Transformers v5 重构 Tokenization：更简单、更清晰、更模块化
Hugging Face 发布 Transformers v5，将 tokenizer 架构与训练词表分离，类似 PyTorch 分离网络结构与权重，使 tokenizer 可检查、可定制、可从零训练。v5 引入清晰的类层级和单一快速后端，并保留 BPE、Unigram、WordPiece 等算法支持。
#教程/实践
#教程/实践
今日 4 条Hugging Face BlogAI 评分3636
OpenAI NewsAI 评分88 OpenAI：如何在 AI 时代保持领先
OpenAI 提出企业构建"AI-ready"组织的路径，涵盖清晰的战略、培训、治理与加速创新四个方面。内容面向领导者，说明如何借助这些要素让组织适应 AI 时代。
Hugging Face Blog精选AI 评分6262 Hugging Face 教程：用 Codex 与 HF Skills 端到端微调开源模型
Hugging Face 发布教程，展示如何让 OpenAI Codex 借助 Hugging Face Skills 仓库完成端到端机器学习实验，包括数据集校验、硬件选择、提交训练任务、监控进度、评测与导出 GGUF。
推荐理由：原文给出 Codex 结合 HF Skills 完成端到端微调的完整流程与成本区间，可据此判断智能体托管训练实验的可行边界。
Hugging Face Blog精选AI 评分6969 Hugging Face 发布 Skills，让 Claude 微调开源大模型
Hugging Face 推出 Hugging Face Skills，让 Claude Code、Codex、Gemini CLI 等编码智能体直接提交微调任务到云端 GPU、监控进度并把模型推送到 Hub。
推荐理由：Hugging Face 把微调流程封装成 Claude Code 可调用的 Skill，读者可据此了解对话式训练的实际操作与成本。
Hugging Face BlogAI 评分2222 从第一性原理理解 continuous batching
Hugging Face 发布博客，从 attention 机制与 KV caching 出发，通过优化吞吐量推导出 continuous batching。该技术通过并行处理多个对话、完成即换出，最大化高负载场景下的推理性能。文中指出 attention 是 token 间唯一交互之处，其计算量随序列长度呈平方增长。
Hugging Face BlogAI 评分4040 Tavily 如何打造达到 SOTA 的深度研究智能体
Tavily 分享了其构建 SOTA 深度研究智能体的经验，曾因第一版架构假设过时被迫推倒重建。其核心思路是简化编排逻辑、拥抱模型自主性，并借助 Tavily Advanced Search 在工具侧完成上下文工程，只返回最相关内容块以降低幻觉与延迟。团队还提出将工具输出蒸馏为反思、仅在生成最终结果时引入原始信息，以模拟人类研究方式。
Hugging Face BlogAI 评分2626 Hugging Face 发布 ROCm 内核构建与共享指南
Hugging Face 的 kernels 库现已支持构建和共享 ROCm 兼容内核，可运行在 AMD GPU 上并集成进 PyTorch。指南以 RadeonFlow 的 FP8 GEMM 内核为例，该内核针对 AMD Instinct MI300X 优化，曾获 AMD Developer Challenge 2025 大奖。
Berkeley AI ResearchAI 评分3131 无需 TD 学习的强化学习：分治法如何扩展到长时程任务
一篇博文提出用"分治"范式替代时序差分（TD）学习来做 off-policy 强化学习，通过将轨迹一分为二并组合子段价值，理论上把 Bellman 递归次数从线性降到对数级。作者称与 Aditya 合作的最新工作首次将分治价值学习扩展到目标条件强化学习这类高复杂度任务，且无需像 n-step TD 那样调节 n 超参数。
Hugging Face BlogAI 评分3838 MiniMax M2 如何重新思考智能体泛化：对齐基准还是对齐用户？
MiniMax M2 在智能体后训练中提出"交错思考"（Interleaved Thinking），让模型在任务任意阶段都能思考，以应对工具输出带来的外部扰动。团队发现单纯扩展工具数量无法带来真正泛化，转而构建覆盖工具信息、系统提示词、用户提示词、环境与工具响应全轨迹的数据管线。内部测试中，M2 在陌生"冷启动"框架下工具调用与指令遵循表现均超出预期。
Hugging Face BlogAI 评分5050 用 NVIDIA Isaac 构建医疗机器人：从仿真到部署的实操指南
NVIDIA Isaac for Healthcare v0.4 发布，提供基于 SO-ARM 的端到端入门工作流和"自带手术室"教程，让开发者从仿真、训练到部署自主医疗机器人。
Hugging Face Blog精选AI 评分6262 如何用 NVIDIA Isaac for Healthcare 从仿真到部署搭建医疗机器人
NVIDIA 发布 Isaac for Healthcare v0.4，提供基于 SO-ARM 的端到端入门工作流，覆盖数据采集、训练与真机部署，用于构建自主手术辅助机器人。
推荐理由：原文给出从仿真数据采集到真机部署的完整命令与硬件要求，可据此复现医疗机器人工作流。
Hugging Face BlogAI 评分3838 Hugging Face 提出“语音同意门”：让声音克隆必须先获得本人明确同意
Hugging Face 发布博客提出“语音同意门”（voice consent gate），让模型只有在说话人明确说出同意语句并被 ASR 识别后才启动语音克隆。该方案由三部分组成：生成约 20 词、含同意短语与模型名的独特句子，ASR 识别该句，以及 TTS 语音克隆系统；同一句录音也可直接用作克隆素材。配套示例 Space 与代码已公开，用于探索把同意原则嵌入 AI 系统流程。
Hugging Face BlogAI 评分4646 如何用开源模型加速你的 OCR 流水线
Hugging Face 发布指南，介绍如何用 Chandra、OlmOCR-2 等开源权重 OCR 模型搭建文档处理流水线，并补充了这些模型的 OlmOCR 评测分数。指南覆盖模型能力对比、微调与开箱使用的取舍、选型要点，以及用多模态检索和文档问答超越传统 OCR。
Hugging Face BlogAI 评分2222 Google Cloud C4 搭配 Intel 与 Hugging Face，让 GPT OSS 的 TCO 提升 70%
Intel 与 Hugging Face 联合测试显示，在搭载 Intel Xeon 6 处理器（Granite Rapids）的 Google Cloud C4 虚拟机上运行 OpenAI GPT OSS 模型，总拥有成本（TCO）较上一代 C3 实例提升 1.7 倍，即 70%。
Hugging Face BlogAI 评分3434 如何在 Intel CPU 上三步跑起 VLM：以 SmolVLM 为例
Hugging Face 博客给出在 Intel CPU 上本地运行视觉语言模型（VLM）的三步流程：用 Optimum Intel 与 OpenVINO 将 SmolVLM2-256M-Video-Instruct 转换为 OpenVINO IR，再通过仅权重量化或静态量化压缩模型，最后执行推理。
Hugging Face BlogAI 评分3636 用 Core ML 和 dots.ocr 实现 SOTA OCR
Hugging Face 发布教程，介绍如何将小红书 3B 参数 OCR 模型 dots.ocr 转换到端侧运行，该模型在 OmniDocBench 上超过 Gemini 2.5 Pro。方案用 Core ML 跑 1.2B 的 NaViT 视觉编码器、用 MLX 跑 Qwen2.5-1.5B 语言主干，并称 Neural Engine 能效比 CPU 高 12 倍、比 GPU 高 4 倍。
Hugging Face BlogAI 评分2222 在 Intel Core Ultra 上用深度剪枝草稿模型加速 Qwen3-8B Agent
Hugging Face 用 OpenVINO.GenAI 在 Intel Core Ultra 上加速 Qwen3-8B，以 Qwen3-0.6B 为草稿模型做投机解码，生成速度提升约 1.3 倍。
Hugging Face BlogAI 评分3838 VibeGame：探索 Vibe Coding 游戏开发
针对 vibe coding 游戏随项目增长而失控的问题，作者推出 VibeGame——一个基于 three.js、rapier 和 bitecs 构建的高层声明式游戏引擎，专为 AI 辅助游戏开发设计。
Hugging Face BlogAI 评分5050 Hugging Face 发布 Smol2Operator：基于 SmolVLM2-2.2B 的后训练 GUI 智能体
Hugging Face 发布 Smol2Operator，用两阶段训练把无 GUI 定位能力的 SmolVLM2-2.2B-Instruct 变成能理解并操作图形界面的智能体。
Hugging Face BlogAI 评分4040 Hugging Face 推出 SyGra：面向 LLM 与 SLM 的一站式数据构建框架
Hugging Face 发布 SyGra，一个面向 LLM 与 SLM 的低代码/无代码数据构建框架，用于数据集的创建、转换与对齐。它支持 vLLM、Hugging Face TGI、Triton、Ollama 等多种推理后端，可生成 Q&A、DPO 偏好对、推理及多语言数据，覆盖 SFT、DPO、RAG 等场景。
Hugging Face BlogAI 评分5858 Hugging Face 详解 transformers 为 gpt-oss 引入的优化技巧
Hugging Face 博客介绍了为支持 OpenAI gpt-oss 系列而在 transformers 中做的一系列升级，包括可从 Hub 下载的零构建 Kernel、MXFP4 量化、张量并行、专家并行、动态滑动窗口缓存、连续批处理与 Paged Attention，以及更快的模型加载。
Hugging Face BlogAI 评分4646 Hugging Face ZeroGPU Spaces 如何用 PyTorch 提前编译提速 1.3–1.8 倍
Hugging Face 为 ZeroGPU Spaces 引入 PyTorch 提前（AoT）编译，让模型只需优化一次即可即时重载，在 Flux、Wan、LTX 等模型上取得 1.3×–1.8× 加速。
Hugging Face BlogAI 评分3838 如何将 Claude 连接 Hugging Face 生成图像
通过 Hugging Face MCP Server 将 Claude 连接至 Hugging Face Spaces，即可调用 FLUX.1 Krea [dev] 和 Qwen-Image 等模型生成图像。
Hugging Face BlogAI 评分3232 如何用 MCP 将 AI 连接到研究工具
Hugging Face 发布 Research Tracker MCP，让 AI 通过自然语言调用研究工具，自动完成论文、代码、模型与数据集的跨平台检索和交叉引用。
Hugging Face BlogAI 评分3636 从零到 GPU：构建与扩展生产级 CUDA Kernel 指南
Hugging Face 发布 kernel-builder 库，开发者可在本地开发自定义 CUDA kernel，再针对多种架构构建并发布到 Hugging Face Hub 供他人通过 get_kernel 直接调用。
Hugging Face BlogAI 评分3636 Accelerate ND-Parallel 指南：如何高效进行多 GPU 训练
Hugging Face 在 Accelerate 中联合 Axolotl 集成了 ND-Parallel，让训练脚本可任意组合数据并行、FSDP、张量并行与上下文并行等策略。
OpenAI News精选AI 评分6262 用 GPT-5 进行编码与设计
OpenAI 发布文章介绍 GPT-5 在编码与设计方面带来的新可能，但摘要未给出具体功能、能力数据或使用方式。
Mistral AIAI 评分3838 Mistral 用 LoRA 微调 Pixtral-12B 提升卫星图像分类能力
Mistral 通过 LoRA 微调 Pixtral-12B，在 Aerial Image Dataset（AID）卫星图像分类任务上较基座模型显著提升，并减少了模型幻觉出的无效类别名。
Hugging Face BlogAI 评分5151 用 Python 实现 MCP 服务器：基于 Gradio 的 AI 购物助手
Hugging Face 博客介绍如何用 Gradio 的 MCP 集成在 Python 中实现 MCP 服务器，构建一个能浏览服装网站并调用 IDM-VTON 虚拟试穿模型的 AI 购物助手。
Hugging Face BlogAI 评分3434 Hugging Face 用 Parquet 内容定义分块加速 Hub 上传下载
PyArrow 和 Pandas 现已支持 Parquet 内容定义分块（CDC），配合 Hugging Face 的 Xet 存储层，可在重新上传、增删列、改列类型、追加行等场景下只传输变更的数据块，大幅降低传输与存储成本。
Hugging Face Blog精选AI 评分6262 用 Diffusers 和 PEFT 加速 Flux 的 LoRA 推理
Hugging Face 发布教程，介绍如何用 Diffusers 和 PEFT 优化 Flux.1-Dev 的 LoRA 推理速度。方案组合 Flash Attention 3、torch.compile 和 FP8 量化，并通过 hotswap 机制避免切换 LoRA 时触发重新编译，在 H100 上相比基线取得 2.23 倍加速。
推荐理由：原文给出 Flux LoRA 推理的完整优化配方与实测数据，读者可据此在 H100 或 4090 上复现加速效果。
Hugging Face BlogAI 评分4848 Hugging Face 详解异步机器人推理：解耦动作预测与执行，任务完成提速约 2 倍
Hugging Face 发布博客详解异步机器人推理，将动作预测与动作执行解耦，让机器人在 PolicyServer 计算下一段动作时继续执行当前动作队列，从而消除推理等待。该方案在 SmolVLA 上实现约 2 倍任务完成提速，成功率相当，PolicyServer 与 RobotClient 通过 gRPC 通信，性能约为同类 REST API 的 5 倍。
Hugging Face BlogAI 评分4040 Hugging Face 如何构建官方 MCP Server
Hugging Face 发布官方 MCP Server（hf.co/mcp），通过一个 URL 让 AI 助手访问 Hub 及 Spaces 上的数千个 AI 应用，并支持用户动态配置工具。生产环境采用 Streamable HTTP 传输的无状态 Direct Response 模式，开源代码同时支持 STDIO、SSE 和 Streamable HTTP 三种部署方式。
Hugging Face BlogAI 评分5252 用 Gradio MCP 服务器为 LLM 增加新能力
Hugging Face 博客介绍如何通过 Gradio MCP 服务器为 LLM 增加新能力。Gradio 5.28.0 起支持 MCP 协议，Hugging Face Spaces 上数千个 AI 应用因此可作为 MCP 服务器接入 Cursor、Claude Code、Cline 等客户端。
Hugging Face BlogAI 评分3636 Hugging Face 与 AMD 为 MI300X 打造自定义 kernel，优化 Llama 3.1 405B FP8 推理
Hugging Face 与 AMD 合作，为 MI300X GPU 编写了三个开源自定义 kernel——融合残差连接/RMS norm/FP8 转换、融合 SwiGLU 激活/FP8 转换以及 Skinny GEMM，用于在 8 卡 MI300X 节点上通过 VLLM 加速 Llama 3.1 405B 的 FP8 推理。
Hugging Face BlogAI 评分3636 Hugging Face 详解高效多模态数据管道：从朴素填充到背包算法
Hugging Face 以 nanoVLM 项目为例，分五个阶段构建高效多模态数据管道，解决 GPU 空转与填充浪费问题。朴素填充阶段约 60% 的 batch 被无用 padding token 占据，随后依次采用受限填充、背包算法打包，并推出支持贪心与 binpack 策略的 ConstantLengthDataset，按 token 与图像数量打包样本。
Hugging Face BlogAI 评分1818 Hugging Face 生产基础设施背后的三大关键告警
Hugging Face 基础设施团队公开了支撑其生产环境的三大关键告警机制，包括 NAT 网关吞吐量告警和 Hub 请求日志归档成功率告警。NAT 网关告警在流量超过预设静态阈值时触发，用于发现异常流量峰值并优化成本；日志归档链路则通过 Filebeat、Logstash 与 Elasticsearch 完成日志的采集、加工与存储。
Hugging Face BlogAI 评分3434 用 Sentence Transformers 训练与微调稀疏嵌入模型
Sentence Transformers 现已支持训练和微调稀疏嵌入模型，可产出如 sparse-encoder/example-inference-free-splade-distilbert-base-uncased-nq 这类低成本模型，适合混合检索或先检索后重排场景。
Hugging Face Blog精选AI 评分6262 在消费级硬件上用 QLoRA 微调 FLUX.1-dev
Hugging Face 发布教程，介绍用 QLoRA 和 diffusers 库在单张 GPU 上微调 FLUX.1-dev，峰值显存约 10GB 以内。在 RTX 4090 上，QLoRA 微调峰值显存约 9GB，而 BF16 LoRA 需 26GB，700 步训练约 41 分钟。
推荐理由：给出在单张消费级 GPU 上微调 FLUX.1-dev 的完整配置与显存对比，方法可直接复用。
Hugging Face BlogAI 评分3636 长提示词如何阻塞其他请求：优化 LLM 性能
TNG 在 24 块 H100 上自托管多个大语言模型，每日消耗超 1 亿 token、生成超 1000 万 token，发现 vLLM 默认 chunked-prefill 会顺序调度不同请求的 prefill，单个长提示词请求会阻塞后续请求，导致首 token 等待时间变长。