如何在 Chrome 扩展中使用 Transformers.js
Hugging Face 发布基于 Gemma 4 E2B 的 Transformers.js 浏览器扩展，演示如何在 Manifest V3 约束下本地运行 AI。
全部AI 动态
全部动态
今日 2 条Hugging Face BlogAI 评分4646
Ahead of AI · Sebastian RaschkaAI 评分4040 我理解 LLM 架构的工作流：从技术报告到配置文件与参考实现
Sebastian Raschka 分享了他绘制 LLM 架构图的工作流：先从官方技术报告入手，但如今论文细节常不如以往，尤其工业实验室的开源权重模型。若模型权重发布在 Hugging Face Model Hub 且被 Python transformers 库支持，可直接查看 config 文件与参考实现，"能跑通的"代码不会说谎。
Hugging Face BlogAI 评分5555 Hugging Face 发布 transformers 到 mlx-lm 移植 Skill 与测试框架
Hugging Face 发布一个 Skill 和配套的非智能体测试框架，帮助把语言模型从 transformers 移植到 mlx-lm，让模型加入 transformers 后能很快在 MLX 上可用。
Hugging Face BlogAI 评分3636 如何用 Sentence Transformers 训练和微调多模态嵌入与重排模型
微调 Qwen/Qwen3-VL-Embedding-2B 做视觉文档检索（VDR），在作者评测数据上 NDCG@10 从基座的 0.888 提升到 0.947，超过其测试的所有现有 VDR 模型，包括体积达 4 倍的模型。
Hugging Face Blog精选AI 评分6666 Sentence Transformers v5.4 多模态嵌入与重排序模型使用指南
Hugging Face 发布 Sentence Transformers v5.4，可在同一套 API 下编码和比较文本、图像、音频与视频，用于视觉文档检索、跨模态搜索和多模态 RAG。
推荐理由：官方博客给出 Sentence Transformers v5.4 多模态嵌入与重排序的完整代码用法和模型清单，可直接照抄跑通流程。
Ahead of AI · Sebastian RaschkaAI 评分5050 编码智能体的六大组件：Claude Code、Codex CLI 等 Agent 框架如何运作
编码智能体的能力差异更多来自模型外围的 agentic harness，而非模型本身。Claude Code、Codex CLI 等编码工具本质是把 LLM 包在应用层里的编码 harness，负责仓库上下文、工具设计、提示词缓存稳定性、记忆与长会话连续性。文章将其拆解为模型家族、agent 循环与运行时支持三层，循环内含 observe、inspect、choose、act 四步。
Hugging Face Blog精选AI 评分6969 Gradio 发布 gradio.Server，支持任意自定义前端搭配 Gradio 后端
Gradio 发布 gradio.Server，扩展 FastAPI，在原路由基础上叠加 Gradio 的 API 引擎，提供排队、SSE 流式、并发控制和 gradio_client 兼容。
推荐理由：Gradio 新 Server 模式把排队、并发与 ZeroGPU 能力开放给任意前端框架，读者可据此评估自建前端的后端选型。
Hugging Face BlogAI 评分5656 如何在 OpenClaw 等开源智能体平台中改用 Hugging Face 上的开源模型
Anthropic 限制 Pro/Max 订阅者在开放智能体平台中使用 Claude 模型，Hugging Face 博客给出把 OpenClaw、Pi、Open Code 等智能体迁移到开源模型的两条路径。
Ahead of AI · Sebastian RaschkaAI 评分3333 现代 LLM 注意力机制变体图解指南
Sebastian Raschka 发布 LLM 架构图库（含 45 个条目），每个条目配有可视化模型卡，并推出 Redbubble 海报版。文章同时系统梳理现代开源权重模型中采用的各类注意力变体，从标准多头注意力（MHA）讲起，覆盖分组查询注意力、滑动窗口注意力等，示例架构包括 GPT-2、OLMo 2 7B 和 OLMo 3 7B。
Hugging Face Blog精选AI 评分6363 如何在一天内构建领域专用嵌入模型
NVIDIA 发布一套在单张 GPU 上不到一天完成领域嵌入模型微调的流程，基于 Llama-Nemotron-Embed-1B-v2，无需人工标注。流程用 nemotron-3-nano-30b-a3b 从领域文档生成合成问答数据、挖掘难负样本并做多跳展开，再用对比学习微调，实测 nDCG@10 与 Recall@10 均提升约 10%。
推荐理由：NVIDIA 给出了从合成数据、难负样本挖掘到 ONNX/TensorRT 部署的完整嵌入模型微调配方，附真实评测数字。
Hugging Face BlogAI 评分4848 Hugging Face 调查 16 个开源 RL 库：异步训练如何让 GPU 不再空转
Hugging Face 对 16 个开源强化学习库做了横评，梳理出异步 RL 训练的通用架构：把推理与训练拆到不同 GPU 池、用 rollout buffer 连接并异步同步权重，避免生成期训练 GPU 空转。
Hugging Face BlogAI 评分3737 Ulysses 序列并行：如何用百万级 Token 上下文训练大模型
Snowflake AI Research 的 Ulysses 序列并行（属 Arctic Long Sequence Training 协议）通过将注意力头拆分到多 GPU，解决超长上下文的显存瓶颈。
Hugging Face BlogAI 评分4343 Hugging Face 发布嵌入式机器人 AI 指南：数据集录制、VLA 微调与端侧优化
Hugging Face 发布 NXP 的嵌入式机器人 AI 实操指南，覆盖数据集录制、VLA 策略微调（ACT 与 SmolVLA）及端侧优化。指南建议采用顶视、夹爪、左视三摄像头配置，按 10×10 cm 划分 11 个工作区簇、每簇至少录制 10 个 episode，并用 20% 恢复型 episode 提升成功率。
Hugging Face BlogAI 评分3232 PRX Part 3：24 小时训练一个文本到图像模型
Hugging Face 博客发布 PRX 系列第三篇，用 32 张 H200、约 1500 美元算力预算（2 美元/小时/GPU）在 24 小时内完成文本到图像扩散模型训练。该方案堆叠 x-prediction 像素空间训练、LPIPS 与 DINOv2 感知损失、TREAD token 路由、REPA 对齐及 Muon 优化器，并开源训练代码。
Hugging Face BlogAI 评分5252 Hugging Face 解读 transformers 如何支持 MoE 架构
Hugging Face 发布长文，介绍 transformers 库为支持 MoE 稀疏架构所做的改造，涵盖权重加载重构、专家后端、专家并行与 MoE 训练四部分。
Hugging Face Blog精选AI 评分6262 用 Unsloth 与 Hugging Face Jobs 免费微调小模型
Hugging Face 发布教程，介绍如何通过 Claude Code、Codex 等编码智能体结合 Unsloth 与 Hugging Face Jobs 微调小模型（示例为 LiquidAI/LFM2.5-1.2B-Instruct）。
推荐理由：原文给出从安装 Skill 到提交 HF Jobs 的完整命令与分档价格，读者可照此复现小模型微调流程。
Hugging Face Blog精选AI 评分6262 Gradio 6 的 gr.HTML 支持自定义模板，可一句话生成完整 Web 应用
Gradio 6 为 gr.HTML 加入自定义模板、作用域 CSS 和 JavaScript 交互能力，前端、后端与状态管理可以全部写进单个 Python 文件，无需构建步骤，几秒内部署到 HF Space。
推荐理由：Gradio 6 的 gr.HTML 打通了单文件前后端与状态同步，读者可据此判断 LLM 一句话生成完整 Web 应用的工作流是否可行。
Hugging Face Blog精选AI 评分6969 Hugging Face 发布 CUDA 内核 Agent 技能，让 Codex 与 Claude 自动生成生产级 kernel
Hugging Face 构建了一个 agent skill，教编码智能体编写生产级 CUDA kernel，并让 Claude 和 Codex 针对 diffusers 的 LTX-Video 与 transformers 的 Qwen3-8B 两个真实目标端到端生成了可运行的 kernel，包含正确的 PyTorch 绑定与基准脚本。
推荐理由：Hugging Face 把 CUDA kernel 开发知识封装成可安装的 Agent 技能，并给出两组真实基准，读者可据此判断它在自有项目中的复用价值。
Hugging Face BlogAI 评分5858 OpenEnv 实践：在真实环境中评测工具调用智能体
Hugging Face 博客介绍 Meta 与 HF Mirror 合作的开源框架 OpenEnv，它用 gym 风格 API 和标准 MCP 工具调用接口把智能体接入真实工具与 API，而非模拟环境。
Hugging Face BlogAI 评分3434 PRX 文本到图像模型训练设计：消融实验的经验
Hugging Face 博客发布 PRX 文本到图像模型训练系列第二部分，用统一实验设置复现并消融近期训练技巧，评估其对收敛与效率的影响。基线为 1.2B 参数的 PRX-1.2B，纯 Flow Matching、无额外目标，训练 100k 步、256×256 分辨率、全局 batch size 256，用 FID、CMMD、DINO-MMD 与吞吐量监控。
Hugging Face Blog精选AI 评分6161 用 Claude 生成 CUDA kernel 技能并迁移到开源模型
Hugging Face 博客介绍新工具 upskill，用大模型生成并评估 agent 技能，再交给小模型使用，在编写 CUDA kernel 任务上做了基准测试。
推荐理由：用教师模型生成 Skill 再迁移到小模型的完整流程，读者可据此评估自己场景下的迁移收益。
Hugging Face BlogAI 评分4343 解锁 GPT-OSS 的智能体 RL 训练：一次实践复盘
Hugging Face 博客复盘了用 verl 框架对 GPT-OSS-20B 做智能体强化学习训练的过程，该模型此前已被验证性能接近 OpenAI o3-mini 和 o4-mini，但尚未验证是否适合智能体 RL 训练。
Ahead of AI · Sebastian RaschkaAI 评分3030 LLM 推理如何做推理时扩展：六大方法分类与最新进展
LLM 推理时扩展（inference-time scaling）通过投入更多推理算力提升答案质量，已成为各大模型厂商的常规手段。Sebastian Raschka 将现有方法归为六大类：思维链提示、自一致性、Best-of-N 排序、带验证器的拒绝采样、自 refinement 与解路径搜索，并介绍了近几个月的新工作。
OpenAI NewsAI 评分3131 小团队如何用 ChatGPT 做大：数据分析、营销、预算与决策实战指南
OpenAI 发布一份实用指南，展示小团队如何借助 ChatGPT 完成数据分析、制作营销素材、管理预算、主持会议并做出更优决策。指南聚焦小团队在资源有限下用 ChatGPT 覆盖多项日常运营任务，属于实操性使用指导，未披露具体模型版本或性能数据。
OpenAI NewsAI 评分2828 OpenAI 构建 AI 智能体实用指南
OpenAI 发布构建 AI 智能体的实用指南，覆盖用例设计、模型选择、工具设计、护栏机制与多智能体模式。指南面向智能体的设计、编排与部署全流程，给出可落地的实践方法。
OpenAI NewsAI 评分3333 如何使用 GPT-5 模型系列构建应用：实用指南
OpenAI 发布面向初创企业的 GPT-5 模型系列实用指南，涵盖迁移至 Responses API、设计智能体、调优提示词、引导 GPT-5 模型以及构建可靠 AI 工作流。
OpenAI NewsAI 评分2626 OpenAI 如何用 Codex 加速工程开发
OpenAI 详解其内部团队如何借助 Codex 理解代码、重构系统、提升性能并加快工程节奏，从而改善整体开发工作流。
Hugging Face Blog精选AI 评分6565 NVIDIA 用 DGX Spark 与 Reachy Mini 搭建桌面智能体教程
NVIDIA 在 CES 2026 展示了用 DGX Spark 驱动 Reachy Mini 桌面机器人搭建个人智能体的方案，并发布逐步复现教程。
推荐理由：原文给出从推理模型到机器人动作的完整可复现步骤，可迁移到自建私有语音与视觉智能体。
Hugging Face BlogAI 评分4242 Transformers v5 重构 tokenization：更简单、更清晰、更模块化
Hugging Face 发布 Transformers v5，将 tokenizer 设计从已训练词表中分离，类似 PyTorch 将网络架构与学习权重分开，使 tokenizer 更易检查、定制和从头训练。
Hugging Face Blog精选AI 评分6464 Hugging Face 教程：让 OpenAI Codex 端到端训练开源模型
Hugging Face 发布教程，展示如何用 HF Skills 让 OpenAI Codex 完成端到端机器学习实验：验证数据集、选择硬件、生成并提交训练任务、监控进度、评估模型并生成报告。
推荐理由：完整演示了把端到端微调实验交给编码智能体的整套流程，可据此迁移到自己的训练任务。
Hugging Face Blog精选AI 评分6969 Hugging Face 发布 HF Skills，让 Claude Code 直接微调开源 LLM
Hugging Face 发布 HF Skills，通过 hf-llm-trainer 等技能让 Claude Code、Codex、Gemini CLI 直接提交云端 GPU 微调任务并推送到 Hub。技能支持 SFT、DPO 和 GRPO，可训练 0.5B 到 70B 参数模型并转换为 GGUF 本地部署，官方示例微调 Qwen3-0.6B 约需 20 分钟、0.30 美元。
推荐理由：官方给出从数据校验、选卡到提交训练和转 GGUF 的完整流程与成本区间，可直接照做。
Ahead of AI · Sebastian Raschka精选AI 评分7676 从 DeepSeek V3 到 V3.2：架构、稀疏注意力与强化学习更新
Sebastian Raschka 梳理了 DeepSeek V3 到 V3.2 的演进，指出 V3.2 沿用 V3.2-Exp 的架构，核心变化是加入 DeepSeek Sparse Attention（DSA）以提升效率。
推荐理由：以 DeepSeek 技术报告为线索，梳理 V3 到 V3.2 的架构与训练变化，帮助读者看清稀疏注意力和 RL 奖励设计的取舍。
Hugging Face BlogAI 评分4343 从第一性原理理解 continuous batching：LLM 推理吞吐优化是如何推导出来的
Hugging Face 博客从注意力机制与 KV 缓存出发，用吞吐量优化推导出 continuous batching：通过并行处理多段对话、完成即换出来提升高负载场景下的推理性能。
Hugging Face BlogAI 评分3434 Tavily 如何打造达到 SOTA 的深度研究智能体
Tavily 分享了其深度研究智能体的构建经验，该系统通过自研 agent harness 在上下文管理、工具调用与错误处理上做优化，达到 SOTA。团队曾在七个月前彻底放弃第一版架构重写系统，原因是复杂设计在下一代模型出现后成为瓶颈。
Hugging Face BlogAI 评分2727 用 HF Mirror 轻松构建和分享 ROCm 内核
HF Mirror 的 kernels 库支持用 kernel-builder 构建并向 kernels-community 分享 GPU 内核，覆盖 CUDA、ROCm、Metal、XPU 等后端，并与 PyTorch 无缝集成。
Ahead of AI · Sebastian RaschkaAI 评分3636 超越标准 LLM：Sebastian Raschka 详解线性注意力混合架构等替代方案
Sebastian Raschka 撰文梳理标准 Transformer 之外的 LLM 替代架构，覆盖文本扩散模型、线性注意力混合架构和代码世界模型等方向。部分方案主打更高效率，另一些如代码世界模型意在提升建模性能。他此前发布的 Big LLM Architecture Comparison 聚焦主流 Transformer 架构，本次文章回应了读者对替代路线的疑问。
Hugging Face BlogAI 评分3939 MiniMax M2 的智能体泛化：对齐基准还是对齐真实世界？
MiniMax 在 Hugging Face 博客复盘 M2 后训练中的智能体对齐经验：智能体泛化不只是适配新工具，而要适应工具信息、系统提示词、用户提示词、环境与工具返回等全流程扰动。
Hugging Face BlogAI 评分4141 NVIDIA Isaac for Healthcare v0.4：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和"自带手术室"教程，覆盖数据采集、训练与部署全流程。
Hugging Face BlogAI 评分5858 英伟达 Isaac for Healthcare 如何用 SO-ARM 构建医疗机器人
NVIDIA 发布 Isaac for Healthcare v0.4，提供基于 SO-ARM 的端到端起步工作流和自带手术室教程，覆盖从仿真采数据、训练策略到真机部署的完整链路。
Hugging Face BlogAI 评分4040 Hugging Face 提出「语音同意门」：让语音克隆必须先获得本人同意
Hugging Face 发布博客提出「voice consent gate」（语音同意门）方案，让语音克隆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。该方案由三部分组成：生成约 20 词、含同意短语和模型名的随机英文句子，用 ASR 识别同意语句，再由 TTS 语音克隆系统合成语音。团队同时放出示例 Space 和配套代码，并建议同意录音直接来自麦克风而非上传文件。