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。
公司与模型
Hugging Face 最新动态
Hugging Face 开源社区动态：热门模型与数据集、排行榜变化与开源生态的晴雨表。
72 条精选近 30 天 4 条共收录 390 条
更新
精选归档 · 第 4 页
Hugging Face Blog精选AI 评分6363
Hugging Face Blog精选AI 评分7373 Hugging Face：Diffusers下Dreambooth微调Stable Diffusion的实验与设置
Hugging Face在Diffusers下训练Stable Diffusion进行Dreambooth微调，并给出学习率、训练步数与prior preservation等参数建议。
推荐理由：基于Diffusers实验给出学习率、步数与prior preservation等关键参数建议，并比较DDIM采样与text encoder微调的效果。
Hugging Face Blog精选AI 评分8181 Hugging Face 发布 SetFit 框架，实现无 Prompt 的高效少样本微调
Hugging Face 联合 Intel Labs 和 UKP Lab 推出 SetFit 框架，用于 Sentence Transformers 的高效少样本微调。
推荐理由：通过对比不同模型的训练成本与精度，展示了高效微调在少样本场景下的实际可行性。
Hugging Face Blog精选AI 评分7878 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。
Hugging Face Blog精选AI 评分8787 使用 Diffusers 库运行 Stable Diffusion 模型
Hugging Face 发布博客，指导如何使用 Diffusers 库运行 Stable Diffusion 模型并自定义推理管道。
推荐理由：详解Stable Diffusion在Diffusers中的调用与底层机制，提供完整代码示例与自定义管道方法，适合开发者快速上手图像生成。
Hugging Face Blog精选AI 评分8888 Hugging Face 团队详解 LLM.int8() 实现大型语言模型 8-bit 矩阵乘法的原理与实践
Hugging Face 发布技术教程，结合 transformers、accelerate 和 bitsandbytes 库讲解 LLM.int8() 在大模型部署中的应用。文章通过 BLOOM-176B 和 OPT-175B 的测试数据证明，LLM.int8() 能在保持 FP16 推理性能的前提下将显存占用降低 4 倍，且针对小模型（如 T5-3B）的推理延迟优化策略也已同步更新。
推荐理由：Hugging Face 团队详细拆解了 LLM.int8() 的底层原理与集成实践，读者可借此实现大模型低显存推理的落地。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 Private Hub，支持私有化部署机器学习开发环境
Hugging Face 推出 Private Hub，允许企业在合规的私有环境中运行其完整的机器学习生态系统。该功能集成了 AutoTrain、Spaces 和 Inference API，支持模型微调、演示及推理部署，数据不出内网。更新显示，Private Hub 现已更名为 Enterprise Hub，不再提供本地部署，改为提供云端托管及混合云解决方案，并支持 SSO 等高级访问控制。
推荐理由：介绍了私有化部署方案如何帮助企业加速模型全生命周期开发。
Hugging Face Blog精选AI 评分6565 使用 XLA 加速 Hugging Face TensorFlow 文本生成
Hugging Face 宣布通过 XLA 编译器显著加速 TensorFlow 文本生成，性能提升最高达 100 倍，在多数情况下比 PyTorch 快 9 倍。该方法通过在 tf.function 中启用 jit_compile 参数实现优化，并需对输入进行填充以固定张量维度，从而避免重复编译。
推荐理由：展示了XLA编译将TensorFlow文本生成提速至百倍甚至超越PyTorch的方法，给出了可直接复用的优化步骤。
Hugging Face Blog精选AI 评分8989 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。
Hugging Face Blog精选AI 评分6262 使用 Optimum 和 Transformers pipelines 加速推理教程
Hugging Face 开源库 Optimum 1.2 新增推理与 transformers pipelines 支持，开发者可直接将 AutoModelForXxx 类替换为 ORTModelForXxx 类并在 ONNX Runtime 上运行。
推荐理由：通过加速问答模型的全流程实操，展示了如何将优化方法迁移至现有的 BERT 级 NLP 任务。
Hugging Face Blog精选AI 评分6464 Hugging Face 教程：从零开始训练 CodeParrot 代码生成模型
Hugging Face 发布教程，介绍如何从零训练 110M 和 1.5B 参数的 GPT-2 模型 CodeParrot 以生成 Python 代码。该模型使用基于 180GB Python 代码清洗后的 50GB 数据集训练，并采用 🤗 Accelerate 库在 16 张 A100 GPU 上完成分布式训练。
推荐理由：提供了训练 GPT-2 大模型的具体步骤，涵盖数据清洗、分词器设计和分布式训练，可复用于自研代码模型。
Hugging Face Blog精选AI 评分6262 Hugging Face 深入解析 Reformer 长序列建模的内存优化技术
Hugging Face 官方博客通过公式推导和基准测试，详细解释了 Reformer 模型如何在低于 8GB 内存限制下处理 50 万 token 序列。文章重点剖析了 LSH 自注意力、分块前馈层、可逆残差层和轴向位置编码四种核心技术，展示了它们分别如何降低 O(n^2) 内存复杂性和训练时的激活存储压力。
推荐理由：原文拆解了 Reformer 四大内存优化组件，并给出基准测试数据，帮助读者理解长序列模型的工程实现取舍。