跳到正文
7月16日周六
  1. Hugging Face Blog30

    如何通过使用对抗性数据动态训练你的模型

    动态对抗数据收集(DADC)通过多轮人工生成样本欺骗 SOTA 模型并重训,以解决静态基准饱和及偏差问题,提升模型鲁棒性。 文章以 MNIST 手写数字识别为例,使用 Hugging Face Spaces 构建交互演示:用户绘制数字,模型预测,错误样本被标记存入数据集并用于后续训练。

7月14日周四
  1. Hugging Face Blog62

    BLOOM 176B 模型训练技术揭秘:Megatron-DeepSpeed 与并行化实践

    BLOOM 项目团队发布 176B 参数模型训练技术总结,详细介绍了基于 384 块 A100 GPU 的硬件架构与软件配置。文章深度解析了 Megatron-DeepSpeed 框架中 3D 并行(DP、TP、PP)与 ZeRO 分片机制,阐述了 BF16 优化器在避免溢出及提高训练稳定性中的作用。通过记录 48 节点集群训练过程中遇到的故障与优化策略,为大规模分布式 LLM 训练提供工程参考。

    推荐理由:文章拆解了 Megatron-DeepSpeed 的 3D 并行机制与 BF16 优化策略,为大规模模型训练提供了工程参考。

7月13日周三
  1. Hugging Face Blog50

    使用 Sentence Transformers 构建播放列表生成器

    Hugging Face 演示了如何利用 Sentence Transformers 库和 Gradio 构建基于语义搜索的播放列表生成器。该系统采用 sentence-transformers/msmarco-MiniLM-L-6-v3 模型,将歌词分割为段落并生成嵌入向量。通过设置 top_k=20 进行语义搜索,去重后通常可获取至少 9 首相关歌曲,实现了从文本提示到播放列表的生成。

7月12日周二
  1. Hugging Face Blog89

    Hugging Face 发布 BLOOM:世界最大开源多语言大模型

    Hugging Face 发布 176B 参数开源模型 BLOOM,支持 46 种自然语言和 13 种编程语言。该模型由 70 多个国家的 1000 余名研究者历时一年协作完成,并首次开放训练中间检查点与推理 API,支持学术界和独立开发者下载、运行及基于 Responsible AI 许可进行二次开发。

    推荐理由:BLOOM 作为 176B 参数开源模型,开放了 46 种自然语言和 13 种编程语言的能力验证与二次开发入口。

7月7日周四
6月30日周四
6月29日周三
  1. Hugging Face Blog23

    如何利用 Sentence Transformers 从零开始构建首个机器学习项目

    本文以 Sentence Transformers 为例,指导新手如何迈出机器学习第一步。该库能将文本或图像转换为嵌入向量,并利用余弦相似度等工具进行语义搜索。文中还分享了一套“火箭发射”式的项目策略,包括梳理工具能力、寻找 Hugging Face 数据集,以及从简单的语义搜索项目起步进行实践。

6月28日周二
6月23日周四
  1. Hugging Face Blog38

    如何开始使用嵌入:基于 Hugging Face Inference API 的 FAQ 引擎教程

    嵌入是信息的数值化表示,能捕捉语义并用于构建搜索引擎与推荐系统等应用。使用开源 Sentence Transformers 库中的 "sentence-transformers/all-MiniLM-L6-v2" 模型,配合 Hugging Face Inference API,可以快速对 Medicare FAQ 数据集进行嵌入。该方法支持语义搜索,无需大规模标注数据即可实现文本相似度匹配。

6月22日周三
6月15日周三
6月7日周二
5月26日周四
5月25日周三
5月23日周一
5月20日周五
5月19日周四
  1. Hugging Face Blog20

    Hugging Face 多模态项目组发布伦理章程,将伦理原则融入研究全周期

    Hugging Face 多模态学习组发布伦理章程,旨在将数据隐私、算法偏见等伦理原则形式化,作为机器学习全生命周期的核心指引。该文档基于团队与专家讨论制定,明确了禁止生成仇恨言论、泄露个人可识别信息及在高风险领域误用模型等内容策略。团队承诺通过透明披露决策、共享可复现成果及持续自我批评,平衡开放性与公平性,缓解潜在社会危害。

5月18日周三
  1. Hugging Face Blog33

    Hugging Face 强化学习课程:Q-Learning 入门第一部分

    Hugging Face 发布强化学习课程第二单元第一部分,深入讲解基于价值的方法与 Q-Learning 算法。该单元涵盖状态-价值函数、蒙特卡罗方法与时间差分学习(TD Learning)的区别,并指导开发者从零实现 Q-Learning 智能体。课程通过在 Frozen-Lake-v1 和出租车导航环境中训练智能体,为后续掌握能击败人类水平的 Deep Q-Learning 奠定基础。

5月17日周二
  1. Hugging Face Blog26

    Hugging Face 公布奖学金计划

    Hugging Face 推出 Fellowship Program,旨在通过提供算力、物资及官方认可,支持机器学习开源生态的关键贡献者扩大影响力。该计划不设截止时间,通过团队成员或现有 Fellow 提名进行选拔,入选者并非公司员工,但可在公开场合展示其 Hugging Face Fellow 身份。

5月16日周一
  1. Hugging Face Blog46

    Hugging Face 发布 Gradio 3.0

    Gradio 3.0 发布了基于 Svelte 的前端重构,显著减小了 payload 并提升了页面加载速度。该版本引入了 Gradio Blocks 低层 API,支持通过 Python 构建自定义布局和数据流的多步骤 Web 应用。Hugging Face 同期举办 Gradio Blocks Party 竞赛,旨在鼓励用户利用新组件开发机器学习演示。

5月13日周五
5月10日周二
5月9日周一
  1. Hugging Face Blog38

    Hugging Face 完成 1 亿美元 C 轮融资

    Hugging Face 宣布完成 1 亿美元 C 轮融资,由 Lux Capital 领投,Sequoia 和 Coatue 等参投。该平台目前托管超过 10 万个预训练模型和 1 万个数据集,被 1 万多家公司用于构建机器学习技术。Hugging Face 表示将利用新资金加强研发、开源及负责任的 AI 普及。

5月4日周三
5月2日周一
4月28日周四
  1. Hugging Face Blog20

    Kili 与 HuggingFace AutoTrain 构建文本情感分析主动学习管道

    利用 HuggingFace AutoTrain 和 Kili 构建文本分类主动学习管道,通过迭代标注与模型重训优化情感分析。示例使用 Google Play Store 上约 4 万条 Medium 应用评论,定义了订阅、内容、界面及用户体验四个分类。Kili 提供协作标注工具与 API,支持多类别文本分类及命名实体识别,AutoTrain 则自动化数据清洗、模型选择及超参数优化。

4月26日周二
4月25日周一
4月22日周五
4月13日周三
  1. Hugging Face Blog28

    Hugging Face 机器学习专家访谈:Lewis Tunstall 与 NLP with Transformers

    Hugging Face 机器学习工程师 Lewis Tunstall 分享了他与 Leandro von Werra 合作出版《NLP with Transformers》书籍的经历,该书旨在填补 Transformer 领域的信息空白。 他在 Hugging Face 专注于利用 ONNX 格式导出模型,通过一行代码简化部署流程,从而优化延迟和吞吐量,解决生产环境中的 MLOps 挑战。

4月12日周二
4月5日周二
3月28日周一
  1. Hugging Face Blog59

    Hugging Face 在 transformers 库中引入 Decision Transformers

    Hugging Face 宣布将离线强化学习方法 Decision Transformer 集成至 transformers 库和 Hugging Face Hub。该方法利用自回归序列建模根据目标回报生成未来动作,替代传统价值函数最大化过程。用户可获取 9 个针对 Gym 连续控制任务的预训练检查点,并通过设定目标回报来调控策略表现,适用于 Atari 等场景及游戏 AI 难度调节。

3月23日周三
3月22日周二
  1. Hugging Face Blog27

    Hugging Face 宣布启动 AI 研究驻留项目

    Hugging Face 推出为期 9 个月的 AI 研究驻留项目,参与者将与科学团队合作探索机器学习前沿技术并公开发表研究成果。该项目旨在推动 AI 领域的多样性与包容性,特别鼓励来自边缘化群体或致力于社会正向影响的研究者申请。申请需展示编程能力与数学基础,截止日期为 4 月 3 日,且仅接受全职参与。

3月17日周四
  1. Hugging Face Blog42

    如何使用自定义数据集微调 Segformer 语义分割模型

    本教程演示如何使用 Hugging Face 自定义数据集微调 Segformer 模型,以实现人行道语义分割。该模型采用层级 Transformer 编码器与简单 MLP 解码器,在多个常见数据集上取得最先进的性能。通过加载 segments/sidewalk-semantic 数据集并应用数据增强,可实现针对特定场景的模型优化。

3月16日周三