用開放模型提升 OCR 流程
Hugging Face 更新開放 OCR 模型指南，加入 Chandra、OlmOCR-2 及模型在 OlmOCR Benchmark 的比較分數。指南對照多款模型的輸出格式、語言支援、功能與成本，並介紹 OmniDocBenchmark、OlmOCR-Bench 和 CC-OCR 等評測基準。
推薦理由：文章對照模型能力、輸出格式、評測基準與部署成本，並建議以代表性樣本檢驗不同文件和語言下的表現。
#Hugging Face
#Hugging Face
今日 0 條Hugging Face Blog精選AI 評分6767
Hugging Face Blog精選AI 評分6060 如何用 3 個簡單步驟在 Intel CPU 上本地運行 VLM
Hugging Face Blog 提供以 Optimum Intel 和 OpenVINO 在 Intel CPU 上本地運行 SmolVLM2-256M-Video-Instruct 的三步教程，涵蓋模型轉換、量化及推理。
推薦理由：文章展示 VLM 在 Intel CPU 上以 OpenVINO 完成轉換、兩種量化和推理的三步流程，並交代靜態量化校準與精度影響。
Hugging Face Blog精選AI 評分6363 NVIDIA 發佈 Nemotron-Personas-India 印度合成人物設定數據集
NVIDIA 發佈 Nemotron-Personas-India，一套依印度人口、地理及文化分佈合成的人物設定數據集，採用 CC BY 4.0 授權。數據集包含 21 million 個人物設定（3M 條記錄、每條 7 個設定），支援英語及以天城文、拉丁字母書寫的印地語，並有 27 個欄位和 7.7 billion tokens。
推薦理由：數據集以印度人口、地域分佈為基礎，涵蓋英語及兩種文字形式的印地語，並採 CC BY 4.0 授權，呈現其作為區域模型訓練素材的語言覆蓋與使用條件。
Hugging Face Blog精選AI 評分6666 BigCodeArena 以實際執行程式碼端到端評估程式生成模型
BigCodeArena 推出以程式碼實際執行評估程式生成模型的平台，讓使用者並排比較模型、測試輸出並投票。平台支援 10 種語言和 8 種執行環境，並已收集逾 14,000 段對話及 4,731 個投票樣本。
推薦理由：平台把程式實際執行和互動測試納入模型比較，並按程式語言與執行環境拆分結果，呈現總體排名之外的表現差異。
Hugging Face BlogAI 評分5656 dots.ocr 視覺編碼器的 Core ML 端側轉換實踐
Hugging Face Blog 記錄將 RedNote 的 dots.ocr 視覺編碼器轉換至 Core ML，作為探索以 Core ML 和 MLX 在裝置端運行 OCR 的三篇系列首篇。
Hugging Face BlogAI 評分4848 swift-transformers 升至 1.0，並展望未來
Hugging Face 的 Swift 函式庫 swift-transformers 發佈 1.0，標誌套件進入穩定階段，並為後續功能迭代奠定基礎。Tokenizers 和 Hub 現已成為頂層模組，套件亦採用支援有狀態模型的 Modern Core ML API，並完整支援 Swift 6。團隊表示，後續將聚焦 MLX 與智能體應用。
Hugging Face Blog精選AI 評分6868 Gaia2 智能體基準與 ARE 框架推出，支援複雜互動評測
Hugging Face 推出 Gaia2 智能體基準及 Meta Agents Research Environments（ARE）框架，用於在更複雜、接近真實情境的環境中執行、除錯和評估智能體。
推薦理由：Gaia2 將智能體評測從唯讀檢索擴展至含模糊指令、時間要求和環境故障的互動任務，ARE 記錄執行 traces，便於分析智能體在複雜情境中的失誤。
Hugging Face BlogAI 評分5151 Public AI 接入 Hugging Face Inference Providers
Public AI 現已成為 Hugging Face Inference Providers 的支援服務商，用户可在 Hub 模型頁面及 Python、JS SDK 調用其推理服務。
Hugging Face BlogAI 評分5555 Hugging Face 發佈 LeRobotDataset v3.0，支援多 episode 合併儲存及串流處理
Hugging Face 發佈 LeRobotDataset v3.0，將多個 episode 合併存入單一檔案，並可串流處理大型機械人資料集。v2 每個 episode 各存一個檔案，資料集擴展至數百萬個 episode 時會遇到檔案系統限制；v3 以關聯式 metadata 取得各 episode 資訊。
Hugging Face BlogAI 評分5858 Hugging Face 介紹 Gradio 的可見水印功能
Hugging Face 為 Gradio 加入可見水印功能，讓開發者可在生成圖片、影片及 AI 文字內容中加入水印。gr.Image 和 gr.Video 可透過 watermark 參數設定水印，聊天介面亦可設定自訂文字水印，使用者複製 AI 回應時會自動附上標示。
Hugging Face Blog精選AI 評分6767 Together AI 支援微調 Hugging Face Hub 上的兼容 LLM
Together AI 宣佈可透過其平台微調 Hugging Face Hub 上兼容的 LLM，微調後模型可供推理、下載或推回 Hub。流程以 Together 官方目錄中的基礎模型提供訓練配置，自選的 Hugging Face 模型則是實際微調對象；文中稱一般預期支援 100B params 以下的 CausalLM 模型。
推薦理由：文章交代了基礎模型提供訓練配置、自選 Hub 模型作為微調對象的分工，並列出讀取私有模型與將訓練結果推回 Hub 的接入流程。
Hugging Face Blog精選AI 評分6161 mmBERT 基於 ModernBERT 推出，訓練納入 1,833 種語言
mmBERT 以 ModernBERT 為基礎推出，使用超過 3T tokens 的多語言文本訓練，並在最後階段納入 FineWeb2 的 1,833 種語言。
推薦理由：mmBERT 展示分階段擴充語言、逐步降低遮罩率的訓練設計，並報告在最後 100B tokens 才納入的低資源語言上取得明顯提升。
Hugging Face Blog精選AI 評分6262 Hugging Face ZeroGPU Spaces 如何透過 PyTorch AoT 編譯提升效能
Hugging Face 介紹如何在 ZeroGPU Spaces 使用 PyTorch AoT 編譯，將模型預先編譯後在不同程序中載入，以減少即時編譯造成的冷啟動開銷。
推薦理由：文章拆解 ZeroGPU Spaces 的 PyTorch AoT 編譯流程，並展示量化、動態形狀與區域編譯等可遷移的優化做法。
Hugging Face BlogAI 評分4747 研究用 MCP：如何將 AI 連接至研究工具
MCP 讓 AI 智能體透過自然語言使用研究工具，跨 arXiv、GitHub 與 Hugging Face 搜尋論文、程式碼、模型及資料集並交叉查證。Hugging Face 的 Research Tracker MCP 可從 MCP Settings 加入，並按 Claude Desktop、Cursor、Claude Code 或 VS Code 的指引完成設定。
Hugging Face Blog精選AI 評分6767 Hugging Face 推出開源 AI Sheets，供用户無代碼建立、豐富及轉換資料集
Hugging Face 推出開源無代碼工具 AI Sheets，讓用户使用 AI 模型建立、豐富及轉換資料集。它以試算表介面新增提示詞欄位，支援透過 Inference Providers 使用 Hugging Face Hub 上數以千計的開放模型，也可使用本地模型，並可本機部署或部署至 Hub。
推薦理由：AI Sheets 將提示詞生成、人工校訂與資料集匯出串成工作流，校訂及按讚的儲存格可作為 few-shot 範例供後續生成重用。
Hugging Face BlogAI 評分5454 Hugging Face TRL 擴展視覺語言模型對齊訓練支援
Hugging Face 的 TRL 新增視覺語言模型對齊訓練支援，涵蓋 MPO、GRPO、GSPO、RLOO、Online DPO 與原生 SFT 支援。MPO 結合 DPO 偏好損失、BCO 品質損失與 SFT 生成損失，文中引述論文稱該組合在 MathVista 提升 6.2 pts。
Hugging Face Blog精選AI 評分9191 OpenAI 發佈開源 GPT OSS 模型系列
OpenAI 發佈 GPT OSS 開源模型系列，包含 117B 參數的 gpt-oss-120b 和 21B 參數的 gpt-oss-20b。兩款均為 MoE 推理模型，採用 MXFP4 4-bit 量化；gpt-oss-120b 可在單張 80 GB GPU 運行，gpt-oss-20b 可在 16GB 記憶體內運行。
推薦理由：文章將兩款模型的量化方式、硬件需求與多種部署路徑整理在一起，便於評估本地推理的資源門檻及接入方式。
Hugging Face Blog精選AI 評分6262 用 Python 實作 MCP 伺服器：以 Gradio 建立 AI 購物助手
文章示範如何以 Gradio 在 Python 中實作 MCP 伺服器，並建立可瀏覽服裝網站、呼叫 IDM-VTON 虛擬試穿的 AI 購物助手。Gradio 會把應用程式的 API endpoint 自動轉為具名稱、描述及輸入 schema 的 MCP 工具，並支援即時進度通知和自動檔案上傳。
推薦理由：示例將 Gradio MCP 伺服器、Playwright 網頁瀏覽與 IDM-VTON 虛擬試穿串成工作流程，並列出 VS Code 設定步驟。
Hugging Face BlogAI 評分5454 Hugging Face 推出開源實驗追蹤 Python 庫 Trackio
Hugging Face 推出免費開源的實驗追蹤 Python 庫 Trackio，提供本地 Gradio dashboard，並可同步至 Hugging Face Spaces 分享。
Hugging Face BlogAI 評分5050 TimeScope：大型多模態模型能理解多長的影片？
Hugging Face Blog 介紹開源基準 TimeScope，評估視覺語言模型對 1 分鐘至 8 小時影片的理解能力。基準在長影片中插入約 5–10 秒短片，分別測試局部檢索、資訊綜合和細粒度時間感知。結果顯示模型表現會隨影片變長而下降；Gemini 2.5-Pro 是唯一在超過一小時影片上仍維持良好準確率的模型，而千問（Qwen）2.5-VL 在文字資訊綜合較強、細粒度動態辨識較弱。
Hugging Face Blog精選AI 評分6161 NVIDIA NIM 支援在 Hugging Face 部署逾 100,000 個 LLM
NVIDIA NIM 現可透過單一 Docker 容器部署 Hugging Face 上逾 100,000 個 LLM。NIM 會自動識別模型格式、架構和量化格式，並在 NVIDIA TensorRT-LLM、vLLM 與 SGLang 間選擇後端及套用預設設定。
推薦理由：文章展示 NIM 如何按模型格式、架構與量化方式自動選擇推理後端，並以部署示例説明從 Hugging Face 模型到 Docker 服務的操作流程。
Hugging Face BlogAI 評分5959 Gradio MCP 伺服器的五項重要改進
Gradio 5.38.0 為 MCP 伺服器加入五項改進，包括 File Upload MCP 伺服器、即時進度通知、OpenAPI 轉 MCP、認證標頭支援及工具描述自訂。
Hugging Face Blog精選AI 評分6868 Ettin Suite 發佈 17M-1B 參數的配對編碼器與解碼器模型
Ettin Suite 發佈涵蓋 17M-1B 參數的配對編碼器與解碼器模型，兩者使用相同的 2T tokens 公開數據及訓練配方。編碼器在各項任務及規模上超越 ModernBERT，解碼器則勝過或追平 Llama 3.2 和 SmolLM2。同條件測試中，編碼器在分類和檢索任務較佔優，解碼器在生成任務較佔優；模型涵蓋六種規模，訓練數據公開且可重現。
推薦理由：Ettin 在相同的數據、模型規模與訓練配方下比較編碼器和解碼器，呈現兩類架構在分類、檢索和生成任務上的不同優勢。
Hugging Face Blog精選AI 評分6060 Hugging Face 推出 ScreenEnv，用於測試和部署 GUI 智能體
Hugging Face 推出 ScreenEnv，這是一個可在 Docker 容器中建立隔離 Ubuntu 桌面環境、用於測試和部署 GUI 智能體的 Python 程式庫。
推薦理由：ScreenEnv 將桌面控制、Docker 隔離與 MCP/API 接入整合在同一工具，並以 smolagents 範例展示如何建立和執行桌面任務智能體。
Hugging Face Blog精選AI 評分6868 Hugging Face 分享 MCP Server 建置經驗與部署取捨
Hugging Face 分享其官方 MCP Server 的建置經驗，説明 AI 助手如何透過 hf.co/mcp 存取 Hub 及 Spaces 上的 AI 應用。
推薦理由：文章拆解遠端 MCP Server 在傳輸模式、連線狀態與資源開銷上的取捨，並以 Hugging Face 的部署配置呈現決策脈絡。
Hugging Face Blog精選AI 評分6565 Hugging Face 示範如何用 Gradio MCP Servers 為 LLM 增添工具能力
Hugging Face Blog 示範如何透過 Gradio MCP 伺服器為 LLM 接入工具能力，並以 Flux.1 Kontext[dev] 展示按文字指令編輯圖片。
推薦理由：文章以 Flux.1 Kontext[dev] 示範將 Hugging Face Spaces 的 MCP 服務接入 Cursor，並交代圖片須使用公開 URL，呈現從選擇服務到設定客户端的實作流程。
Hugging Face Blog精選AI 評分6363 Reachy Mini 開放訂購，開源桌面機械人售價由 $399 起
Pollen Robotics 與 Hugging Face 推出 Reachy Mini，一款面向人機互動、創意編程與 AI 實驗的開源桌面機械人，售價由 $399 起。
推薦理由：Reachy Mini Lite 與 Compute 版分別售 $399 和 $499，連線及供電配置不同，規格表可供對照入門成本與功能取捨。
Hugging Face Blog精選AI 評分6565 Hugging Face 發佈 SmolLM3，支援 128k 上下文的多語言 3B 推理模型
Hugging Face 發佈 3B 模型 SmolLM3，使用 11.2T tokens 訓練，支援 think / no_think 雙模式推理及最高 128k 上下文。
推薦理由：SmolLM3 公開分階段訓練、長上下文適配與雙模式推理配方，並交代數據配比和模型合併流程，呈現 3B 模型的工程實作路徑。
Hugging Face Blog精選AI 評分6464 使用 Sentence Transformers 訓練及微調稀疏嵌入模型
Hugging Face Blog 示範如何使用 Sentence Transformers 訓練及微調稀疏嵌入模型，介紹 SPLADE、Inference-free SPLADE、CSR 架構，以及資料、損失函數、評估器和訓練器的配置。
推薦理由：文章按 SPLADE、Inference-free SPLADE 與 CSR 的適用情境梳理架構選擇，並以實作例子串連資料、損失函數和評估器配置。
Hugging Face BlogAI 評分5353 NVIDIA 將 Llama Nemotron Nano VL 上架 Hugging Face Hub
NVIDIA 將 8B 視覺語言模型 Llama Nemotron Nano VL 上架 Hugging Face Hub，亦可透過 NVIDIA NIM API 使用，主打智能文檔處理與 OCR。
Hugging Face Blog精選AI 評分7474 Gemma 3n 全面接入主流開源工具庫，推出 E2B、E4B 尺寸模型
Gemma 3n 已接入多個主流開源工具庫，並推出 E2B、E4B 兩種尺寸的 base 與 instruct 版本。支援工具包括 Transformers、timm、MLX、llama.cpp、Transformers.js 和 Ollama；兩款模型實際參數量為 5B 和 8B，GPU 記憶體佔用約相當於 2B 和 4B 模型。
推薦理由：文章並列模型的實際參數量、GPU 記憶體需求和多個工具庫的接入方式，方便衡量 Gemma 3n 本地多模態部署時的硬件門檻與工具選擇。
Hugging Face BlogAI 評分5353 SGLang 整合 Hugging Face Transformers 後端，支援執行兼容模型
SGLang 新增 Hugging Face Transformers 後端整合，讓 Transformers 兼容模型可由 SGLang 執行，未獲原生支援時會自動切換至 Transformers 實作。
Hugging Face BlogAI 評分5454 Hugging Face Inference Providers 接入 Groq 推理服務
Hugging Face 將 Groq 加入 Inference Providers，讓使用者可在 Hub 模型頁面及 Python、JS 客户端 SDK 中透過 Groq 調用模型。
Hugging Face BlogAI 評分5151 Featherless AI 接入 Hugging Face Inference Providers
Featherless AI 現已成為 Hugging Face Hub 支援的 Inference Provider，接入模型頁面及 Python、JS SDK 的無伺服器推理服務。
Hugging Face Blog精選AI 評分6060 Hugging Face 與 NVIDIA 合作推出 Training Cluster as a Service
Hugging Face 與 NVIDIA 宣佈合作推出 Training Cluster as a Service，讓研究機構可按訓練需求申請 GPU 叢集，並按訓練運行時長付費。
推薦理由：服務將 GPU 叢集申請、算力採購、部署和訓練排程串起來，並按訓練時長付費，呈現研究機構如何依地區、規模與訓練週期取得所需算力。
Hugging Face BlogAI 評分5757 H Company 發佈 Holo1 開源 VLM 系列及 WebClick UI 定位基準
H Company 發佈 Holo1 開源 VLM 系列及 WebClick UI 定位基準，後者收錄 1,639 項 UI 任務。Holo1 系列包括 Holo1-3B 和 Holo1-7B，後者在常見 UI 定位基準的平均準確率為 76.2%。Surfer-H 採用 Holo1 開放權重模型；H Company 稱，該智能體在真實網頁任務上的準確率為 92.2%，每項任務成本為 $0.13。
Hugging Face Blog精選AI 評分6262 Hugging Face 發佈 SmolVLA：基於 LeRobot 社羣數據訓練的 450M 開源 VLA 模型
Hugging Face 發佈 SmolVLA，一款 450M 開源 Vision-Language-Action（VLA）機械人模型，以 LeRobot 社羣數據預訓練，可在消費級硬件上運行。
推薦理由：文中比較社羣數據預訓練前後的成功率，以及同步與非同步推理的完成時間和吞吐量，呈現數據與推理架構各自帶來的變化。
Hugging Face BlogAI 評分5858 Hugging Face Diffusers 探索量化後端，對比 FLUX.1-dev 的記憶體與推理時間
Hugging Face Diffusers 文章比較五種量化後端在 FLUX.1-dev 上的記憶體佔用與推理時間。BF16 載入後約佔 31.447 GB，bitsandbytes 4-bit 為 12.584 GB、推理需 12 秒；torchao int4_weight_only 為 10.635 GB，但推理需 109 秒。
Hugging Face BlogAI 評分5757 Microsoft 與 Hugging Face 擴大合作，Azure AI Foundry 提供 10,000+ 個 Hugging Face 模型供部署
Microsoft 與 Hugging Face 擴大合作，Azure AI Foundry 現提供 10,000+ 個 Hugging Face 模型供部署，涵蓋文字、音訊和圖像等任務。
Hugging Face Blog精選AI 評分6565 Hugging Face Transformers 計劃推動模型定義標準化
Hugging Face 表示，Transformers 將朝跨框架模型定義標準化發展，目標是讓其支援的模型架構更易被其他生態工具採用。目前 Transformers 支援 300+ 種模型架構，平均每週新增約 3 種；團隊計劃簡化建模程式碼和 API，並加強模組化模型定義。
推薦理由：文章交代 Transformers 希望成為跨框架模型定義的共同基礎，並列出簡化模型貢獻流程、提升訓練與推理工具互通的具體方向。