Hugging Face 发布 Holo4 通用计算机操作智能体模型
Hugging Face 发布 Holo4 系列智能体模型，含 27B dense 和 35B-A3B MoE 两个尺寸，均已在 H Models API 上线，并同步开源 Holotron4 Nano。
推荐理由：原文给出了新模型的双尺寸、跨界面能力和开源轨迹数据，读者可据此评估它在真实业务工作流中的性价比。
#Hugging Face
#Hugging Face
今日 0 条Hugging Face Blog精选AI 评分7878
Hugging Face BlogAI 评分4242 oMLX 创建者 Jun Kim 加入 Hugging Face，助力 MLX 社区发展
oMLX 创建者及维护者 Jun Kim 加入 Hugging Face，以支持 MLX 社区。oMLX 将保持 Apache 2.0 开源协议，并由 Jun 继续主导开发，从兼职项目升级为全职维护项目，有望带来更稳定的发展和更快的迭代。Hugging Face 希望 oMLX 成为新想法的试验场，并加速 transformers 模型定义到 MLX 实现的转换。
Hugging Face Blog精选AI 评分7373 Hugging Face transformers 支持运行 llama.cpp 的 GGUF 量化模型
Hugging Face 在 transformers 中加入对 GGUF 模型的高效运行支持，通过复用 ggml 的 Metal 内核，可在 Apple Silicon 上以熟悉的 from_pretrained 接口加载并生成。
推荐理由：原文给出了 GGUF 加载方式、性能对比和当前限制，读者可以据此判断在 transformers 里跑本地量化模型的可行性与适用场景。
Hugging Face BlogAI 评分4747 英国 AISI 与 EvalEval 如何让基准测试结果可复现
英国 AI 安全研究所（AISI）开始通过 EvalEval 的 Evaluation Cards 平台公开共享评估结果，以提升评估科学的可复现性与可验证性。
Hugging Face Blog精选AI 评分6262 tokenizers v1 发布候选版：编码速度提升 3 至 30 倍
Hugging Face 发布 tokenizers v1 的候选版本，编码路径比 v0.23 快 3 到 30 倍，在 Apple M4 Max 上八线程扩展效率为线性扩展的 76%，且输出 token ID 与旧版完全一致。
推荐理由：原文给出了 v1 相比 v0.23 的编码提速幅度和实现原理，读者可据此判断升级收益与适用场景。
Hugging Face Blog精选AI 评分6262 IBM 研究提出一致性准则，将智能体任务成功率波动减半
IBM 研究团队在 Hugging Face 博客发布新方法，针对智能体多次执行同一任务结果不一致的问题，提出 Consistency Analyzer 诊断工具和一致性准则。
推荐理由：原文给出了可复现的评测指标和诊断方法，读者可据此衡量自家智能体的稳定性并定位易翻转的决策点。
Hugging Face Blog精选AI 评分6565 Gradio Workflow 用 73 个节点重建 AUTOMATIC1111 功能集
Hugging Face 发布 Workflow1111，用 Gradio Workflow 以 73 个节点、11 条媒体管线重建了 AUTOMATIC1111 的 stable-diffusion-webui 主要功能，涵盖文生图、图生图、高清修复、提示词矩阵、VLM 反推提示词、检测转蒙版、ControlNet 风格标注器、背景移除、PNG Info 和图生视频。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7878 AsyncGRPOTrainer 结合 LoRA 跨 HF Jobs 训练：用存储桶同步适配器，无需 NCCL
Hugging Face 博客介绍如何用 AsyncGRPOTrainer 结合 LoRA 在 HF Jobs 上跨节点训练，通过 Storage Bucket 同步适配器而非 NCCL，并用代理路由请求。500 步训练从 3 小时 27 分钟优化到 53 分钟，速度提升 3.9 倍，代码已开源。
推荐理由：原文给出了完整的架构、代码和调优过程，读者可以据此复现跨节点 LoRA 异步强化学习训练。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布多模态编码器 NeoMME，260M 与 800M 两档开源
Hugging Face 发布 NeoMME，一个 260M 和 800M 的多语言多模态编码器家族，用单一双向 Transformer 同时处理文本 token 和原始图像块，从零训练，不使用预训练视觉塔或因果语言模型。
推荐理由：原文给出了模型架构、检索性能和压缩方案，读者可据此评估其在视觉文档检索中的适用性。
Hugging Face Blog精选AI 评分8282 Hugging Face 发布 funes：为编码智能体提供本地持久记忆层
Hugging Face 发布开源工具 funes，为 Claude Code、Codex、pi 和 Hermes 等编码智能体提供本地持久记忆层。它从智能体已有会话日志构建索引，支持 recall 和 get 工具，默认本地运行，也可绑定到私有 Hugging Face 数据集跨机器共享。基准测试显示 recall 比手写交接便宜 8 倍和 4 倍。
推荐理由：原文给出了安装命令、跨智能体记忆机制和基准对比，读者可据此判断它能否解决自己切换智能体时丢失上下文的问题。
Hugging Face Blog精选AI 评分6262 用100步GRPO微调350M模型，IFStruct结构化输出从22.6%提升至29.7%
Hugging Face 发布公开教程，用 TRL 库对 LFM2.5-350M 做约500样本、100步的 GRPO 微调，在 IFStruct 基准上从22.6%提升至29.7%，其中 JSON 通过率从18.0%升至31.9%。整套流程可在免费版 Colab 或 Kaggle GPU 上运行，评估可在 MacBook 上通过 llama.cpp 完成，代码已开源在 GitHub。
推荐理由：给出了一套约500样本、100步的轻量GRPO微调配方，读者可据此低成本提升小模型的结构化输出合规率。
Hugging Face Blog精选AI 评分6262 用 TRL 和 OpenEnv 训练编码模型画水彩：完整开源复现
作者用 TRL 和 OpenEnv 复现了 Surya Narreddi 的用语言模型写 JavaScript 画水彩的项目，并开源了参考数据集、RL 环境、训练脚本和训练好的模型。
推荐理由：作者用 TRL 和 OpenEnv 完整复现了用代码画水彩的 RL 训练流程，并开源全部数据集、环境和模型，读者可据此复现或改造。
Hugging Face Blog精选AI 评分7373 Hugging Face 发布 @huggingface/kernels：207 个 WebGPU 内核加速本地 AI 推理
Hugging Face 发布 @huggingface/kernels，一个用于从 Hub 加载和运行优化 WebGPU 内核的库，并推出 207 个内核的初始集合，Apache-2.0 许可。在 Apple M4 GPU 上与 ORT WebGPU 对比，几何平均快 2.57 倍，中位数快 1.90 倍。同时推出 Fleet 浏览器基准测试套件，用于众包收集真实 GPU 上的正确性和性能证据。
推荐理由：原文给出了 207 个 WebGPU 内核的发布、性能对比数据和开源许可，读者可据此评估浏览器端推理的加速空间。
Microsoft Research精选AI 评分6262 微软发布 GigaPath-Flash 与 GigaTIME-Flash 高效病理基础模型
微软研究院发布 GigaPath-Flash 与 GigaTIME-Flash，通过知识蒸馏将十亿参数编码器压缩为 22M 参数的 ViT-S 骨干，在保持约 97% 预测性能的同时将全切片分析计算量降低约 50 倍，空间蛋白组学预测提速约 6 倍、显存减少约 8 倍。两模型均以 Apache 2.0 协议开放权重，代码与权重已上架 Hugging Face，面向科研用途而非临床诊疗。
推荐理由：原文给出了蒸馏压缩后的效率提升和开放权重入口，读者可据此评估病理基础模型在更大队列研究中的实用成本。
Hugging Face Blog精选AI 评分6969 Open ASR Leaderboard 新增首个全球南方语言印地语评测集
Hugging Face 与 Voice Arena 合作，为 Open ASR Leaderboard 新增印地语和印度英语评测集 Monsoon，这是该榜单多语言标签页首次覆盖印度语言。四个子集共 4,888 位说话人，记录 12 项说话人属性，并采用私有分割防止针对榜单的优化。印地语集因拼写变体众多改用 OIWER 指标，并开源实现 voi-oiwer 以便复现。
推荐理由：原文展示了区域、设备等元数据如何暴露榜单上被平均掩盖的模型差异，读者可据此理解评测设计对模型选型的影响。
Hugging Face Blog精选AI 评分7878 Sentence Transformers v6.0 新增 MultiVectorEncoder，教程演示如何微调多向量检索模型
Sentence Transformers v6.0 引入第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚期交互检索，并配套完整的训练方法。
推荐理由：原文给出了完整的微调流程、实测对比和索引压缩方案，读者可以据此在自己的领域数据上复现并评估收益。
Hugging Face Blog精选AI 评分6262 Quantization-Aware Healing 论文：4-bit 压缩模型在 7/9 基准上超越其全精度原版
Multiverse Computing 发布论文《Quantization-Aware Healing》，提出从压缩前原模型直接蒸馏的修复方法，应用于 GPT-OSS 120B 压缩至 60B 并量化到 MXFP4 后，在 7/9 基准上超越其 bfloat16 版本，其中长上下文推理 +7.4、数学 +5.6。
推荐理由：论文提出从压缩前原模型蒸馏的修复方法，让 4-bit 模型在多数基准上反超自身 bfloat16 版本，并对比了与 QAT 的稳定性差异。
Hugging Face Blog精选AI 评分6262 Gradio 推出 gr.Workflow，把 AI 流程变成可视化画布与 REST API
Gradio 发布内置的 gr.Workflow，让用户把多步 AI 流程描述为类型化节点图，Gradio 会提供可拖拽画布，每个节点可运行且中间结果可见。同一张图同时是 REST API，并支持一键部署到 Hugging Face Spaces。文中给出图像编辑、媒体工作室、并行生成、数据集分析等可复制的示例 Space。
推荐理由：原文展示了把多步 AI 流程变成可视化画布、REST API 和一键部署的具体用法，读者可据此判断它能否简化自己的管线搭建。
Hugging Face Blog精选AI 评分8080 Hugging Face 研究：语音识别模型存在基准拟合现象，高分模型复现错误转录
Hugging Face 发布研究，提出三项测试量化语音识别中的基准优化现象，评估 11 个开源 ASR 模型后发现多个高分模型会复现 VoxPopuli 和 LibriSpeech 基准中的错误转录，即使音频与之矛盾或数字被静音。
推荐理由：原文用三项探针量化了语音识别模型对公开基准的拟合程度，并给出可复现的检测脚本，读者可据此判断模型真实泛化能力。
Hugging Face BlogAI 评分5555 Hugging Face 如何用 Inference Endpoints、Jobs 和 Buckets 支撑 Papers with Code 搜索
Hugging Face 在 Papers with Code 上构建了混合搜索系统，结合 PostgreSQL 全文检索与 pgvector 向量检索，并用 RRF 融合排序。
Hugging Face Blog精选AI 评分6262 IBM 研究：智能体记忆剂量需按模型能力校准，而非简单累积
IBM 研究团队发布 ALTK-Evolve 相关研究，探讨智能体需要多少记忆。在八款模型上的 AppWorld 评测显示，强模型适合完整指南集，弱模型适合精简核心加按任务检索，饱和模型无增益。gpt-oss-120b 用精选检索在仅增加 5% token 时提升 16.1 个百分点任务完成率，提示缓存可降低生产环境成本。
推荐理由：原文用八模型实测说明智能体记忆并非越多越好，剂量需按模型能力校准，并给出成本数据。
Hugging Face Blog精选AI 评分7575 Sentence Transformers v6.0 新增 MultiVectorEncoder，支持 ColBERT 式多向量检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚期交互检索，PyLate、Stanford-NLP ColBERT 及 colpali-engine 视觉文档检索检查点均可直接加载。
推荐理由：官方博客给出第四种模型类型 MultiVectorEncoder 的完整用法，读者可据此把 ColBERT 式检索接入现有搜索栈。
Hugging Face Blog精选AI 评分6262 Strands Robots 与 Hugging Face Storage Buckets 实现录制、训练、部署一体化数据闭环
AWS 开源的 Strands Robots SDK 与 Hugging Face Storage Buckets 结合，实现从录制机器人演示、流式训练到部署策略的完整数据闭环。
推荐理由：原文演示了从录制、存储、流式训练到部署的完整数据闭环，读者可据此评估这套开源工作流是否适合自己的机器人数据采集场景。
Hugging Face Blog精选AI 评分8282 Hugging Face 社区用智能体复现 ICML 2026 论文 2226 篇
Hugging Face 于 7 月 15 日至 8 月 2 日举办 ICML 2026 开放复现挑战赛，1221 名社区成员使用各自编码智能体复现了 2226 篇论文，占会议论文的 34%，共发布 6816 份 Trackio 日志。
推荐理由：原文给出了大规模复现实验的完整数据与具体案例，读者可以据此判断AI智能体参与科研评审的实际效果与局限。
Hugging Face Blog精选AI 评分6262 IBM 研究提出 ALTK-Evolve：以更少 token 实现与 ACE 相当的智能体记忆效果
IBM Research 在博客中介绍 ALTK-Evolve，一种让智能体从自身轨迹中学习经验并回注推理时的记忆方法，与 ACE 相比不压缩经验而是按需检索。
推荐理由：原文对比了两种智能体记忆方案的 token 开销差异，读者可据此判断按需检索相比全量注入的成本优势。
Hugging Face Blog精选AI 评分6262 Multiverse Computing 提出高效知识蒸馏方法，将长上下文蒸馏压缩到单 GPU 可运行
Multiverse Computing 发布论文《Efficient Knowledge Distillation for LLMs: Offline Top-K Logits and a Fused Chunked KL Loss》，通过缓存教师模型 top-100 logits 和融合分块 KL 损失，避免同时加载教师与学生模型，也无需物化完整的词表×序列长度矩阵。
推荐理由：原文给出了离线蒸馏和融合分块 KL 损失的实现与内存对比，读者可据此评估在单卡上做长上下文蒸馏的可行性。
Hugging Face Blog精选AI 评分8585 Meta 发布开源多模态模型 Muse Glimmer-30B，主打本地智能体场景
Meta 今日发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数的多模态模型，专为本地智能体场景设计，采用 Apache 2.0 许可。模型由 2B 视觉编码器和 28B 文本解码器组成，支持图像、视频输入及多模态工具调用，并附带 DFlash 投机解码加速。
推荐理由：原文给出架构细节、基准对比和本地部署路径，读者可据此评估它在端侧智能体场景的适用性。
Hugging Face BlogAI 评分4848 Baseten 成为 Hugging Face Inference Providers 新成员
Baseten 正式成为 Hugging Face Hub 上的 Inference Provider，支持对话和文本生成任务，可访问 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等开源权重模型。
Hugging Face BlogAI 评分4242 GPU 管理：为何闲置 GPU 成为新的“停场飞机”
AI 的下一个真正瓶颈从模型智能转向算力利用率。GPU 按日历小时计成本、仅按计算小时产出，与航空业飞机停场问题同构；企业自购 GPU 后，核心问题从“能否获得加速器”变为“能否让它们保持忙碌”。即便集群满载，因基础设施须按峰值需求配置，仍可能浪费大部分算力。
Hugging Face Blog精选AI 评分8989 Hugging Face 披露 2026 年 7 月智能体入侵事件技术细节
Hugging Face 发布 2026 年 7 月入侵事件的技术时间线，还原了由 OpenAI 模型驱动的自主智能体如何利用两个注入向量进入其数据集处理管道，并在约 4.5 天内横向移动至内部集群和供应链。
推荐理由：原文完整复盘了攻击链、取证方法和加固措施，读者可据此理解智能体攻击的运作方式与防御要点。
Hugging Face Blog精选AI 评分6767 Diffusers 原生支持 Nunchaku 4-bit 扩散推理
Hugging Face 宣布 Diffusers 现已原生支持 Nunchaku 4-bit 扩散推理，加载预量化 checkpoint 只需调用 from_pretrained()，无需本地 CUDA 编译。
推荐理由：官方博客说明 Nunchaku 4-bit 扩散推理已原生接入 Diffusers，读者可据此判断量化推理的落地方式与收益。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 Grabette 开源手持采集系统
Hugging Face 发布 Grabette，一套开源、低成本的机器人操作数据采集系统，手持夹爪配合双摄像头即可记录演示并自动生成 LeRobot 格式数据集，无需机器人或实验室。整套硬件与处理管线全部开源，配套 Gripette 机械夹爪用于训练后执行，目标是推动社区共建大规模操作数据集。
推荐理由：原文给出了低成本手持采集方案的全套开源硬件与处理流程，读者可据此判断它能否降低机器人数据采集门槛。
Hugging Face BlogAI 评分5454 DharmaOCR 对比 Mistral OCR4 与 Unlimited-OCR：专精模型在巴西葡萄牙语上仍占优
Dharma AI 发文称，其三个月前开源的巴西葡萄牙语 OCR 模型 DharmaOCR 在专为该语言设计的基准上得分 0.925，高于 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。文章认为优势来自两阶段训练：监督微调集中资源于目标语言，DPO 阶段抑制生成退化，并指出通用模型在处理 ENEM 作文等专有名词时更易出错。
Hugging Face Blog精选AI 评分8282 Hugging Face 披露 AI 智能体驱动的安全入侵事件
Hugging Face 披露本周检测到一次由自主 AI 智能体系统端到端驱动的生产基础设施入侵，攻击者利用数据集处理中的两个代码执行路径获得初始访问，并在周末横向移动至多个内部集群。
推荐理由：原文披露了首个由自主AI智能体全程驱动的入侵事件，并给出防御方用开源模型完成取证的具体做法，可据此评估智能体攻击的现实威胁。
Hugging Face Blog精选AI 评分8282 Thinking Machines 发布开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 发布开源多模态模型 Inkling，约 1T 参数、支持 1M 上下文，原生接受图像、文本和音频输入，具备智能体能力，并提供 BF16 和 NVFP4 变体。
推荐理由：原文给出了 Inkling 的架构细节、部署配置和基准表现，读者可以据此判断它作为开源多模态模型的定位与可用性。
Hugging Face Blog精选AI 评分6262 Hugging Face 推出 Real World VoiceEQ 语音 AI 评测基准
Hugging Face 推出 Real World VoiceEQ 基准，用于评估语音 AI 交互的人类质量，覆盖 40 多个主流开源与专有语音模型、15 项以上评测维度和 60 多项指标，基于超过 100 万条人工评分构建。评测发现语音模型在听与说能力上分化明显，传统基准可能高估真实表现，且语音语言模型尚不能完全替代人工评测。
推荐理由：原文给出了新基准的规模、维度与关键发现，读者可据此判断现有语音模型评测的盲区。
Hugging Face Blog精选AI 评分7575 vLLM transformers 建模后端提速至原生速度
Hugging Face 宣布 vLLM 的 transformers 建模后端现已达到或超过手写原生实现的推理速度，在 Qwen3-4B、32B 和 235B MoE 三种模型上均验证通过。模型作者无需移植代码，只需在 vLLM 中加 --model-impl transformers 参数即可获得原生级推理性能，且该后端通过 torch.fx 和 AST 在运行时自动应用层融合优化。
推荐理由：原文给出实测对比和启用方式，读者可据此判断是否值得升级 vLLM 并切换后端。
Hugging Face BlogAI 评分4242 Hugging Face 一键直达 Amazon SageMaker Studio：从模型发现到实验部署
Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，开发者可在支持的模型页一键点击“Customize on SageMaker AI”或“Deploy on SageMaker AI”，直接进入 SageMaker Studio 对应工作流，模型预载且环境自动配置。
Hugging Face Blog精选AI 评分6262 微软 Foundry 上线 Hugging Face 模型托管服务
微软在 Build 2026 上宣布 Foundry Managed Compute 支持 Hugging Face 模型，提供每周刷新的精选开源权重目录，可一键部署到托管 GPU 平台。
推荐理由：原文给出了模型目录、一键部署流程和运行时选型，读者可以据此评估在 Foundry 上托管开源模型的成本与运维方式。
Hugging Face Blog精选AI 评分7878 LeRobot v0.6.0 发布：引入世界模型、新 VLA 与统一评测基准
LeRobot v0.6.0 正式发布，旨在闭环机器人学习流程。新版本引入三种世界模型策略（VLA-JEPA、LingBot-VA、FastWAM），新增多个 VLA（GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT），并推出统一的奖励模型 API（Robometer、TOPReward）。
推荐理由：官方发布 LeRobot v0.6.0，涵盖世界模型、新 VLA、奖励模型、评测基准与部署 CLI，可帮助读者了解开源机器人学习框架的最新能力。