rails 源码、并行处理文件，并通过 RuboCop 与 SimpleCov 验证结果。
推荐理由：文章展示了如何用 Vibe、分类型技能和可执行验证工具构建 Rails 测试智能体，并用真实代码库指标检验其效果。
Hugging Face Blog精选AI 评分7676 Hugging Face 总结 16 个开源 RL 库的异步训练经验
Hugging Face 调研 16 个开源 RL 库，比较编排、rollout buffer、权重同步、陈旧样本管理、部分 rollout、LoRA 和分布式训练后端等 7 个维度。
推荐理由：文章将 16 个开源异步 RL 库放在统一框架下比较，梳理了缓冲区、权重同步、样本陈旧和 MoE 支持等工程取舍。
Hugging Face Blog精选AI 评分8383 Hugging Face 在 Hub 上推出 Storage Buckets
Hugging Face 在 Hub 上推出 Storage Buckets，为 checkpoints、处理后数据、Agent traces 和日志等可变 ML 产物提供非版本化、S3-like 对象存储。Buckets 基于 Xet 的分块去重，并支持通过 hf CLI、Python、JavaScript 和 fsspec 管理；还可将数据预热到 AWS 和 GCP 的计算区域。
推荐理由：Storage Buckets 将可变的 ML 中间产物纳入 Hub，并结合 Xet 去重与预热能力，补足 Git 不适合高频写入的工作层。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 LeRobot v0.5.0，加入 Unitree G1 支持与 EnvHub
Hugging Face 发布 LeRobot v0.5.0，新增对 Unitree G1 人形机器人的完整支持，并加入 Pi0-FAST、Real-Time Chunking、EnvHub 和 NVIDIA IsaacLab-Arena 集成。该版本还带来流式视频编码、10x 更快的图像训练、3x 更快的编码，以及 Python 3.12+ 和 Transformers v5 的代码库升级。
推荐理由：LeRobot v0.5.0同时扩展硬件、策略、数据管线和仿真环境，为机器人学习从训练到真实部署提供了更完整的开源基础。
Hugging Face Blog精选AI 评分7777 Hugging Face 介绍 Ulysses Sequence Parallelism，支持百万 token 上下文训练
Hugging Face 介绍 Ulysses Sequence Parallelism 如何通过序列分片、attention head 并行和 all-to-all 通信训练超长上下文，并集成到 Accelerate、Transformers Trainer 和 TRL 的 SFTTrainer。
推荐理由：文章系统说明 Ulysses 如何拆分长序列并接入 Hugging Face 训练栈，同时用显存、吞吐和对比数据展示其适用边界。
Google Research精选AI 评分7777 Google SpeciesNet 模型识别近2500类野生动物
Google开发的SpeciesNet模型可对相机陷阱图像中的2,498类动物进行分类，并已作为开源工具供下载、适配和改进。模型基于超过65M张标注图像训练，可在标准笔记本上每天处理约30,000张图像；在测试中，99.4%的含动物图像被识别，83%的预测达到物种级别，其中94.5%正确。过去一年，研究团队已将其用于哥伦比亚、美国爱达荷州、澳大利亚和坦桑尼亚等地的野生动物监测。
推荐理由：SpeciesNet将大规模相机陷阱图像识别转为可本地运行和适配的开放工具，文中数据与项目案例展示了它在野生动物监测中的实际用法。
Hugging Face Blog精选AI 评分8282 Hugging Face 推出 Modular Diffusers，支持组合式扩散模型工作流
Hugging Face 推出 Modular Diffusers，通过可复用模块组合扩散模型流程，作为现有 DiffusionPipeline 的更灵活替代方案。
推荐理由：Modular Diffusers 将扩散流程拆成可复用模块，并连接模型仓库与可视化工作流，展示了定制和复用 Diffusers 流程的具体路径。
Hugging Face Blog精选AI 评分6666 PRX Part 3：Photoroom 如何在 24 小时内训练文本到图像模型
Photoroom 使用 32 张 H200、约 $1500 的计算预算，在 24 小时内训练文本到图像模型，并公开 PRX 代码与实验框架。配方结合像素空间训练、LPIPS 与 DINOv2 感知损失、TREAD token 路由、REPA 表征对齐、DINOv3 和 Muon 优化器，模型以 512px 训练 100k 步后再以 1024px 微调 20k 步。
推荐理由：文章拆解了 24 小时文本到图像训练的完整配方与取舍，并开放代码，便于复现实验和调整组件。
Hugging Face Blog精选AI 评分7777 Hugging Face 详解 Transformers 中的 Mixture of Experts 工程实现
Hugging Face 介绍 Transformers 如何支持 Mixture of Experts，包括 WeightConverter 权重转换、Experts Backend 和 Expert Parallelism。
推荐理由：文章把 MoE 的稀疏计算原理与 Transformers 的加载、后端、专家并行和训练优化串联起来，并用基准数据说明工程改造的收益。
Hugging Face Blog精选AI 评分7878 Hugging Face 教程：用 Unsloth 和 Hugging Face Jobs 免费微调 LLM
Hugging Face 介绍如何通过 Claude Code、Codex 等编码智能体，结合 Unsloth 和 Hugging Face Jobs 微调 LiquidAI/LFM2.5-1.2B-Instruct。
推荐理由：文章把 Unsloth、Hugging Face Jobs 与编码智能体串成可执行流程，并给出免费额度、命令和成本参考，便于复现实验。
Hugging Face Blog精选AI 评分8484 GGML 加入 Hugging Face，继续推进 llama.cpp 与本地 AI 生态
GGML 的创建者 Georgi Gerganov 及团队加入 Hugging Face，以获得长期资源支持并扩大 ggml 与 llama.cpp 社区。团队仍将 100% 投入 llama.cpp 的维护，在技术方向和社区事务上保持完全自治；项目继续保持 100% 开源和社区驱动。
推荐理由：这项加入将开源项目的长期资源支持与技术自治结合起来，也交代了 llama.cpp 与 Transformers 在本地推理生态中的协作方向。
Hugging Face Blog精选AI 评分7171 IBM 与 UC Berkeley 用 IT-Bench 和 MAST 诊断企业智能体失败原因
IBM Research 与 UC Berkeley 将 MAST 应用于 ITBench，分析了 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 的 310 条 SRE 执行轨迹。
推荐理由：文章把 ITBench 的成功率拆解为具体失败模式，并针对不同模型给出验证、终止控制和上下文管理等工程改进方向。
Hugging Face Blog精选AI 评分7676 Gradio 6 的 gr.HTML 支持用单个 Python 文件构建交互式 Web 应用
Gradio 6 为 gr.HTML 增加自定义模板、作用域 CSS 和 JavaScript 交互能力，可在单个 Python 文件中生成前端、后端与状态管理。文章展示了 Pomodoro Timer、Kanban Board、检测结果查看器和实时语音转写等应用，并说明可通过 gradio deploy 部署到 Hugging Face Spaces。
推荐理由：文章展示了 gr.HTML 如何把自定义前端交互、Python 状态和部署流程收束到单个文件，适合参考其快速构建 Gradio 组件的方法。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 CUDA Kernels Agent skill，助力 Claude 和 Codex 编写自定义内核
Hugging Face 构建了一个 CUDA Kernels Agent skill，指导 Claude 和 Codex 为 diffusers 与 transformers 目标编写带 PyTorch 绑定和基准测试的生产级 CUDA 内核。
推荐理由：文章展示了如何把 CUDA 专业知识封装为 Agent skill，并用真实 diffusers 与 transformers 目标验证从内核生成、绑定到基准测试的完整流程。