微软 ThinkingBox 基准登陆 Hugging Face：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再根据其留下的后端终态和副作用判分，而非看它生成的文字。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用后端状态而非生成文本判分，并给出 20 次重复下的稳定性与成本数据。
#Hugging Face
#Hugging Face
今日 0 条Hugging Face Blog精选AI 评分7171
Hugging Face Blog精选AI 评分6262 Ai2 开源科学报告生成模型 AstaBrief 8B
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，基于 Qwen3-8B 经 SFT 和 DPO 训练，权重与训练数据一并开放。
推荐理由：原文给出了训练数据构造、过滤信号与速度对比，读者可据此判断小模型做科学报告生成的可行边界。
Hugging Face BlogAI 评分4040 ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功示范定位能力缺口，再生成并验证新任务用于后训练，课程随模型进步向仍难的任务迁移。该流程在 EnterpriseOps Gym 上做了演示，任务由系统规范、用户提示词和验证器三部分组成，需满足可行性、真实性与难度三项要求。
Hugging Face BlogAI 评分3838 Hugging Face 推出 Open TTS Leaderboard：面向多语言 TTS 与声音克隆的可扩展评测
Hugging Face 发布 Open TTS Leaderboard，用客观指标评测开源多语言 TTS 与声音克隆模型，单模型评测耗时从数周投票缩短到数小时。
Hugging Face Blog精选AI 评分7171 NVIDIA 发布 Kumo Tabular 表格预测基础模型
NVIDIA 发布开源表格基础模型 Kumo Tabular，可在单次前向传播中完成分类与回归预测，无需训练、调参和特征工程。模型提供 28M 至 215M 三种参数规模，完全基于人工合成表格预训练，采用 OpenMDW-1.1 许可支持商用，并在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准上排名第一。
推荐理由：原文给出模型规模、训练数据来源与四项基准排名，读者可据此判断表格基础模型的准确率与效率取舍。
Hugging Face BlogAI 评分2727 ProvenanceGuard：面向 MCP 智能体的来源感知事实性验证
Hugging Face 发布论文 ProvenanceGuard，一个面向 MCP 智能体的生成后验证层，可保留工具输出的来源 ID，逐条检查答案中的声明是否由其所声称的来源支持，而非仅在汇总证据中成立。在医疗智能体 281 条真实 trace 上，专家判定应拦截的 139 条声明中它拦下 138 条，来源识别准确率约 86%，并在与四种支持性检查器的对比中得分最高。
Hugging Face BlogAI 评分4040 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速推理
Liquid AI 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入推测解码路径，解码最高提速 3.13x（端侧）和 2.66x（H100），端到端最高提升 2.62x 和 2.27x。
Hugging Face BlogAI 评分3636 英国 AISI 采用 EvalEval 基础设施公开评测结果，提升可复现性
英国 AI Security Institute（AISI）正使用 EvalEval 的 Every Eval Ever schema 和 Evaluation Cards 平台公开分享评测结果，以提升评测科学的可复现性与可验证性。
Hugging Face BlogAI 评分3030 oMLX 作者 Jun Kim 加入 Hugging Face，支持 MLX 社区
oMLX 作者兼维护者 Jun Kim 加入 Hugging Face，全职投入 MLX 社区建设。oMLX 将从副业转为有资金支持的正式项目，继续以 Apache 2.0 开源并由 Jun 领导，目标是提升稳定性并加快开发。Hugging Face 希望 oMLX 成为新想法的试验场，并推动 transformers 模型定义快速转为可被各引擎使用的 MLX 参考实现。
Hugging Face Blog精选AI 评分6262 Transformers 现已支持运行 llama.cpp 的 GGUF 量化模型
Hugging Face 为 transformers 加入 GGUF 支持，用户可从 Hub 选取量化 checkpoint，通过 from_pretrained 传入 gguf_file 在本地生成，无需额外配置。
推荐理由：Hugging Face 官方给出在 transformers 中直接加载 GGUF 的用法与性能对比，可据此判断本地推理工作流是否值得迁移。
Hugging Face BlogAI 评分3434 Hugging Face tokenizers v1 发布：编码解码与扩展性能实测
Hugging Face 发布 tokenizers v1，输出与 v0.23 完全一致的 token ID，但速度最高提升数十倍。v1 将单个 crate 拆分为工作区，引入 bitcannon 用 SIMD 位流替代正则做预分词、无分配合并循环、线程本地词缓存和原生多线程并行。
Hugging Face Blog精选AI 评分6060 IBM Research 提出一致性指南，将 Agent 一致性差距从 24.4pp 降至 12.0pp
IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve 新增的一致性指南，用于解决 Agent 重复执行同一任务时结果不稳定的问题。
推荐理由：材料给出 Pass^k 与 Mean@k 的差距数据，并说明一致性指南如何在不损失平均准确率的前提下缩小这一差距。
Hugging Face Blog精选AI 评分6262 用 Gradio Workflow 重建 AUTOMATIC1111：Workflow1111 的 73 节点画布
Hugging Face 发布 Workflow1111，用 Gradio Workflow 把 AUTOMATIC1111 的大部分功能重建为一张画布，由 11 条媒体流水线和 73 个节点组成，覆盖文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测生成 inpaint 掩码、ControlNet 风格标注器、背景移除、PNG Info 存储和图生视频。
推荐理由：原文用 73 个节点复刻 A1111 的十一条流水线，并说明每个输出节点如何自动变成 REST 端点和 MCP 工具。
Hugging Face BlogAI 评分3737 Hugging Face Jobs 上用 LoRA 实现跨机异步 GRPO：一个 Bucket、一个代理、无需 NCCL
TRL v1.14 的 AsyncGRPOTrainer 现已支持只训练并同步 LoRA adapter 到 vLLM，rank-1 adapter 仅几 MB，可通过挂载在多个 HF Jobs 上的 Storage Bucket 传输，无需 NCCL。
Hugging Face BlogAI 评分4444 Hugging Face 发布 NeoMME：260M/800M 多模态多语言编码器
Hugging Face 推出 NeoMME 系列多模态多语言编码器，含 260M 和 800M 两个版本，用单个双向 Transformer 同时处理文本 token 与原始图像 patch，无需独立视觉塔或因果语言模型。
Hugging Face BlogAI 评分3434 用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出
一份公开的低成本方案用 TRL 的 GRPO 对 LFM2.5-350M 做微调，仅需约 500 条样本、100 个训练步骤，即可在 IFStruct 基准上把通过率从 22.6% 提升到 29.7%，训练可在免费 Colab 或 Kaggle GPU 上完成。评测通过 llama.cpp 暴露的 OpenAI 兼容服务在本地运行，代码已开源在 GitHub。
Hugging Face Blog精选AI 评分7373 Hugging Face 发布 funes：为编码智能体提供可自有的记忆层
Hugging Face 发布 funes，一个为 Claude Code、Codex、pi、Hermes 等编码智能体提供持久记忆的本地记忆层，单条命令即可接入。
推荐理由：原文给出跨 Claude Code、Codex 等智能体的本地记忆层设计与 handoff-vs-recall 基准对比，可据此判断会话记忆的落地方式。
Hugging Face BlogAI 评分3434 用 TRL 和 OpenEnv 训练编码模型画水彩画
Hugging Face 博主用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型画水彩画的思路，全部产物开源：参考图池数据集、RL 环境、训练脚本和模型。
Hugging Face BlogAI 评分3030 Hugging Face 推出 BenchMIRT：审计 LLM benchmark 到底在测什么
Hugging Face 发布 BenchMIRT，一种在单条 prompt 层面审计 LLM benchmark 的多维 IRT 方法，可分离同一评测中混杂的不同能力信号。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 @huggingface/kernels：207 个 WebGPU kernel 与 Fleet 基准工具
Hugging Face 发布 @huggingface/kernels，一个从 Hugging Face Hub 加载并运行优化 WebGPU kernel 的 JavaScript 库，同时上线 207 个 kernel 的初始集合，均以 Apache-2.0 许可发布为独立仓库。
推荐理由：Hugging Face 发布 207 个 WebGPU kernel 及配套加载库与浏览器基准工具，并给出与 ORT WebGPU 的实测对比数据。
Hugging Face BlogAI 评分4848 Hugging Face Open ASR Leaderboard 新增首个全球南方语言：印地语与印度英语评测集 Monsoon
Hugging Face 与 Voice Arena 合作，在 Open ASR Leaderboard 上新增 Monsoon en-IN 和 Monsoon hi-IN 两个评测集，印地语由此成为该多语言榜单上的首个印度语言。
Hugging Face Blog精选AI 评分6262 用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers v6.0 新增 MultiVectorEncoder 模型类型，支持 ColBERT 式后期交互检索，并配套完整训练流程。
推荐理由：原文给出多向量检索模型的完整微调配方与实测对比，读者可据此判断自建领域检索模型的成本与收益。
Hugging Face Blog精选AI 评分6262 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档
IBM Granite 团队发布 Granite 4.2，这是其首个稠密、decoder-only 的推理模型家族，包含 3B、8B、30B 三个规模，均以 Apache 2.0 许可开源。
推荐理由：Granite 4.2 完整公开了预训练、SFT 与多阶段 RL 的数据配比和超参，可据此对比开源推理模型的训练路线。
Hugging Face Blog精选AI 评分6262 Multiverse Computing 提出 Quantization-Aware Healing：4-bit 压缩模型在 7/9 基准上超过其全精度版本
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出 QAH 方法：在结构压缩并量化后，直接从压缩前的原始全精度模型蒸馏，而非从已恢复的 bfloat16 checkpoint 蒸馏。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的修复配方，并附与 QAT 的稳定性对比数据。
Hugging Face Blog精选AI 评分6262 Hugging Face 在 Gradio 中推出 gr.Workflow，把 AI 流水线变成可拖拽画布与 REST API
Hugging Face 在 Gradio 中内置 gr.Workflow，用引用、算子、主体三类节点把多步 AI 流水线描述成图，Gradio 直接提供可拖拽画布，每个节点可运行、中间结果可见。
推荐理由：原文给出 gr.Workflow 的节点图、REST 端点和一键部署路径，读者可据此判断多步 AI 流水线如何从脚本变成可调用接口。
Hugging Face Blog精选AI 评分6262 Hugging Face 研究量化语音识别中的基准优化现象
Hugging Face 发布研究，用共识分歧探针、掩蔽实体检索和拼写切换三项测试量化语音识别中的基准优化现象，评测了 11 个开源 ASR 模型。结果显示部分 WER 最低的模型会复现 VoxPopuli 和 LibriSpeech 参考转写中的错误，包括音频中被静音的数字，在 VoxPopuli 上复现错误参考的比例为 18–30%。
推荐理由：通过三类探针量化语音模型对基准的过拟合，并给出可复用的检测脚本与榜单入口。
Hugging Face BlogAI 评分3434 Hugging Face Inference Endpoints、Jobs 与 Buckets 如何支撑 Papers with Code 的搜索
Papers with Code 用 Hugging Face Jobs、Storage Buckets 和 Inference Endpoints 搭建了一套混合搜索系统，为超过 11 万篇来自 arXiv 和 Daily Papers 的论文维护嵌入向量。
Hugging Face Blog精选AI 评分6060 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍
Liquid AI 为 LFM2.5 家族的三款模型 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下提升解码速度，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍。
推荐理由：Liquid AI 给出三款 LFM2.5 草稿模型的实测吞吐与函数调用延迟数据，可据此判断端侧推理的可用性。
Hugging Face Blog精选AI 评分6262 IBM 研究：你的智能体到底需要多少记忆？
IBM Research 在 Hugging Face 博客发布 ALTK-Evolve 研究，用 AppWorld 的 585 个多步任务评测八款模型，发现智能体记忆不是开关而是需要按模型校准的剂量。
推荐理由：八模型横评显示智能体记忆的合适剂量随模型能力分层，并给出准确率与 token 成本的对照数据。
Hugging Face Blog精选AI 评分6262 Sentence Transformers v6.0 新增 MultiVectorEncoder 支持晚交互检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚交互检索，PyLate 与 Stanford-NLP ColBERT 检查点可直接加载，colpali-engine 的视觉文档检索模型也能通过同一套 API 使用。
推荐理由：Sentence Transformers v6.0 把 ColBERT 式晚交互纳入统一 API，读者可据此判断多向量检索的接入成本与索引代价。
Hugging Face BlogAI 评分3636 Hugging Face 博客：约束感知 GPU 分配器让同集群利用率提升 33 个百分点
Hugging Face 博客介绍了一个约束感知 GPU 分配器，在相同硬件和负载下对比 FIFO 调度器，七个基准场景中 GPU 利用率最高提升 33 个百分点，优先级加权产出全部上升、最高提升 105%。该分配器把实时推理需求当作随时步变化的曲线而非全天峰值预留，并按优先级在整个调度周期内放置批式任务。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 2026 夏季开源模型观察报告
Hugging Face 发布 2026 年 1 月至 8 月的开源模型生态观察报告，基于 Hub 数据给出六项发现。报告显示模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，Spaces 从 100 万增至 144 万；85.6% 的模型终身下载量不足 200 次，1.5% 的仓库占据 99.2% 的下载量。
推荐理由：Hugging Face 用 Hub 七个月数据拆解开源模型格局，可看到中美模型规模、下载与点赞背离及智能体流量变化。
Hugging Face BlogAI 评分5050 用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 打通录制、训练与部署闭环
AWS 开源 SDK Strands Robots（Apache 2.0）演示了机器人数据闭环：用 Robot("so100") 录制 LeRobotDataset 并同步到 Hugging Face Storage Buckets。
Hugging Face Blog精选AI 评分7171 Hugging Face 复现 ICML 2026 的 2200 篇论文，发现了什么
Hugging Face 在 7 月 15 日至 8 月 2 日举办 ICML 2026 开放复现挑战，1221 名社区成员用 Claude Code、Codex、Cursor 等编码智能体提交 6816 份 Trackio logbook，覆盖 2226 篇论文，约占会议论文的三分之一。
推荐理由：Hugging Face 用 1200 多名社区成员和编码智能体复现 ICML 2026 论文，给出可核查的复现比例与证伪案例。
Hugging Face BlogAI 评分3939 Hugging Face 为 OlmoEarth Studio 推出自定义嵌入向量导出功能
Hugging Face 的 OlmoEarth Studio 现已支持计算并导出嵌入向量，用户可通过 UI 或 API 选择区域、时段、编码器变体和分辨率，获得 Cloud-Optimized GeoTIFF（COG）输出。
Hugging Face BlogAI 评分3838 ALTK-Evolve 对比 ACE：用更少 Token 实现更强的智能体记忆
Hugging Face 推出 ALTK-Evolve，与 ACE 同属无需权重更新的智能体记忆方案，区别在于交付方式：ACE 每步注入完整 playbook，ALTK-Evolve 按任务检索少量高支持度 guideline。
Hugging Face Blog精选AI 评分6060 NVIDIA 发布 Magpie TTS 多语言语音模型，新增阿拉伯语、韩语和巴西葡萄牙语
NVIDIA 发布 Magpie TTS Multilingual，一个 364M 参数的开源权重语音合成模型，支持 12 种语言，本次新增现代标准阿拉伯语、韩语和巴西葡萄牙语，并通过更新训练数据改善了多种既有语言的质量。
推荐理由：原文给出 364M 开源权重模型的多语言覆盖、TTFA 实测数据和自托管部署路径，可据此评估语音链路延迟预算。
Hugging Face BlogAI 评分4040 Hugging Face 提出离线 Top-K Logits 与融合分块 KL 损失，大幅降低 LLM 知识蒸馏成本
Hugging Face 发布论文《Efficient Knowledge Distillation for LLMs: Offline Top-K Logits and a Fused Chunked KL Loss》，通过缓存教师模型 top-100 logits 并融合分块计算 KL 损失，将蒸馏峰值显存从约 250GB 降至约 128GB。
Hugging Face Blog精选AI 评分8282 Meta 发布开源多模态模型 Muse Glimmer 30B，面向本地智能体场景
Meta 发布多模态模型 Muse Glimmer，从 Muse 蒸馏至 30B 参数，采用 Apache 2.0 许可，面向本地智能体场景，适用于编码、文档分析和个人助理等隐私敏感应用。
推荐理由：Meta 开源 30B 多模态模型并给出完整基准对比，可据此判断本地智能体场景的选型空间。
Hugging Face BlogAI 评分2222 Baseten 成为 Hugging Face Inference Providers 支持的服务商
Baseten 正式加入 Hugging Face Hub 的 Inference Providers 生态，首批支持对话与文本生成任务，可调用 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等开放权重模型。