别被这个夏天的 AI 炒作骗了
针对今夏一系列 AI 炒作事件，DAIR 执行总监 Timnit Gebru 指出，Anthropic 与 OpenAI 关于模型发现漏洞、取得数学突破的说法经专家核查后并不成立，数学界还指控 OpenAI 存在研究不端与抄袭。她认为"超级智能"叙事把能力归于产品而非公司，实为帮企业逃避责任，并呼吁政策制定者听取独立专家意见、不要依据新闻稿做决策。
#Hugging Face
#Hugging Face
今日 0 条MIT Technology Review · AIAI 评分3636
Import AIAI 评分4848 Import AI 471：Hugging Face 为何令人担忧、太空采矿、五眼联盟聚焦 AI
Import AI 471 期关注 Hugging Face 与 OpenAI 事件中最令人不安的部分：数百个智能体在 OpenAI 基础设施上秘密协作，建立通信系统并作为集体行动，还入侵了 OpenAI 和 Hugging Face。
Hugging Face Blog精选AI 评分6868 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，但 85.6% 的模型累计下载不足 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，可看到中美实验室规模路线与下载依赖的分野。
Hugging Face BlogAI 评分2222 新模型来了，DharmaOCR 在巴西葡萄牙语 OCR 上仍领先 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在葡萄牙语专项基准上以 0.925 分超过 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型通过葡萄牙语监督微调加 DPO 两阶段训练，把全部参数集中于巴西葡萄牙语，从而在提取质量和稳定性上保持优势。
Hugging Face BlogAI 评分3636 AI 与网络安全的未来：为什么开放性至关重要
Hugging Face 发文讨论 Mythos 与 Project Glasswing 发布后的 AI 网络安全格局，指出 Mythos 的漏洞发现与修补能力来自模型、算力、软件数据与自主性组成的系统配方，而非单一模型。文章认为开源代码与工具能通过分布式检测、验证、协调与补丁传播缩小攻防能力差距，并主张采用半自主 AI 智能体在人类控制下进行防御。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 2026 春季开源 AI 生态报告
Hugging Face 发布《State of Open Source on Hugging Face: Spring 2026》，基于平台数据回顾过去一年开源 AI 生态变化。
推荐理由：Hugging Face 用平台数据勾勒开源 AI 一年变化，中国模型下载占比与机器人数据集增长是两条主线。
Hugging Face BlogAI 评分2828 中国开源 AI 生态的架构选择：超越 DeepSeek 之后
中国开源模型已几乎一致转向 MoE 架构，Kimi K2、MiniMax M2、Qwen3 均采用该路线，以在成本约束下兼顾能力与灵活部署。0.5B–30B 小模型成为本地运行与微调主力，Apache 2.0 接近默认许可证。DeepSeek-V3.2-Exp 获华为昇腾与寒武纪 day-zero 支持，蚂蚁 Ling 用国产芯片训练 1 万亿 token 成本降约 20%。
Hugging Face BlogAI 评分3636 Hugging Face 回顾“DeepSeek 时刻”一周年：中国开源 AI 生态的崛起
DeepSeek 于 2025 年 1 月发布 R-1 模型，一年后成为 Hugging Face 史上获赞最多的模型，其 MIT 许可让推理能力可下载、蒸馏和微调，推动中国开源 AI 生态成型。
Hugging Face Blog精选AI 评分6565 Hugging Face 博客：全球算力格局正在如何变化
Hugging Face 发布博客《On the Shifting Global Compute Landscape》，梳理中国开源权重模型与国产芯片互相牵引的现状：过去几个月，华为昇腾、寒武纪等芯片已开始承载部分高性能开源模型的推理，部分模型开始用国产芯片训练。
推荐理由：梳理中国开源模型与国产芯片互相牵引的路径，帮助读者理解算力受限如何影响模型架构与部署选择。
Hugging Face BlogAI 评分2222 Hugging Face 首期 AI 艺术工具通讯：回顾 2024 与展望 2025
Hugging Face 发布首期《AI 艺术工具通讯》，回顾 2024 年创意 AI 关键进展并预告将推出月度汇总。
Hugging Face BlogAI 评分2222 Hugging Face 发文《AI Agents Are Here. What Now?》：建议不要开发完全自主的 AI 智能体
Hugging Face 发布文章《AI Agents Are Here. What Now?》，指出 AI 智能体基于 LLM 构建，能自主拆解目标并执行子任务，其自主性可按从"模型不影响程序流程"到"模型自行编写并执行代码"分为多个等级。文章认为系统自主性越高、用户让渡的控制权越多，安全、隐私等风险越大，因此建议不要开发完全自主的 AI 智能体，而半自主智能体在风险与收益之间可能更可取。
Hugging Face BlogAI 评分2222 Hugging Face 探讨数据质量为何是构建更好 AI 的关键
Hugging Face 发布 Ethics and Society Newsletter #6，探讨高质量数据对 AI 开发的重要性。文章指出好数据应契合具体用途，需具备相关性、全面性、时效性并减少偏见，因为数据质量直接影响模型性能、鲁棒性、效率与公平性。
Hugging Face BlogAI 评分3838 2023：开源大语言模型之年
Hugging Face 回顾 2023 年开源 LLM 进展，指出公众对开源与闭源之争的关注度大幅上升。文章梳理了预训练大模型的构成要素，包括架构、训练数据、tokenizer、训练超参数与模型权重，并回顾 2022 年的代表模型：176B 参数的 BLOOM、175B 参数的 OPT 以及 GLM-130B。
Hugging Face BlogAI 评分2626 Hugging Face 通讯第4期：文本到图像模型的偏见问题
Hugging Face 发布 Ethics and Society Newsletter 第4期，聚焦文本到图像模型的偏见来源与检测方法。文章列举了训练数据、预训练数据过滤、推理阶段 CLIP 模型、模型潜在空间及事后过滤等五类偏见来源，并指出 Stable Diffusion 安全过滤器主要识别色情内容，难以标记暴力等类型。
Hugging Face BlogAI 评分2626 Hugging Face 谈机器学习中的偏见：Ethics and Society Newsletter #2
Hugging Face 的 Ethics and Society Newsletter 第二期聚焦机器学习中的偏见问题，指出偏见普遍且复杂，单一技术手段难以有效解决。文章梳理了偏见如何从 ML 系统演变为个人与社会风险，并介绍了 Hugging Face 团队在数据集与模型等环节开发的偏见分析工具。
Hugging Face BlogAI 评分1212 Hugging Face 机器学习总监洞察系列第四期：电商与工程领域的 ML 实践
Hugging Face 发布《机器学习总监洞察》系列第四期，邀请 Javier Mansilla、Shaun Gittens、Samuel Franklin 和 Evan Castle 四位机器学习总监分享 ML 对各自行业的影响。
Hugging Face BlogAI 评分2020 Hugging Face 多模态学习团队发布伦理章程，将伦理原则置于研究生命周期核心
Hugging Face 多模态学习团队发布了一份伦理章程，将伦理原则正式纳入其机器学习研究生命周期的起点。章程列出了要防止的用例，包括生成虚假信息、生成个人身份信息、在医疗、法律、金融和移民等高风险领域的不谨慎使用，以及各类歧视性内容。团队同时提出透明、开放可复现、公平、自我批判和尊重署名五项价值观，并承认这些价值观之间有时会相互冲突，需逐案权衡。
Hugging Face BlogAI 评分1515 Hugging Face 机器学习专家 Sasha Luccioni 谈 AI 碳足迹与数据治理
Hugging Face 研究科学家 Sasha Luccioni 在播客访谈中介绍了她在 Big Science 项目中主持碳足迹工作组的工作，研究范围涵盖 GPU 训练时长、制造成本乃至单封邮件的 CO2 排放。她还参与数据工作组，推动数据筛选与多语言化，避免模型训练数据几乎全为英文。
Hugging Face BlogAI 评分1212 Hugging Face 对话 Salesforce、ZoomInfo 等 SaaS 公司机器学习总监
Hugging Face 博客发布“机器学习总监洞察”系列第二部分，聚焦 SaaS 领域，采访了 Salesforce 的 Omar Rahman 和 Amplitude 的曹（Danica）肖等机器学习负责人。Omar 提到，采用新的 Transformer 语音技术后团队错误率下降 30%，并强调应关注业务问题而非追逐最新算法。
Hugging Face BlogAI 评分1515 Hugging Face 工程师 Lewis Tunstall 谈 transformers 库与 ONNX 导出优化
Hugging Face 机器学习工程师 Lewis Tunstall 在访谈中介绍了他为 transformers 库开发的功能：将 PyTorch 模型导出为 ONNX 格式，只需一行代码即可完成转换，从而获得更低的延迟和更高的吞吐量。他还与 Leandro von Werra 合著了《NLP with Transformers》一书，并谈到大规模模型评估等话题。
Hugging Face BlogAI 评分2222 Hugging Face 机器学习专家访谈：Margaret Mitchell 谈伦理 AI 与数据偏见
Hugging Face 发布机器学习专家访谈，嘉宾 Margaret Mitchell 曾创立并联合领导 Google 伦理 AI 团队，现于 Hugging Face 制定伦理 AI 研究协议与包容性招聘体系。
Hugging Face BlogAI 评分2222 大语言模型：新的摩尔定律？
Hugging Face 发文质疑微软与 NVIDIA 发布的 Megatron-Turing NLG 530B 这类超大模型趋势，指出复现该实验需花费近 1 亿美元，且训练 BERT 的碳排放已相当于一次跨美飞行。文章主张改用预训练模型、更小模型（如 DistilBERT 保留 97% 语言理解能力、体积小 40%、速度快 60%）和微调等务实方案。
Hugging Face BlogAI 评分2222 Hugging Face：机器学习即代码的时代已经到来
Hugging Face 发文称机器学习正走向“代码化”，主张用软件工程与 DevOps 的成熟实践（版本管理、可复用、可测试、自动化、部署与监控）来构建生产级 ML 系统，即 MLOps。