跳到正文
1月2日周一
12月21日周三
  1. Hugging Face Blog33

    CLIPSeg 零样本图像分割指南

    Hugging Face 发布教程,展示如何使用 🤗 transformers 调用 CLIPSeg 进行零样本图像分割。该模型基于冻结的 CLIP 表示和 Transformer 解码器,能在无额外训练的情况下生成粗略分割掩码。对于追求高精度的场景,可用 Segments.ai 工具对结果进行细化。

12月15日周四
12月14日周三
  1. Hugging Face Blog67

    Habana Gaudi2 vs Nvidia A100 80GB:模型训练与推理性能对比

    Habana Gaudi2在BERT预训练、Stable Diffusion推理和T5-3B微调上的吞吐或延迟比Nvidia A100 80GB快约1.8至2.84倍,且支持更大模型微调。测试通过Optimum Habana框架完成,单卡显存为96GB;A100使用fp16,Gaudi使用bf16或fp32。

    推荐理由:给出了Gaudi2与A100的逐项吞吐、延迟和参数量对比,读者可以据此判断硬件替代成本。

12月9日周五
  1. Hugging Face Blog63

    Hugging Face 详解 RLHF(基于人类反馈的强化学习)原理与开源实现

    RLHF 利用人类反馈直接优化大语言模型,使其对齐复杂的人类价值观。该流程包含预训练语言模型、收集数据并训练奖励模型、使用 PPO 强化学习微调语言模型三个核心步骤。Hugging Face 介绍了当前活跃的开源工具 TRL、TRLX 和 RL4LMs,并梳理了该领域的发展脉络、现存挑战及后续方向。

    推荐理由:将多模型协同训练的复杂机制拆解为三阶段并梳理开源工具,帮助读者建立对RLHF完整管线的实操理解。

12月2日周五
  1. Hugging Face Blog32

    Hugging Face 讲解如何用蛋白质语言模型与 ESMFold 进行深度学习

    Hugging Face 发布教程,指导生物学家和机器学习人员利用类 BERT/GPT 的蛋白质语言模型及 ESMFold 进行蛋白质折叠与微调。教程提供 PyTorch 和 TensorFlow 示例 notebook,并重点解析迁移学习机制。 文章强调迁移学习在 2018 年成为自然语言处理突破,其核心是在丰富数据上预训练后复用网络结构,能带来超过 100 倍的训练数据效率提升。

12月1日周四
11月30日周三
11月25日周五
11月21日周一
11月17日周四
11月8日周二
  1. Hugging Face Blog52

    Hugging Face transformers 新增对比搜索解码方法

    Hugging Face 在 transformers 库中新增了 Contrastive Search 解码方法,支持 PyTorch 和 TensorFlow。该方法在模型置信度基础上引入退化惩罚,以缓解贪心搜索的重复问题和随机采样的语义不连贯。文中展示了使用 GPT-2 和 OPT 模型时,对比搜索生成的文本在流畅性和事实准确性上均优于传统方法。

11月7日周一
11月3日周四
  1. Hugging Face Blog56

    使用 Hugging Face Transformers 微调 Whisper 实现多语言语音识别

    Hugging Face 发布教程,演示如何使用 Transformers 库微调 OpenAI 的 Whisper 模型以适配多语言语音识别。教程以 Common Voice 11.0 中的印地语数据为例,展示了从数据准备、特征提取到模型训练的全流程。使用约 8 小时的小规模数据对 Whisper small 进行微调后,模型在测试集上的词错误率从 63.5% 降至 32.0%。

11月2日周三
10月24日周一
  1. Hugging Face Blog34

    如何使用 Hugging Face Evaluate 库评估语言模型偏差

    Hugging Face 在其 Evaluate 库中新增了偏差指标,用于评估因果语言模型(CLM)如 GPT-2 和 BLOOM 的生成偏差。 开发者可通过预定义提示词生成文本,并利用 Toxicity、Polarity 和 Hurtfulness 三个任务进行测量。 示例显示,简单的代词差异可能导致模型补全的毒性分数不同,如女性代词补全的毒性比率高达 0.3333。

10月21日周五
10月19日周三
  1. Hugging Face Blog47

    MTEB:大规模文本嵌入基准测试发布

    Hugging Face 推出 MTEB,这是一个涵盖 56 个数据集和 8 类任务的大规模文本嵌入基准,用于评估模型性能。该基准支持多达 112 种语言,目前排行榜汇总了超过 2000 个结果。开发者可通过安装 `mteb` 库对任意嵌入模型进行基准测试,并将结果提交至公共排行榜。

10月14日周五
10月13日周四
10月12日周三
10月7日周五
10月5日周三
10月3日周一
9月28日周三
  1. Hugging Face Blog23

    Hugging Face AutoTrain 新增图像分类功能

    Hugging Face 为 AutoTrain 新增图像分类(Image Classification)任务,支持零代码训练视觉模型。用户可上传数据或使用 Hugging Face Hub 数据集,选择候选模型数量后自动训练并筛选最佳模型。训练少于 500 张图像且使用 5 个候选模型即可免费,最佳模型可达 84% 准确率。

9月27日周二
9月26日周一
9月22日周四
  1. Hugging Face Blog32

    Hugging Face 发布《伦理与社会》首辑通讯

    Hugging Face 发布首份《伦理与社会》通讯,阐述其基于协作、责任与透明度的开源伦理价值观。通讯介绍了通过文档要求、自由课程及无代码数据分析工具提升模型可审计性的实践,并展示了用于报告伦理与法律问题的“标记”功能及新的开放负责 AI 许可证。

9月16日周五
9月12日周一
  1. Hugging Face Blog78

    Hugging Face 发布 Diffusers 0.3 版本,新增图像生成与低显存优化功能

    Hugging Face 官方团队发布 Diffusers 0.3 版本更新。该版本新增了图像到图像生成、Textual Inversion 个性化训练和 Inpainting 图像修复等核心管线。

    推荐理由:原文详细介绍了 Diffusers 0.3 版本新增的图像生成管线、低显存优化及 Mac 支持等核心特性,适合开发者和研究者快速掌握最新功能。

9月8日周四
  1. Hugging Face Blog50

    Hugging Face 教程:从零训练你的第一个 Decision Transformer

    Hugging Face 发布教程,指导用户利用 transformers 库和 Google Colab 从零训练离线 Decision Transformer 模型。该模型基于 GPT-2 架构,将强化学习抽象为条件序列建模问题,通过预测未来动作实现目标回报。教程演示了使用 Gym HalfCheetah 专家数据集及自定义 Data Collator 进行离线 RL 训练的完整流程。

9月7日周三
8月31日周三
8月24日周三