Hugging Face transformers 现可运行 llama.cpp 的 GGUF 量化模型
Hugging Face transformers 现可在 main 分支高效运行 GGUF，用户用 from_pretrained 加载 Hub 检查点后即可在本机生成。
推荐理由：GGUF 现在能直接进 transformers 做检查和自定义生成，Apple Silicon 上速度接近 llama.cpp。
#Hugging Face
#Hugging Face
今日 0 条Hugging Face Blog精选AI 评分6161
Hugging Face BlogAI 评分5757 用 Gradio Workflow 将 AUTOMATIC1111 重建为 Workflow1111
Workflow1111 把 AUTOMATIC1111 的大部分功能重做成一张 Gradio 工作流画布，包含十一条媒体管线和七十三个节点。登录 Hugging Face 账号或提供访问令牌后，可运行文生图、高分辨率修复、图生图、提示词矩阵、VLM 反推、检测生成遮罩、标注、去背景、PNG Info 和图像转视频，模型调用使用用户自己的额度。
Hugging Face BlogAI 评分5454 NeoMME发布260M与800M多模态多语言编码器
NeoMME推出260M和800M两款多语言多模态编码器，单一双向Transformer从零处理文本token与32×32图像块，并用掩码离散扩散目标训练全模型。
Hugging Face BlogAI 评分5959 用TRL与OpenEnv训练编码模型以代码绘制水彩
作者用TRL与OpenEnv复现Surya Narreddi的思路，训练编码模型编写JavaScript，经p5.brush绘制水彩，并在Hugging Face公开参考池、RL环境、训练脚本和模型。
Hugging Face Blog精选AI 评分7272 funes 为编码智能体提供归用户所有的记忆
funes 为 Claude Code、Codex、pi 和 Hermes 提供归用户所有的持久记忆，默认在本机索引已有会话，也可同步到默认私有的 Hugging Face 数据集。
推荐理由：这种记忆以你拥有的数据集而非独立服务存在，原始回合始终可追溯，因此换机器或换智能体后仍能召回先前的决策与失败尝试。
Hugging Face BlogAI 评分5858 100步GRPO微调LFM2.5-350M以改善结构化输出
用TRL的GRPO以约500条样本和100步微调LFM2.5-350M，IFStruct通过率从22.6%升至29.7%。JSON通过率从18.0%升至31.9%，顶层裸列表从16.6%升至29.7%，YAML从27.2%到27.5%几乎不变，仍低于Qwen3.5-2B的33.15%。
Hugging Face BlogAI 评分5151 Hugging Face 发布 @huggingface/kernels 与 207 个 WebGPU Kernel
Hugging Face 发布 JavaScript 库 @huggingface/kernels 及 huggingface.co/webgpu-kernels 上的 207 个 Apache-2.0 WebGPU kernel，可从 Hub 按契约版本加载并在浏览器中运行本地推理算子。
Google ResearchAI 评分5353 Google Research 推出零样本多变量预测模型 TimesFM-3
Google Research 推出时间序列基础模型 TimesFM-3，参数量为 330 million，预训练数据超过 1 万亿个时间点，可在单次前向中零样本联合预测多条序列。
Hugging Face Blog精选AI 评分6565 如何用 Sentence Transformers 训练和微调多向量嵌入模型
Sentence Transformers v6.0 的 MultiVectorEncoder 可用于训练和微调 ColBERT 式多向量嵌入模型。
推荐理由：原文整理了用领域问答对微调多向量检索模型的训练组件，并比较无监督检查点与成品检查点在医学数据上的适应差异。
Hugging Face Blog精选AI 评分6969 Gradio 如何用 gr.Workflow 把 AI 流程连成可运行并部署的图
Gradio 的 gr.Workflow 用类型节点图把 AI 流水线变成可拖拽界面，同一张图同时是 REST API，并可一键部署到 Hugging Face Spaces。
推荐理由：把多步 AI 流程写成带类型端口的节点图后，可以在画布上单独运行每一步并看到中间值，同一张图还能作为 REST 接口部署到 Spaces。
Hugging Face Blog精选AI 评分6767 Hugging Face 用三项测试衡量语音识别中的基准优化
Hugging Face 提出三项测试，评估 11 个开源语音识别模型是否针对公开基准优化，而非提升通用转写。
推荐理由：三项测试显示，部分模型在公开语音基准上的高分，与其识别数据集线索并复现参考文本有关，单一词错误率因此不足以代表通用转写能力。
Hugging Face BlogAI 评分5555 Hugging Face 如何用 Inference Endpoints、Jobs 和 Buckets 支撑 Papers with Code 搜索
Hugging Face 说明如何用 Jobs、Storage Buckets 和 Inference Endpoints 支撑 Papers with Code 的混合搜索：离线批量生成论文向量，在线只嵌入查询，端点冷启动或异常时回退全文检索。
Hugging Face Blog精选AI 评分7070 Sentence Transformers v6.0 如何使用多向量晚交互嵌入
Sentence Transformers v6.0 新增 MultiVectorEncoder，以 ColBERT 式晚交互为每个 token 保留向量，并用 MaxSim 为查询与文档打分。
推荐理由：这篇官方教程把多向量晚交互和单向量嵌入的质量与索引成本放在一起比较，并写清编码、打分、检索重排和压缩索引的具体做法。
Mistral AI精选AI 评分6565 Mistral发布开源模型Leanstral 1.5，面向Lean 4形式验证
Mistral发布Apache-2.0免费模型Leanstral 1.5，总参数119B、激活参数6B，在miniF2F验证集与测试集均达到100%，并解出PutnamBench 672题中的587题。
推荐理由：原文给出6B激活参数模型的基准成绩、约4美元单题成本和开源入口，读者可以据此比较它与更高成本形式验证系统的差异。
Google Research精选AI 评分6262 Google Research 推出零样本表格基础模型 TabFM
Google Research 推出零样本表格基础模型 TabFM，一次前向即可对未见过的表做分类和回归，无需逐表训练、调参和特征工程。它把整张表当作统一提示，用行列交替注意力、行压缩和 Transformer 做上下文学习，全部基于数亿个结构因果模型合成的数据集预训练。
推荐理由：把表格预测改写成上下文学习之后，读者可以对照传统树模型流程判断单次前向能否省掉调参和特征工程。