来自该信源的全部动态 · 共 103 条
Hugging Face 发布 Grabette，一套用于记录机器人操控数据的开放系统，面向研究者和工程团队提供更规范的示教采集与整理流程，降低构建机器人学习数据集的门槛。
NVIDIA在Hugging Face发布Cosmos 3 Edge，面向机器人、自动驾驶等物理AI场景，强调边缘端低延迟部署与生成式世界模型能力。开发者可通过HF获取模型与示例，用于仿真、感知和具身智能实验。
Hugging Face博客介绍如何结合NVIDIA NeMo Automodel与Diffusers，对视频和图像生成模型进行规模化微调。内容面向需要在多GPU或集群环境中训练扩散模型的开发者，强调自动并行、训练流程集成与生态兼容性。
NVIDIA在Hugging Face博客称，Nemotron 3 Embed在RTEB检索评测中总分排名第一，面向智能体检索场景优化。该进展凸显嵌入模型在RAG、工具调用和多步任务中的基础作用，值得关注其评测细项与可用性。
Hugging Face社区博客由Dharma-AI发布，讨论近期模型迭代后在其关注的评测维度上是否改变既有优势。文章结论指向：新模型能力提升，但相对优势格局未被明显改写，可作为模型横向评估参考。
Hugging Face发布2026年7月安全事件披露，说明其平台近期发生安全问题并启动调查、修复与用户通知流程。该事件涉及AI模型托管与开发者基础设施安全，使用其Hub、Token、模型仓库或企业服务的团队需关注后续影响范围与凭证轮换建议。
AllenAI 在 Hugging Face 博客复盘构建 Shippy 的经验，重点讨论 Agent 在真实任务中的工具调用、上下文管理、状态恢复、评测与可观测性。文章强调，Agent 工程难点不只是模型能力，而是长流程可靠性、人机协作边界和反馈闭环。
IBM Research在Hugging Face博客讨论大模型路由的现实难点：按任务在不同模型间分发请求看似能平衡成本、延迟与质量，但评估指标、数据分布变化、模型能力边界和线上反馈会让路由策略迅速复杂化。
Hugging Face发布Real World VoiceEQ，用于衡量语音AI在真实场景中的「人类质感」，关注自然度、情绪表达、对话体验等维度。该评测旨在补充传统语音质量指标，帮助开发者更系统比较语音模型与产品表现。
Hugging Face 博客发布 PyTorch 性能分析系列第三篇，围绕 Transformer 注意力机制的性能瓶颈展开，介绍如何用 profiling 工具定位计算与显存开销，适合优化模型训练和推理效率时参考。
NVIDIA在Hugging Face博客介绍面向AI智能体的开放数据资源，强调高质量轨迹、工具调用、环境交互与评测数据对训练可靠Agent的重要性，可用于改进规划、执行和反馈学习。
Hugging Face介绍vLLM的Transformers建模后端，可让开发者用Transformers模型定义直接接入vLLM推理栈，并在性能上接近原生vLLM实现。该方案降低新模型适配成本，利于模型作者更快获得高吞吐服务能力。
Hugging Face 博客介绍与 AWS 的新集成，用户可从 Hugging Face 模型页面一键打开 Amazon SageMaker Studio，在托管环境中继续开发、微调或部署模型，降低从模型发现到云端实验的流程摩擦。
Hugging Face介绍其模型与微软Foundry Managed Compute的集成，开发者可在Azure AI Foundry中调用、部署和管理Hugging Face模型，利用托管算力降低基础设施配置与运维负担，适合企业级模型试验和应用落地。
Hugging Face 发布开源机器人框架 LeRobot v0.6.0，围绕「Imagine, Evaluate, Improve」升级机器人策略开发流程，强化仿真想象、评测与迭代能力，面向低成本机器人、模仿学习和具身智能实验提供更完整工具链。
Hugging Face 介绍与 SkyPilot 的存储集成：用户可在任意云上运行训练、推理等 AI 工作负载，并将数据集、模型权重和产物存放在 Hugging Face Hub，以降低跨云数据出口费用和迁移复杂度，适合多云算力调度与成本优化场景。
Photoroom在PRX系列第四篇中介绍其图像模型的数据策略，重点讨论如何围绕商业摄影场景构建高质量训练数据、数据筛选与标注流程，以及数据对模型效果、可控性和产品落地的影响。
Hugging Face 博客介绍 Kernels 项目重大更新，围绕高性能计算内核的发现、分发和集成体验做了改版，目标是让研究者和工程团队更方便地在模型推理与训练中复用优化 kernel，降低手写 CUDA 或适配底层算子的门槛。
Hugging Face与Cerebras合作，将Gemma 4用于实时语音AI场景，重点展示低延迟推理能力与语音交互链路。该进展对构建实时对话助手、语音客服和多模态应用的团队有参考价值。
IBM Research 在 Hugging Face 发布 ScarfBench，用于评测 AI 智能体在企业 Java 框架迁移中的能力，聚焦真实代码库、依赖升级与框架替换等复杂任务。该基准有助于衡量代码智能体在遗留系统现代化场景的可靠性与工程可用性。