T
traeai
登录

公司

Hugging Face

别名:huggingface

提供开源模型库和工具的AI公司

已跟踪 30 条高相关材料

TraeAI 观察

相关材料

已收录 30 条与 Hugging Face 相关的内容,按评分排序。

Welcome NVIDIA Cosmos 3: The First Open Omni-model for Physical AI Reasoning and Action

欢迎 NVIDIA Cosmos 3:首个用于物理AI推理与行动的开源全能模型

Hugging Face Blog1912 字 (约 8 分钟)
92

NVIDIA Cosmos 3 是首个开源物理AI全能模型,整合世界生成、物理推理与动作生成于单模型,支持机器人、自动驾驶等场景,基于MoT架构并提供Hugging Face集成。

入选理由:Cosmos 3 是首个统一物理AI能力的开源模型,融合世界生成、物理推理与动作生成于单模型。

精选文章#NVIDIA#物理AI#Omni-model#Hugging Face#MoT架构英文
Meet Cosmos 3: Our Latest Frontier Model for Physical AI

Meet Cosmos 3: Our Latest Frontier Model for Physical AI

NVIDIA Developer482 字 (约 2 分钟)
92

NVIDIA发布Cosmos 3,首个整合视觉、语言、声音与动作的全能物理AI模型,采用Mixture-of-Transformer架构,在多个基准测试中登顶,支持开源定制与边缘部署。

入选理由:Cosmos 3 是首个融合语言/视频/声音/动作的Omni模型,基于Mixture-of-Transformer架构。

精选视频#NVIDIA#物理AI#Omni模型#Mixture-of-Transformer#开源模型英文
Towards Speed-of-Light Text Generation with Nemotron-Labs Diffusion Language Models

迈向光速文本生成:Nemotron-Labs 扩散语言模型

Hugging Face Blog1108 字 (约 5 分钟)
92

NVIDIA 推出基于扩散模型的 Nemotron-Labs Diffusion 语言模型,支持 AR、扩散和自推测三种生成模式,实现多 token 并行生成与迭代修正,显著提升吞吐与灵活性。

入选理由:Nemotron-Labs Diffusion 提供 3B/8B/14B 三档模型,支持商业友好许可证(NVIDIA Nemotron Open Model License)。

精选文章#扩散语言模型#NVIDIA#Nemotron#LLM 推理#文本生成英文
We're open-sourcing Hy-MT1.5-1.8B-1.25bit — a 440MB translation model that runs fully offline on you...

腾讯混元开源 Hy-MT1.5-1.8B-1.25bit 翻译模型:仅440MB,支持33种语言+5种方言,1.25-bit量化无损精度,手机端全离线运行,性能超越Google Translate及部分商用API。

入选理由:25-bit超低比特量化实现440MB体积,较FP16压缩7.5倍且零精度损失

精选推文#机器翻译#模型量化#开源模型#端侧AI#腾讯中英混合
Introducing Mellum2: A 12B Mixture-of-Experts Model by JetBrains

Introducing Mellum2: A 12B Mixture-of-Experts Model by JetBrains

Hugging Face Blog564 字 (约 3 分钟)
90

JetBrains 发布 12B MoE 架构模型 Mellum2,每 token 仅激活 2.5B 参数,推理速度超同类模型 2 倍以上,专为代码与文本任务优化,支持私有部署和 RAG 等高频低延迟场景。

入选理由:Mellum2 是 12B 参数 MoE 模型,每 token 仅激活 2.5B 参数,推理效率提升 2x+,适合高吞吐生产环境。

精选文章#MoE#JetBrains#大模型#代码生成#RAG英文
Apple presents TIDE

Every Layer Knows the Token Beneath the Context

paper: https://t.co/fVdyf8ySks

Apple发布TIDE:每一层都知道上下文中的token

AK(@_akhaliq)62 字 (约 1 分钟)
90

Apple发布TIDE模型,通过分层上下文感知机制,显著提升长序列建模能力,推理延迟降低37%,内存占用减至45%。

入选理由:TIDE采用分层上下文感知机制,每层显式建模token与上下文关系。

精选推文#AI#Apple#Transformer#LLM#边缘AI英文
Hugging Face Blog 图标

小型专用模型如 CyberSecQwen-4B 在防御性网络安全任务中表现优于大型通用模型,且支持安全本地部署,无需 API 成本。

入选理由:CyberSecQwen-4B 在 CTI-MCQ 测试中以 0.5868 准确率超越 Cisco 8B 模型 8.7 个百分点。

精选文章#LLM#网络安全#AMD#微调#开源模型英文
Gemma-4 12B + Hermes,Google AI Edge: EASY, GOOD & LOCAL!

Gemma-4 12B + Hermes,Google AI Edge:本地、高效与易用

AICodeKing3109 字 (约 13 分钟)
87

Gemma-4 12B 采用统一无编码器架构,图像与音频直连 LLM,可在 16GB 设备本地运行;性能接近 26B MOE 且内存不足其半,配套 Hermes 等 Agent 工具与 macOS Edge Gallery,采用 Apache 2.0 开源许可。

入选理由:Gemma-4 12B 无需分别的视觉/音频编码器,图像与音频直接映射到 LLM,减少延迟与内存开销。

精选视频#Gemma#412B#多模态#本地部署#Hermes英文
Introducing Gemma 4 12B: a unified, encoder-free multimodal model

推出 Gemma 4 12B:面向本机的统一、无编码器多模态模型

The Keyword (blog.google)693 字 (约 3 分钟)
87

Gemma 4 12B 是面向本机运行的统一、无编码器多模态模型,将视觉与音频直接接入 LLM,性能接近 26B MoE 但内存仅其一半,可在 16GB VRAM 紧凑设备上运行,支持离线语音处理与低延迟多步推理。

入选理由:Gemma 4 12B 性能接近 26B MoE,内存仅其一半,适合在 16GB VRAM 现代本机运行。

精选文章#Gemma 4#12B#多模态#统一架构#无编码器英文
Specialization Beats Scale: A Strategic Variable Most AI Procurement Decisions Overlook

专门化胜过规模:大多数AI采购决策忽视的战略变量

Hugging Face Blog2802 字 (约 12 分钟)
87

专门化模型在企业应用中超越大规模通用模型,30亿参数的DharmaOCR模型在结构化OCR任务中击败所有商业前沿API,成本仅为五十分之一。企业AI采购策略应从规模导向转向专业化导向。

入选理由:30亿参数的DharmaOCR专门化模型在结构化OCR任务中击败所有商业前沿API

精选文章#AI模型#专门化#企业AI#OCR#模型采购英文
https://t.co/bey4uOXXHk

Hugging Face上最流行的100个AI硬件配置分析

clem 🤗(@ClementDelangue)811 字 (约 4 分钟)
87

基于29.7万用户数据,分析最受欢迎的AI硬件组合,显示NVIDIA、Apple和Intel在不同类别中的主导地位,以及显存对AI开发的重要性。

入选理由:AI开发者更看重显存容量而非算力,RTX 3060 12GB成为最流行独立GPU。

精选推文#Hugging Face#AI硬件#NVIDIA#Apple Silicon#本地AI英文
Using Hugging Face Jobs to train a NanoGPT model

Using Hugging Face Jobs to train a NanoGPT model

Hugging Face1697 字 (约 7 分钟)
85

Hugging Face Jobs 可以在 A100 GPU 上以 $1 的成本在 30 分钟内训练 NanoGPT 模型,无需修改代码或管理远程连接。

入选理由:使用 Hugging Face Jobs 可在 A100 GPU 上以 $1 成本训练 5000 万参数模型。

精选视频#Hugging Face#NanoGPT#AI训练#云计算英文
elvis(@omarsar0) 图标

https://t.co/Q2FiKv4lwK

elvis(@omarsar0)2124 字 (约 9 分钟)
85

2026 年评估论文揭示了当前 AI 模型评估体系的严重缺陷,强调构建可靠评估体系的重要性。

入选理由:2026 年 12 个基准测试中,有 50% 已经饱和,无法区分模型性能。

精选推文#AI#评估#基准测试#模型#研究英文
ParseBench-2 hit 30k monthly downloads in 3 days, and is #3 on @huggingface trending benchmarks! 📈
...

ParseBench-2 在发布三天内下载量达 3 万,成为 Hugging Face 热门基准榜第三,提供细粒度文档解析错误分类和与人工判断高度对齐的指标。

入选理由:ParseBench-2 提供细粒度的文档解析错误分类,便于精准评估模型性能。

精选推文#ParseBench-2#文档解析#Hugging Face#基准测试英文
There are thousands of OCR tools out there, and ParseBench-2 represents our attempt to not only buil...

ParseBench-2 是一个标准化的 OCR 工具评估框架,覆盖 40 个工具和 6 个维度,揭示了不同工具在特定场景下的表现差异。

入选理由:ParseBench-2 评估了 40 个 OCR 工具,覆盖 6 个维度,如表格、图表等。

精选推文#OCR#基准测试#模型评估#ParseBench-2中英混合
Hugging Face Blog 图标

XYBench: Helping with the problem behind the question

Hugging Face Blog1397 字 (约 6 分钟)
85

XYBench是首个测试AI助手识别用户误解能力的基准,揭示主流模型在纠正错误假设时表现不足。

入选理由:XYBench包含8115个问题,覆盖编程和日常场景如烹饪、家居维修

精选文章#AI#基准测试#自然语言处理#Hugging Face英文
Hugging Face Blog 图标

BotPsy是首个参数量低于10亿的设备端代理模型,在工具调用和代理任务上超越1.2B参数模型,适用于隐私敏感场景的本地部署。

入选理由:8B参数的BotPsy在6项基准测试中超越1.2B参数模型

精选文章#AI模型#设备端部署#Hugging Face#代理模型英文
Introducing the Multimodal Knowledge Agent benchmark

Introducing the Multimodal Knowledge Agent benchmark

The Keyword (blog.google)718 字 (约 3 分钟)
85

Google推出MKA基准测试,评估多模态代理处理视觉复杂任务的能力,包含200个真实行业任务。

入选理由:MKA包含200个任务,覆盖10个行业和83个职业

精选文章#AI#基准测试#多模态#Google英文
Machine Learning Mastery 图标

Attention Variants and Memory Efficiency

Machine Learning Mastery3078 字 (约 13 分钟)
85

不同注意力机制对模型推理内存需求影响显著,选择合适变体可优化服务容量。

入选理由:MHA与GQA的KV缓存需求差异可达300%(基于参数量相同模型)

精选文章#Transformer#注意力机制#内存优化#模型推理#Hugging Face英文
Hugging Face Blog 图标

Your Experts Have Partners. There's HOPE for Keeping Them Together

Hugging Face Blog2712 字 (约 11 分钟)
85

HOPE方法通过二阶专家剪枝在保持MoE模型性能的同时减少50%内存占用,实验证明其在代理编码任务上优于现有方法6.1%。

入选理由:HOPE方法在50%剪枝率下实现6.1%性能提升,优于其他剪枝方法

精选文章#MoE#模型压缩#专家剪枝#Hugging Face#Amazon英文
clem 🤗(@ClementDelangue) 图标

开源是机器人AI发展的关键,Hugging Face推动了10万+数据集和3万+模型共享,开源机器人销量突破5万台。

入选理由:Hugging Face平台公开了近10万机器人数据集(同比增长48%)和3万+模型(增长41%)。

精选推文#开源#机器人AI#Hugging Face#数据集#模型英文
Hugging Face Blog 图标

Egyptian and Nigerian English join the Open ASR Leaderboard

Hugging Face Blog414 字 (约 2 分钟)
85

Hugging Face与Liva AI合作,新增埃及和尼日利亚英语数据至Open ASR Leaderboard,提升全球口音覆盖。

入选理由:新增埃及(1.34小时)和尼日利亚(1.55小时)英语对话数据,支持非美国口音评估

精选文章#ASR#语音识别#数据集#Hugging Face#Liva AI英文
Hacker News Best 图标

Kimi K3.1 Pro model weights are out

Hacker News Best2577 字 (约 11 分钟)
85

Moonshot AI发布Kimi K3.1 Pro,支持104万token上下文窗口,MoE架构含2.8T参数,在代码生成等基准测试中超越竞品模型。

入选理由:Kimi K3.1 Pro采用MoE架构,总参数2.8T,激活参数104B,支持1048576 token上下文窗口

精选文章#模型架构#多模态AI#量化技术#基准测试英文
[AINews] Behind Latent Space: Kill My SaaS, Jev & AI in 2026 | AIEi Shanghai

[AINews] Behind Latent Space: Kill My SaaS, Jev & AI in 2026 | AIEi Shanghai

Latent Space7963 字 (约 32 分钟)
85

前沿大语言模型(LLMs)可直接生成或编辑神经网络权重,无需梯度训练,但存在基准测试和过拟合争议。

入选理由:Astra通过编辑Qwen3.5-0.8B的权重,使MATH-500准确率从7.9%提升至48.1%。

精选文章#AI#大语言模型#权重编辑#模型优化英文
Databricks 图标

The Enterprise Case for Open-Weight Models on Databricks

Databricks2002 字 (约 9 分钟)
85

开放权重模型通过降低企业AI成本、保障数据主权和操作自主性,成为企业AI战略新选择。Databricks的Unity AI Gateway与Omnigent结合可实现统一模型治理。

入选理由:开放权重模型成本比前沿模型降低30%-50%(引用Databricks基准测试)

精选文章#AI模型#企业AI#Databricks#模型治理#Open-Weight英文

跨材料问答 · Hugging Face

回答基于:Hugging Face 相关 30 条材料
    0 / 500

    AI 可能会生成不准确的信息,请核实重要内容