自推测解码实现更快的文本生成

自推测解码通过模型自身草稿预测与验证，无需额外模型，加速文本生成且保持质量。

Judge Arena：将LLM作为评估者的基准测试

提出Judge Arena，用于系统评估和比较大模型作为判官时的表现。

在Hugging Face Hub上分享你的开放机器学习数据集！

在Hugging Face Hub上分享开放ML数据集。

Hugging Face + PyCharm

介绍如何在PyCharm中集成Hugging Face进行AI模型开发与调试。

Argilla 2.4：在Hub上轻松构建微调和评估数据集——无需代码

Argilla 2.4 让用户无需编码即可在Hub上构建微调与评估数据集。

通用辅助生成：使用任意辅助模型实现更快速解码

通用辅助生成通过任意小模型加速大模型解码，显著提升推理速度。

专家支持案例研究：用LLM作为评判者增强RAG应用

通过LLM评判机制提升RAG应用的准确性和可靠性。

深入探索Aya Expanse：推进多语言前沿

深入探讨Aya Expanse如何推动多语言能力的前沿发展。

介绍 HUGS — 用开放模型扩展你的AI

HUGS通过开放模型助你规模化AI。

介绍SynthID Text

SynthID Text是一种AI生成文本的数字水印技术，用于标记和识别内容来源。

CinePile 2.0 - 通过对抗性精炼打造更强数据集

该工作利用对抗性精炼方法构建更高质量的数据集。

Hugging Face 与 Protect AI 合作：为机器学习社区增强模型安全性

Hugging Face与Protect AI联手，共同提升ML社区的模型安全防护能力。

Diffusers 迎来 Stable Diffusion 3.5 Large 支持

Diffusers 集成 Stable Diffusion 3.5 Large，增强图像生成性能。

Transformers.js v3：WebGPU支持、新模型与新任务等

Transformers.js v3 引入WebGPU支持，新增模型与任务。

发布 Outlines-core 0.1.0：在 Rust 和 Python 中实现结构化生成

Outlines-core 0.1.0 发布，提供 Rust 和 Python 的结构化生成功能。

在Hugging Face上部署语音到语音

提供在Hugging Face上部署语音到语音模型的简明指南。

Keras 中的 Llama 3.2

无

修复梯度累积

探讨梯度累积的常见问题及修复方法，提升模型训练稳定性和效率。

Gradio 5 安全审查

对Gradio 5 安全性进行了全面回顾与评估。

AMD 第五代 EPYC™ CPU 发布

暂无摘要

基于Hugging Face和Dask扩展AI数据处理

利用Hugging Face与Dask实现AI数据处理的规模化扩展。

欢迎，Gradio 5

Gradio 5 发布，带来全新特性与升级体验。

动态推测加速生成

通过动态调整推测步长，显著提升文本生成速度与效率。

改进 Hugging Face Hub 上的 Parquet 去重

优化 Hugging Face Hub 中 Parquet 格式数据的去重性能，提升效率与准确性。

介绍Open FinLLM排行榜

推出金融领域开源大模型排行榜，促进模型性能评估与社区发展。

中国AI全球扩张的简要总结

中国AI全球扩张呈现加速态势，涵盖技术输出、应用落地及生态建设，但面临数据合规与文化差异等挑战。

🇨🇿 BenCzechMark：你的大语言模型能理解捷克语吗？

评估LLM对捷克语理解能力的基准测试。

将顶点着色网格转换为纹理网格

提出将顶点颜色映射为纹理的方法，支持高效渲染与标准管线，减少存储开销。

Llama现在可以看见并运行在你的设备上——欢迎Llama 3.2

Llama 3.2新增视觉功能并支持设备端本地运行。

FineVideo：幕后揭秘

揭示FineVideo项目的背景与开发过程细节。

探索Hugging Face的每日论文页面

介绍Hugging Face每日论文页面的浏览与筛选功能。

利用Optimum-Intel与OpenVINO GenAI进行优化与部署

介绍使用Intel工具链优化并部署AI模型的方案。

将大语言模型微调至1.58比特：极端量化变得简单

提出将LLM微调至1.58比特的极端量化方法，显著简化量化过程。

介绍数据集上的SQL控制台

推出数据集SQL控制台，支持直接查询分析。

在HuggingChat上引入社区工具

HuggingChat推出社区工具，方便用户创建、分享和发现自定义功能。

加速 1.0.0

暂无摘要描述。

Hugging Face 与 TruffleHog 合作扫描机密

Hugging Face 与 TruffleHog 合作，实现代码仓库中的秘密信息自动扫描。

使用视频编码扩展机器人数据集

利用视频编码技术高效扩展机器人数据集，降低采集成本并提升规模。

最被低估的五个Hugging Face工具

盘点Hugging Face上五个被低估但极具价值的工具，涵盖模型部署、数据集处理和轻量级应用。

通过Flash Attention 2的打包技术提升Hugging Face训练效率

利用Flash Attention 2打包消除填充标记，显著提升大模型训练吞吐与效率。

在 Google Cloud Vertex AI 上部署 Meta Llama 3.1 405B

在 Google Cloud Vertex AI 部署 Meta Llama 3.1 405B

一个失败的实验：Infini-Attention，以及为什么我们应该继续尝试？

ggml简介

ggml是一个轻量级机器学习张量库，支持CPU/GPU推理，适合本地部署。

欢迎Falcon Mamba：首个强大的免注意力7B模型

首个强大的免注意力7B模型Falcon Mamba发布。

中文标题：工具使用的统一

中文摘要：探究将多种工具的使用方式统一化，以提升效率与泛化能力。

XetHub 加入 Hugging Face！

XetHub正式加入Hugging Face。

2024安全特性亮点

为文档图像引入文本图像增强方法

提出针对文档图像的文本图像增强技术，提升模型性能。

谷歌发布Gemma 2 2B、ShieldGemma和Gemma Scope

谷歌发布三款新AI模型：Gemma 2 2B、ShieldGemma和Gemma Scope。

内存高效的扩散Transformer：Quanto与Diffusers应用

利用Quanto和Diffusers库实现扩散Transformer的内存优化，降低资源占用。