AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：Hugging Face×
6月3日
08:17
6月2日
10:45
10:45NVIDIA AI@NVIDIAAI
NVIDIA 在 Hugging Face 上开源仓库总数突破 1000 个（含 820 个模型、249 个数据集和 57 个 Spaces），粉丝接近 60,000。其 LocateAnything 模型成为 Hugging Face 当前第一热门模型，PiD 排名第五。NVIDIA 宣布采用 Linux 基金会的 OpenMDW 框架，并发布了 Cosmos 3（物理 AI 全模态世界模型）和 Alphamayo 2 Super（自动驾驶开源模型）。此外，Nemotron 3 即将发布，Nemotron 4 也在研发中。Hugging Face CEO Clement Delangue 称 NVIDIA 为“美国开源 AI 之王”，肯定了其对生态的贡献。
行业NVIDIA开源/仓库Hugging Face物理 AI自动驾驶
推荐理由：NVIDIA 在 Hugging Face 上开源仓库破千，模型霸榜，做 AI 开发或模型选型的团队值得关注——这代表开源生态里又多了一个强力玩家，可以直接拿来用的资源又多了。
原文
10:35
10:20
10:10
02:53
02:53Clement Delangue@ClementDelangue
Hugging Face CEO Clement Delangue 发推称赞 NVIDIA 是“美国开源 AI 之王”，指出 NVIDIA 在 Hugging Face 上已拥有超过 1000 个公开仓库（820 个模型、249 个数据集、57 个空间），粉丝近 6 万。当前 HF 上排名第一的热门模型是 LocateAnything，排名第五的是 PiD。NVIDIA 宣布采用 Linux 基金会的 OpenMDW 框架，并发布了 Cosmos 3（用于物理 AI 的全模态世界模型）、Alphamayo 2 Super（自动驾驶开源模型），以及即将推出 Nemotron 3 和正在开发中的 Nemotron 4。这些成果展示了 NVIDIA 在开源 AI 生态中的持续投入和领导力。
行业NVIDIA开源模型Hugging Face自动驾驶物理AI
推荐理由：NVIDIA 在开源 AI 上的投入远超多数人想象——1000 个公开仓库、多个前沿模型，做 AI 研究或开发的团队值得关注这些新资源，尤其是 Cosmos 3 和 Nemotron 系列。
原文
01:50
01:50Hugging Face@huggingface
Hugging Face CEO Clement Delangue 发推称赞 Nvidia 是“美国开源 AI 之王”，并列举其近期成就：在 Hugging Face 上累计超过 1000 个公开仓库（820 个模型、249 个数据集、57 个 Spaces），粉丝近 6 万；当前 HF 热门模型榜上，LocateAnything 排名第一，PiD 排名第五；宣布采用 Linux 基金会 OpenMDW 框架；发布了 Cosmos 3（物理 AI 全模态世界模型）、Alphamayo 2 Super（自动驾驶开源模型），并预告 Nemotron 3 和 Nemotron 4 即将发布。这些动作表明 Nvidia 正加速从硬件巨头向开源 AI 生态核心贡献者转型。
行业Nvidia开源/仓库Hugging Face自动驾驶物理 AI
推荐理由：Nvidia 在开源 AI 上的投入已经形成规模效应——1000 个仓库覆盖模型、数据集、工具链，做 AI 研究或工程落地的团队值得关注其最新模型和框架，尤其是自动驾驶和物理 AI 方向的开放成果。
原文
6月1日
15:07
5月31日
01:42
5月29日
23:39
00:51
5月28日
22:11
22:05
22:05Clement Delangue@ClementDelangue
精选83°
Hugging Face 科学团队在 TRL 库中实现了一种新的异步强化学习权重同步方法，将每次同步的带宽成本降低约 100 倍。核心洞察是：在 RL 步骤之间，约 99% 的 bf16 权重是比特相同的，只有极少部分发生变化。他们只将变化的元素编码为稀疏 safetensors 文件，通过 Hugging Face Bucket 传输，而不是传输整个权重文件。以 Qwen3-0.6B 为例，每次步骤的传输量从 1.2 GB 降至 20-35 MB。这意味着不再需要共享集群、RDMA、VPN 或跨云 NCCL，只需一个 GPU 和一个 Hugging Face 账号即可进行真正的分离式 RL 训练。
AI产品强化学习权重同步Hugging FaceTRL分布式训练
推荐理由：做分布式 RL 训练的团队终于可以告别昂贵的带宽和复杂的基础设施——只需 HTTPS 和一个 Bucket，就能实现跨区域的推理集群同步，建议搞 RL 的开发者直接看原文。
原文
5月26日
10:50
07:37
5月25日
12:09
5月22日
22:53
5月20日
21:51
21:08
21:08Clement Delangue@ClementDelangue
83°
Hugging Face 发布了名为 Carbon 的开源 DNA 基础模型，包含开放权重、训练代码和数据管道。该模型专为下游生物学任务设计，可微调或持续预训练。Carbon 比同尺寸最佳模型快 275 倍，能在单 GPU 上不到 2 天处理整个人类基因组，甚至可在笔记本电脑上本地运行。其核心技术是 DNA 原生分词器，将序列分割为 6 碱基块以提升效率，同时保留单碱基分辨率。此举旨在推动生物学 AI 的透明化和本地化，避免个人健康数据依赖黑盒 API。
AI模型Hugging FaceDNA 模型开源/仓库生物信息学本地推理
推荐理由：Hugging Face 把 DNA 分析从黑盒 API 拉到了本地，做生物信息学或个性化健康研究的开发者可以直接在笔记本上跑基因组模型，值得试试。
原文
03:59
03:59Thomas Wolf@Thom_Wolf
76°
Hugging Face 团队发布了名为 Carbon 的 DNA 模型，其速度比当前最先进的 Evo2 快 275 倍，可在单 GPU 上两天内处理整个人类基因组。Carbon 的核心创新在于其独特的 tokenizer：将 DNA 序列切分为 6 碱基的块，同时保留单碱基分辨率，解决了 BPE 分词器在无空格序列上的低效问题。该模型支持 DNA 序列生成、基因结构分析、突变效应预测、蛋白质折叠以及生命树重建等任务。团队还提供了交互式 demo 供用户探索。
AI模型DNA 模型CarbonHugging Face基因组分析tokenizer
推荐理由：生物信息学研究者终于有了一个能跑全基因组的超快模型——Carbon 把处理时间从数周压缩到两天内，做基因组分析或蛋白质设计的团队可以直接用 demo 试效果。
原文
5月18日
12:05
5月16日
19:14
19:14AI Engineer@aiDotEngineer
精选73°
开源模型 GLM 5.1 在 Artificial Analysis 智能指数上超越闭源模型，差距持续缩小。权重开放意味着可以在不离开基础设施的情况下进行量化、微调和边缘部署。Hugging Face 生态已为智能体工作构建：推理提供商支持工具路由、按 SWE bench 分数过滤的基准数据集、存储智能体会话的追踪仓库类型，以及可插入编码智能体的技能。现场演示中，Claude Code 被要求微调一个视觉语言模型，智能体自动计算 VRAM 需求、选择实例并启动任务，将过去需要一天的手工计算变为一个提示。
AI模型GLM 5.1开源模型智能体Hugging Face微调
推荐理由：开源模型首次在权威指数上超越闭源模型，做模型部署和微调的团队可以直接利用权重优势，而 Hugging Face 的智能体生态让训练任务自动化成为现实——建议点开看 Claude Code 如何一键微调模型。
原文
5月15日
14:01
5月14日
01:10
01:10AlphaSignal@AlphaSignalAI
70°
Hugging Face 开源了一个 CLI 智能体，能自动执行机器学习工程师的完整研究循环：从阅读论文、追踪引用，到拉取数据集、编写训练脚本，再到启动 GPU 任务并迭代优化。在科学推理任务中，它训练 Qwen3-1.7B 将 GPQA 得分从 10% 提升至 32%，超越 Claude Code 的 22.99%。在医疗领域，它因公开数据集质量不足，自动生成 1100 个合成样本并上采样 50 倍，在 HealthBench 上比 Codex 高出 60%。该智能体还具备自主诊断失败评估、恢复训练的能力，以 CLI 和 Web 应用形式提供，甚至可在手机上运行。
AI产品Hugging FaceCLI 智能体开源/仓库自动化研究模型训练
推荐理由：Hugging Face 这个开源智能体把 ML 研究全流程自动化了，做实验的团队可以直接用它跑论文复现和模型训练，省掉大量手动调参和写脚本的时间。
原文
5月13日
08:34
08:34
5月12日
23:28