跳到正文
9月29日周一
9月25日周四
9月22日周一
  1. Hugging Face Blog67

    Hugging Face 联合 Meta 推出新一代 Agent 基准 Gaia2 与执行环境 ARE

    Hugging Face 团队联合 Meta 推出新一代 Agent 评测基准 Gaia2 与开源执行环境 ARE,以推进 Agent 的可靠性与适变性研究。Gaia2 是 2023 年 GAIA 的升级版,采用 CC BY 4.0 许可;ARE 遵循 MIT 许可,用于运行、调试和评测 Agent。

    推荐理由:Hugging Face 联合 Meta 推出新一代 Agent 评测基准 Gaia2 与执行环境 ARE,为社区提供了更贴近真实世界的调试工具。

9月19日周五
9月18日周四
  1. Hugging Face Blog56

    Hugging Face 推出 RiskRubric.ai 标准化 AI 风险评估平台

    Hugging Face 推出 RiskRubric.ai,由 Cloud Security Alliance 和 Noma Security 主导,提供针对 AI 模型的标准化、透明风险评估。评估基于六维度打分,包括可靠性、安全性、隐私、安全性、声誉等,并输出 0-100 分及 A-F 等级。数据显示 54% 模型达 A/B 级,50-67 分区间存在较多安全缺口。

9月17日周三
9月16日周二
9月15日周一
9月11日周四
  1. Hugging Face Blog78

    Hugging Face 升级 transformers 支持 OpenAI GPT-OSS 核心技巧

    Hugging Face 更新 transformers 库以支持 OpenAI 的 GPT-OSS 模型,引入了 MXFP4 量化、零构建内核下载、张量并行及专家并行等关键技术。

    推荐理由:Hugging Face 详细说明了 transformers 为支持 OpenAI GPT-OSS 模型而升级的核心技术,包括 MXFP4 量化、零构建内核、动态滑动窗口及张量并行等,这些改进可复用至其他主流模型。

9月10日周三
9月4日周四
9月2日周二
8月19日周二
8月13日周三
8月12日周二
  1. Hugging Face Blog65

    Arm 推出用于实时超采样的 Neural Super Sampling 模型

    Arm 发布基于机器学习的 Neural Super Sampling (NSS) 实时超采样模型,面向移动端图形与游戏开发。该模型专为 Arm Neural Accelerators (NX) 优化,能以更低计算成本重建高分辨率画面;在 Enchanted Castle 演示中,540p 渲染至 1080p 仅需 4ms 并降低 50% 的 GPU 负载。

    推荐理由:Arm 开源 NSS 模型在 4ms 内将 540p 实时超采样至 1080p,并给出移动端适配路径与 Unreal 插件,帮助团队直接评估低算力游戏渲染效果。

8月8日周五
  1. Hugging Face Blog78

    Hugging Face 发布 AI Sheets 开源工具

    Hugging Face 发布开源工具 AI Sheets,用于使用开放 AI 模型构建、丰富和转换数据集。该工具支持本地部署或部署在 Hugging Face Hub,可接入 Hub 上数千个开放模型。其提供无代码操作界面,用户可通过编辑和验证单元格向模型提供反馈,并可将最终结果导出回 Hub。

    推荐理由:原文明确指出AI Sheets是一个可本地部署的开源工具,并给出了免费使用入口和核心功能,便于读者评估其在数据工作流中的实际作用。

8月7日周四
  1. OpenAI64

    OpenAI GPT-5 采用安全补全策略优化 AI 响应

    OpenAI 在 GPT-5 中引入新的 safe-completions(安全补全)方法,旨在同时提升 AI 响应在安全性与有用性方面的表现。该方法推动安全训练从硬性拒绝转向以输出为中心的精细化处理,专门用于应对双重用途提示。

    推荐理由:OpenAI 在 GPT-5 中引入 safe-completions 方法,将安全训练重心从硬性拒绝转向输出中心,展示了处理双重用途提示的新机制。

  2. Hugging Face Blog62

    Hugging Face TRL 新增视觉语言模型多模态对齐方法 MPO、GRPO 和 GSPO

    Hugging Face 在 TRL 中新增了针对视觉语言模型(VLM)的多模态对齐方法,包括混合偏好优化(MPO)、群组相对策略优化(GRPO)和群组序列策略优化(GSPO)。这些方法扩展了成对 DPO 的信号提取能力,并支持 RLOO 和 Online DPO。TRL 还集成了 vLLM 以支持在线对齐训练,并提供了原生 SFT 支持及演示笔记本。

    推荐理由:原文提供了MPO、GRPO和GSPO在视觉语言模型对齐中的具体实现方法,并给出了训练脚本与vLLM集成支持。

8月6日周三
  1. OpenAI84

    ChatGPT agent 演示:在线完成商业计划

    OpenAI 发布 ChatGPT agent 演示,展示该智能体如何在线进行研究、编写代码并执行操作,在数分钟内完成商业计划。

    推荐理由:官方演示展示了智能体在线完成商业计划的能力,帮助读者直观理解其自动化工作流价值。

7月29日周二
7月25日周五
  1. Hugging Face Blog44

    Hugging Face CLI 正式更名为 hf 并推出 Jobs 服务

    Hugging Face 宣布将 CLI 工具正式从 huggingface-cli 更名为 hf,旨在优化命令结构以提升可用性。新 CLI 遵循统一语法规范,并同步推出了 hf jobs 服务。该服务允许用户在 Hugging Face 基础设施上按需运行脚本或 Docker 镜像,采用秒级计费模式,目前仅面向 Pro 用户及 Team 或 Enterprise 组织开放。

7月17日周四
  1. Hugging Face Blog53

    Hugging Face 发布 FutureBench:通过预测未来事件评估 AI 智能体

    Hugging Face 发布新基准 FutureBench,用于评估 AI 智能体预测未来事件的能力,其核心观点是,比复述旧知识更能体现智能的是基于过去知识去预测未来。该基准通过从新闻和预测市场获取实时问题,并要求结果在未来被证实,从而天然避免了数据污染问题。在初始测试中,GPT-4.1 和 Claude 3.7 等不同模型展现了不同的信息搜集和推理策略,揭示了它们在决策路径上的行为差异。

7月10日周四
  1. Hugging Face Blog65

    ScreenEnv 发布:在 Docker 容器中部署全栈桌面 Agent

    ScreenEnv 是一个 Python 库,让用户在 Docker 容器中创建隔离的 Ubuntu 桌面环境,用于测试和部署 GUI 智能体。它内置对 MCP(Model Context Protocol)的支持,也可通过直接 Sandbox API 接入自定义后端。

    推荐理由:提供 Docker 内 Ubuntu 桌面环境的 Python 库,支持 MCP 接入与 smolagents 集成,读者可评估其用于 GUI 智能体测试与部署的可行性。

7月9日周三
6月26日周四
6月23日周一
6月16日周一
  1. Hugging Face Blog68

    Hugging Face Inference Providers 支持 Groq

    Hugging Face 宣布 Groq 成为支持的 Inference Provider,接入 HF Hub 的 serverless inference,并与 JS/Python 客户端 SDK 集成。

    推荐理由:原文给出了 Groq 在 HF Hub 的新集成入口、支持模型范围与两种计费路由方式,读者可据此判断如何在现有工作流中快速切换推理 provider。

6月12日周四
5月8日周四