Transformers v5：以簡潔模型定義支撐 AI 生態系統
Hugging Face 發佈 Transformers v5.0.0rc-0，將簡化模型定義、訓練、推理和生產支援列為重點，並以互操作性貫穿版本改造。
推薦理由：文章説明 Transformers v5 如何銜接訓練工具、推理引擎與本地部署，並呈現其聚焦 PyTorch、提升量化支援的工程取捨。
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 41–60 條 · 共 168 條Hugging Face Blog精選AI 評分7373
Hugging Face Blog精選AI 評分6565 Hugging Face Blog 介紹語音複製「同意閘門」設計，並提供示例 Space 和程式碼
Hugging Face Blog 提出語音複製「同意閘門」設計並提供示例 Space 和程式碼，系統需先確認説話者已明確同意才會啟動。示例會為每次同意生成一組新句子，分別表達明確同意及補充語音的音素多樣性，並以語音識別確認同意語句。作者指出，仍可能有人用另一個 TTS 系統生成相符語句，並列出音訊來源驗證、説話者嵌入向量相似度及即時錄音 metadata 作為可探索方向。
推薦理由：把每次生成的同意語句與語音辨識綁定，並以同一段錄音作複製輸入，展示了將知情同意設為工作流程前置條件的實作思路。
Hugging Face Blog精選AI 評分6767 Hugging Face 發佈 huggingface_hub v1.0，遷移至 httpx、重設計 hf CLI 並採用 hf_xet
Hugging Face 發佈 Python 套件 huggingface_hub v1.0，遷移至 httpx，推出重設計的 hf CLI，並將 hf_xet 設為檔案傳輸預設套件。
推薦理由：文章集中説明 httpx、hf CLI 與 hf_xet 的變更，並列出 transformers v4、v5 的版本相容要求，便於維護者評估升級範圍。
Hugging Face Blog精選AI 評分6767 Hugging Face 改進 datasets 與 huggingface_hub 串流功能，啟動請求最多減少 100 倍
Hugging Face 改進 datasets 與 huggingface_hub 的資料集串流，資料檔解析快 10 倍、啟動請求最多減少 100 倍，串流速度最高提升至原來的 2 倍。
推薦理由：文章拆解跨 DataLoader workers 快取與 Parquet 預取如何改善資料解析和吞吐，並列出 256 workers 下的請求量及穩定性結果，呈現大規模串流訓練的優化方向。
Hugging Face Blog精選AI 評分7575 LeRobot v0.4.0 升級開源機械人學習工具鏈
LeRobot 發佈 v0.4.0，加入 Datasets v3.0、VLA 模型 PI0 和 PI0.5、GR00T N1.5，以及硬件插件系統。Datasets v3.0 採用分塊 episode 格式並支援串流，可處理 OXE 級（> 400GB）資料集。
推薦理由：資料集規模化、模擬評測、多 GPU 訓練和硬件插件同時更新，勾勒出 LeRobot 從資料處理到機械人控制的工具鏈演進。
Hugging Face Blog精選AI 評分6262 Meta 與 Hugging Face 推出 OpenEnv Hub，發布 OpenEnv 0.1 Spec（RFC）
Meta 與 Hugging Face 合作推出 OpenEnv Hub，供開發者建立、分享和探索可用於訓練與部署的智能體環境。OpenEnv 以沙盒封裝任務所需工具、API、憑證及執行上下文，並提供清晰語義與隔離控制；團隊同時發布 OpenEnv 0.1 Spec（RFC）徵求社羣意見。
推薦理由：OpenEnv 將智能體任務所需的工具、API、憑證與執行上下文封裝成可分享環境，並銜接訓練和部署，呈現環境規格化的實際用途。
Hugging Face Blog精選AI 評分6464 Hugging Face 與 VirusTotal 合作，持續掃描 Hub 上 2.2M+ 公開模型及數據集倉庫
Hugging Face 與 VirusTotal 展開合作，持續掃描 Hugging Face Hub 上 2.2M+ 公開模型及數據集倉庫中的文件。瀏覽倉庫、文件或目錄頁時，Hub 會以文件雜湊值查詢 VirusTotal 的威脅情報資料庫，不會向 VirusTotal 傳送原始文件內容。結果可包括檢測數、已知惡意關聯或相關威脅活動情報，供用户下載或整合文件前參考。
推薦理由：文章交代了以文件雜湊值查詢威脅情報、而不傳送原始文件內容的流程，讓讀者理解安全檢查的資訊來源與隱私邊界。
Hugging Face Blog精選AI 評分6060 Sentence Transformers 轉由 Hugging Face 接手，Apache 2.0 授權維持不變
Sentence Transformers 從 TU Darmstadt 的 UKP Lab 轉由 Hugging Face 接手，Tom Aarsen 繼續領導項目。項目維持社羣驅動及 Apache 2.0 開源授權；Hugging Face Hub 上已有超過 16,000 個 Sentence Transformers 模型。
推薦理由：文章交代維護者接續、基礎設施支援與 Apache 2.0 授權不變，呈現項目轉交後的維護安排和開源承諾。
Hugging Face Blog精選AI 評分6666 Hugging Face AI Sheets 加入圖片分析、生成與編輯功能
Hugging Face 為開源工具 AI Sheets 加入視覺功能，讓用户可在試算表中分析圖片、抽取資料、生成及編輯圖像。AI Sheets 透過 Inference Providers 使用數千個開放模型；示例以自訂提示詞從手寫食譜圖片提取文字，並可修訂結果、整理後匯出資料集至 Hub。
推薦理由：這次更新把圖片理解、生成與編輯納入同一試算表流程，並以手寫食譜示範從提示詞抽取文字、修訂結果到匯出資料集的做法。
Hugging Face Blog精選AI 評分6767 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 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 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 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 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 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 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 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。