如何將 GitHub CI 遷移至 Hugging Face Jobs
Hugging Face Blog 示範如何把 GitHub Actions 的 CI 工作交由 Hugging Face Jobs 執行，並以 Trackio 展示透過臨時 self-hosted runner 連接兩者的方式。
推薦理由：文章給出 GitHub Actions 接入 Hugging Face Jobs 的操作流程，並説明 workflow 標籤設定。
Hugging Face
全部主題Hugging Face 開源社區動態：熱門模型與數據集、排行榜變化與開源生態的晴雨表。
最新精選
第 21–40 條 · 共 168 條Hugging Face Blog精選AI 評分6565
Hugging Face Blog精選AI 評分6565 Hugging Face 如何將 hf CLI 設計成適合 AI 智能體操作 Hugging Face Hub 的入口
Hugging Face 重建 hf CLI，讓它按使用情境為人類與 AI 智能體提供不同格式的輸出，並以可直接執行的提示引導後續操作。
推薦理由：Claude Code 與 Codex 參與 18 項 Hub 任務的多輪測試，文章並列成功率與 token 用量，呈現 hf CLI 相較 curl／Python SDK 在多步操作上的差異。
Hugging Face Blog精選AI 評分6464 PyTorch 效能分析（第 1 部分）：torch.profiler 初學者指南
Hugging Face Blog 發佈 PyTorch 效能分析系列首篇入門指南，示範 torch.profiler 的設定，以及 profiler 表格和 CPU、GPU 軌跡的讀法。
推薦理由：文章以矩陣乘加示範如何結合 profiler 表格與 CPU、GPU 軌跡辨認瓶頸，並區分調度層融合與實際 GPU kernel 融合。
Hugging Face Blog精選AI 評分6060 AI 智能體中的 Harness、Scaffold 等術語解析
Hugging Face 梳理 AI 智能體常見術語，解釋 Model、Scaffolding、Harness、Agent 等概念及其區別。文中將 Harness 定義為調用模型、處理工具調用及決定何時停止的執行層，Scaffolding 則涵蓋系統提示詞、工具描述、回應解析和上下文管理等行為定義層。
推薦理由：文章以模型、Scaffolding、Harness 與 Agent 的分工建立實用心智模型，並把這套脈絡延伸至訓練術語，便於理解智能體系統的組成與相關討論。
Hugging Face Blog精選AI 評分6666 Hugging Face 發佈 Ettin Reranker 系列六款模型，規模涵蓋 17.6M 至 1.00B
Hugging Face 發佈六款基於 Ettin ModernBERT encoder 的 Sentence Transformers CrossEncoder reranker，參數規模由 17.6M 至 1.00B，並公開訓練數據及完整訓練方案。
推薦理由：文章以 MTEB(eng, v2) Retrieval、NanoBEIR 及多種硬件吞吐測試比較六種尺寸，呈現 Ettin Reranker 在排序品質與速度間的取捨。
Hugging Face Blog精選AI 評分6262 如何在 Chrome 擴充功能中使用 Transformers.js：Manifest V3 架構指南
Hugging Face Blog 提供 Transformers.js 在 Chrome Manifest V3 擴充功能中運行本地 AI 的實作指南。範例將模型初始化、推理和工具執行集中在背景 service worker，側邊欄提供聊天介面，content script 負責網頁內容擷取及元素標記。
推薦理由：文章拆解 Manifest V3 擴充功能內模型推理、對話狀態與頁面操作的分工，並説明背景 service worker 如何協調模型載入、工具執行與介面訊息。
Hugging Face Blog精選AI 評分6666 Sentence Transformers v5.4 多模態嵌入與 Reranker 模型使用指南
Sentence Transformers v5.4 的同一 API 現可編碼並比較文字、圖像、音訊和影片，文章示範其多模態嵌入與 reranker 用法。嵌入模型將不同模態映射至共享嵌入空間；預訓練多模態 reranker 目前主要處理文字與圖像配對。示例涵蓋跨模態檢索、混合模態文件重排及先檢索再重排流程，並列出輸入格式、支援模型和安裝依賴。
推薦理由：文章展示 Sentence Transformers v5.4 的跨模態檢索與 reranker 重排流程，並整理支援模型和輸入格式，提供實作參考。
Hugging Face Blog精選AI 評分6161 Safetensors 加入 PyTorch Foundation，成為 Linux Foundation 旗下託管項目
Safetensors 加入 Linux Foundation 旗下的 PyTorch Foundation，成為基金會託管項目。商標、倉庫及項目治理歸 Linux Foundation，Hugging Face 的兩名核心維護者仍在 Technical Steering Committee，並繼續負責日常工作。
推薦理由：Safetensors 轉由 Linux Foundation 治理，原維護者仍帶領項目，使用者所用格式與 API 不變。
Hugging Face Blog精選AI 評分6868 Gradio 介紹 gradio.Server，讓自訂前端使用 Gradio 後端
Gradio 介紹 gradio.Server，讓自訂前端可使用 Gradio 的後端能力，同時採用自選的前端框架。gradio.Server 擴展 FastAPI，提供自訂路由等功能，並加入 Gradio 的佇列、SSE 串流、並發控制和 gradio_client 相容性。
推薦理由：文章以圖像去背示例展示如何讓自訂 HTML/CSS/JS 前端透過 gradio.Server 使用 Gradio 佇列、並發控制與 ZeroGPU，提供兼顧介面自由度和後端管理的實作參考。
Hugging Face Blog精選AI 評分6565 Hugging Face 發佈 TRL v1.0，打造能隨後訓練領域演進的函式庫
Hugging Face 發佈 TRL v1.0，將已實作超過 75 種後訓練方法的研究程式碼庫明確定位為具穩定性契約的函式庫。穩定核心遵循語義化版本，實驗層則可快速變動；從最後一個 0.x 版本升級只需少量遷移。
推薦理由：TRL v1.0 把遵循語義化版本的穩定核心與可快速變動的實驗層置於同一套函式庫，呈現下游穩定需求與新方法迭代之間的契約設計。
Hugging Face Blog精選AI 評分6464 Hugging Face 2026 年春季開源 AI 生態現況分析
Hugging Face 的 2026 年春季報告梳理過去一年開源 AI 生態的變化，指出平台用户、模型和數據集數量均接近翻倍。2025 年，Hugging Face 增至 13 million 名用户、逾 2 million 個公開模型及逾 500,000 個公開數據集；中國模型在過去一年佔平台下載量 41%，並在月度及總下載量上超越美國。
推薦理由：報告把平台增長、地域下載差異和衍生模型放在同一框架，呈現開源 AI 並非單一市場，而是由多個重疊的子生態構成。
Hugging Face Blog精選AI 評分7070 Hugging Face Hub 推出 Storage Buckets，提供可變的 S3 類物件儲存
Hugging Face 在 Hub 推出 Storage Buckets，為頻繁變動的 ML 產物提供非版本化 S3 類物件儲存。Buckets 建基於 Xet，以分塊及跨檔案去重減少重複傳輸；Enterprise 計費按去重後的儲存量計算。
推薦理由：文章交代 Buckets 與版本化倉庫分別承擔工作層和發布層，並説明 Xet 去重如何減少重複傳輸及 Enterprise 的計費儲存量。
Hugging Face Blog精選AI 評分6868 LeRobot 發佈 v0.5.0，擴展機械人硬件、策略模型及資料與模擬功能
LeRobot 團隊發佈 v0.5.0，擴展機械人硬件、策略模型、資料集處理及模擬環境支援。版本加入 Unitree G1 人形機械人完整支援（包括全身控制）、Pi0-FAST 自回歸 VLA 及 Real-Time Chunking，並新增 EnvHub 以從 Hugging Face Hub 載入模擬環境，亦整合 NVIDIA IsaacLab-Arena。
推薦理由：版本把人形機械人控制、即時推理、模擬環境和資料提速納入同次更新，呈現 LeRobot 從硬件接入至訓練工具鏈的擴展範圍。
Hugging Face Blog精選AI 評分6464 Hugging Face 推出 Modular Diffusers，提供可組合的擴散模型流程模組
Hugging Face 推出 Modular Diffusers，讓使用者以可重用區塊組合擴散模型流程，作為現有 DiffusionPipeline 的更靈活、可組合替代方案。
推薦理由：文章以現成流程、自訂區塊及 Hub 分享示例，展示如何把擴散工作流拆成可檢視、替換並重新組合的元件。
Hugging Face Blog精選AI 評分7676 GGML 團隊加入 Hugging Face，支持 llama.cpp 及 Local AI 長期發展
GGML 團隊加入 Hugging Face，並將持續維護 llama.cpp；Hugging Face 會為項目提供長期資源支持。團隊仍將 100% 時間用於維護，並對技術方向及社羣保有完全自主權與領導權；項目會繼續 100% 開源並由社羣推動。雙方計劃讓 transformers library 的模型定義更順暢地用於 llama.cpp，並改善 ggml 軟件封裝及本地模型部署體驗。
推薦理由：文章交代 GGML 團隊加入後 llama.cpp 的維護自主權與資源支持，也列出連接 transformers library 模型定義及改善本地部署體驗的方向。
Hugging Face Blog精選AI 評分7070 Hugging Face 示範 Claude 和 Codex 如何編寫自訂 CUDA kernels
Hugging Face 製作 CUDA kernel 技能，Claude 和 Codex 依此為 diffusers 與 transformers 目標產生可運行的 kernel。
推薦理由：文章拆解如何把 GPU 架構知識、PyTorch 整合範式與基準測試流程封裝成技能，讓編碼智能體產出可構建、可測試的 CUDA kernel 專案。
Hugging Face Blog精選AI 評分7474 Transformers.js v4 現已登上 NPM，新增 WebGPU runtime
Hugging Face 宣佈 Transformers.js v4 已上架 NPM，安裝命令為 `npm i @huggingface/transformers`。
推薦理由：v4 支援 Node、Bun 和 Deno 的 WebGPU 加速，預設網頁版縮小 53%，呈現跨環境部署與下載、啟動效率的具體改進。
Hugging Face Blog精選AI 評分6565 Hugging Face Hub 推出 Community Evals，開放社羣提交模型評測結果
Hugging Face Hub 推出 Community Evals，讓 benchmark 資料集託管排行榜，並在模型卡片展示評測分數。使用者可透過 PR 為任意模型提交結果，結果會標示為「community」，且可附上論文、Model Card 或評測日誌等來源。資料集可用 eval.yaml 定義評測規格，供他人重現；這項功能目前處於 beta。
推薦理由：Hugging Face 將評測規格、模型分數與社羣提交納入 Hub 的可追溯流程，Hub 的 Git 歷史記錄新增及修改時間，方便聚合比較不同來源的模型成績。
Hugging Face Blog精選AI 評分6565 Transformers v5 重設分詞器架構，提升透明度與模組化
Transformers v5 將分詞器架構與訓練所得的詞彙、合併規則分離，並在類別中明確呈現正規化器等組件。相較 v4 每個模型各有 slow/fast 兩套實作，v5 改為每個模型一個檔案，預設採用 Rust-based TokenizersBackend；分詞器類別亦可直接實例化並用自有語料訓練。
推薦理由：文章對照 v4 與 v5，説明分離分詞器架構和訓練詞彙後，如何更直接檢查組件，並沿用模型架構訓練自訂分詞器。
Hugging Face Blog精選AI 評分7272 Hugging Face Skills 讓 Claude Code 微調開源大語言模型
Hugging Face Skills 讓 Claude Code 等編碼智能體透過對話處理模型微調，涵蓋資料集驗證、GPU 選擇、雲端工作提交與進度監控。它亦兼容 Codex 和 Gemini CLI；文中以 Qwen3-0.6B 在 open-r1/codeforces-cots 上進行 SFT 為例，估算使用 t4-small 約需 20 分鐘、成本約 $0.30。
推薦理由：文章將資料集驗證、GPU 選擇、雲端工作提交與進度監控串成智能體訓練流程，並比較 SFT、DPO、GRPO 的適用場景。