用 Strands Agents 和 LeRobot 从 Hugging Face Hub 走到机器人硬件
AWS 开源的 Strands Robots SDK 将 LeRobot 相关的数据录制、策略推理和机器人抽象封装成 AgentTools，可组合成单个 Strands agent，把 Hub 上的数据集一路走到物理机器人。
推荐理由：完整走通从 Hub 数据集到真机的一条 Agent 流水线，说明仿真与硬件数据共用同一格式后，训练脚本可以不加改动地互换使用。
#教程/实践
#教程/实践
今日 2 条Hugging Face Blog精选AI 评分6363
Hugging Face BlogAI 评分2828 PyTorch 性能剖析（第二部分）：从 nn.Linear 到融合 MLP
PyTorch 性能剖析系列第二部分用 nn.Linear（bias=True）替换手写的 matmul-add，再堆叠三层并加入激活构成 MLP，在 NVIDIA A100-SXM4-80GB 上分析 profiler trace。
Hugging Face Blog精选AI 评分6161 作者如何让 Agent 串联两个 Hugging Face Space 搭建 3D 巴黎画廊
作者让编程智能体调用两个 Hugging Face Space 搭建了一个展示巴黎地标的 3D 高斯泼溅画廊：ideogram4 负责由提示词生成图像，VAST-AI/TripoSplat 负责将单张图像重建成 .ply 格式的 3D 高斯泼溅。
推荐理由：作者以一条可复现的智能体流水线，展示如何用 agents.md 串联两个 Space 完成图像与 3D 生成。
Hugging Face BlogAI 评分4242 如何将 GitHub CI 迁移到 HF Jobs：Trackio 实践指南
Hugging Face 发布指南，介绍如何通过 huggingface/jobs-actions 把 GitHub Actions 的 CI 任务迁移到 HF Jobs 上运行。该方案将 GitHub Actions 任务转为 HF Jobs 内的临时自托管 runner，Trackio 借此让 CPU 任务 CI 时间缩短约 30%，并新增了在 GPU 机器上运行的测试套件。
Hugging Face BlogAI 评分3232 超越聊天机器人的直接偏好优化：用模型自身失败样本的拒绝对降低 OCR 文本退化
DharmaOCR 团队将直接偏好优化（DPO）用于结构化 OCR 而非聊天对齐，用模型自身失败输出构建拒绝对，在所有测试模型家族中均降低了文本退化，平均降幅 59.4%，最高 87.6%（Nanonets-OCR2–3B 从 1.61% 降至 0.20%）。监督微调（SFT）虽能降低多数模型的退化率，但很少达到生产可接受水平，因为其目标并不显式惩罚重复循环。
Hugging Face BlogAI 评分2222 PyTorch 性能剖析入门指南：torch.profiler 使用教程（第一部分）
Hugging Face 发布 PyTorch 性能剖析系列第一篇，讲解如何用 torch.profiler 定位 LLM 训练与推理中的性能瓶颈。教程以矩阵乘法加偏置为例，演示如何记录 matmul_add、导出 profiler 表格与 trace，并解读 CPU、GPU lane 及 CUDA kernel 调度链路。
Hugging Face BlogAI 评分5656 Reachy Mini 实现完全本地语音对话
Hugging Face 博客介绍如何让 Reachy Mini 的语音对话全流程本地运行，使用其 speech-to-speech 级联管线（VAD → STT → LLM → TTS），无需云端、API key 或数据外传。
Hugging Face BlogAI 评分3535 Hugging Face 详解 AI 智能体术语：Model、Scaffolding、Harness 到底怎么分
Hugging Face 发布 AI 智能体术语表，厘清 model、scaffolding、harness、agent、context engineering、sub-agents 等常被混用的概念。
Hugging Face Blog精选AI 评分6464 Hugging Face 详解连续批处理中的异步化：用 CUDA 流与事件消除 CPU-GPU 串行等待
Hugging Face 博客发布第二篇高效 LLM 推理系列文章，讲解如何在连续批处理中实现异步化：将 CPU 的批准备与 GPU 的计算解耦，用 H2D、compute、D2H 三个非默认 CUDA 流配合 CUDA event 跨流同步，并处理双缓冲防数据竞争与 carry-over 传递新 token。
推荐理由：以 CPU 与 GPU 串行浪费为主线，给出三流分离与 CUDA event 同步的异步批处理实现思路，可迁移到长序列推理部署优化。
Hugging Face BlogAI 评分1919 AWS 上基础模型训练与推理的构建模块
AWS 撰文解析基础模型训练与推理的系统架构，指出扩展已从预训练单曲线演变为预训练、后训练与测试时计算三条路线，三者对加速计算、高带宽低延迟网络和分布式存储提出趋同的基础设施需求。
Berkeley AI ResearchAI 评分4040 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了从自一致性、Best-of-N、Tree of Thoughts 到 ThreadWeaver、ParaThinker、GroupThink、Hogwild!
Hugging Face BlogAI 评分3636 vLLM V0 迁移到 V1：RL 训练中先对齐正确性再改目标函数
PipelineRL 将推理引擎从 vLLM V0 迁移到 V1 时出现训练-推理不匹配，修复 logprobs 语义、V1 运行时默认值、inflight 权重更新路径和 fp32 lm_head 四处后 V1 与 V0 参考轨迹重新对齐。
Hugging Face BlogAI 评分5353 如何用 OpenAI Privacy Filter 构建可扩展 Web 应用
OpenAI 本周在 Hub 上发布 Privacy Filter，一个开源 PII 检测器，单次前向传播即可在 128k 上下文中标注八类信息。它是 1.5B 参数、50M 激活参数的模型，Apache 2.0 许可，在 PII-Masking-300k 基准上达到 SOTA。
Hugging Face BlogAI 评分4646 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。
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。
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。
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。
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。
Hugging Face Blog精选AI 评分7878 Open Responses 是什么：一个面向智能体的开放推理标准
由 OpenAI 发起、开源社区共建、Hugging Face 生态支持的开放推理标准 Open Responses 发布，它基于 Responses API，面向智能体场景。
推荐理由：梳理 Open Responses 规范对 Responses API 的开放化改动，读者据此判断现有推理客户端和路由的迁移成本。
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。
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。