Hugging Face 推出 Hub 上的 Storage Buckets 可变对象存储
Hugging Face 在 Hub 上推出 Storage Buckets，一种面向生产 ML 中途产物的可变对象存储，可浏览、通过 Python 调用或用 hf CLI 管理。
#数据/训练
#数据/训练
今日 12 条Hugging Face BlogAI 评分5656 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。
Google DeepMindAI 评分3434 AlphaGo 十年：从围棋到生物学，再到更多领域的影响
Google DeepMind 回顾 AlphaGo 击败围棋世界冠军十周年，称其标志现代 AI 时代的开端。此后其搜索与强化学习方法衍生出 AlphaGo Zero、AlphaZero，并推动 AlphaFold 2 破解蛋白质折叠难题，AlphaFold 数据库已被超 300 万研究人员使用，相关成果于 2024 年获得诺贝尔化学奖。
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 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。
Google DeepMindAI 评分3434 Google DeepMind 与印度达成 National Partnerships for AI 合作，推动科学与教育
Google DeepMind 与印度政府机构及本地机构建立 National Partnerships for AI 合作，向印度研究者开放 AlphaGenome、AI Co-scientist、Earth AI 等前沿科学模型，并与 ANRF 合作推动 AI 在科研中的应用。
Hugging Face BlogAI 评分3333 Hugging Face 推出 SyGra Studio：合成数据生成可视化画布
SyGra 2.0.0 推出 Studio，把合成数据生成从 YAML 文件和终端搬到可视化画布上，配置流程时同步生成 SyGra 兼容的 graph config 与任务执行脚本。
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 BlogAI 评分3939 中国开源 AI 生态的架构选择：从 DeepSeek 走向何方
继 2025 年 1 月「DeepSeek 时刻」后，中国开源社区在架构与硬件上集体转向 MoE，Kimi K2、MiniMax M2、Qwen3 等均采用该架构。
Hugging Face BlogAI 评分2222 Hugging Face 发布 Alyah 基准，评估阿拉伯语 LLM 的阿联酋方言能力
Hugging Face 团队推出 Alyah（الياه，阿联酋语意为"北极星"）基准，用于评估阿拉伯语 LLM 对阿联酋方言的语言、文化与语用理解能力。该基准包含 1,173 条由阿联酋母语者人工采集的样本，均为四选一多选题，正确选项位置随机分布以避免位置偏差。
Hugging Face BlogAI 评分4040 Hugging Face 回顾"DeepSeek 时刻"一周年：中国开源 AI 生态崛起
DeepSeek 发布 R-1 模型一年后，其开源权重成为 Hugging Face 史上获赞最多的模型。R1 以 MIT 许可开放推理路径与后训练方法，降低了技术、采用与心理三重门槛。百度 2024 年在 Hugging Face 零发布，2025 年增至 100 余个，字节跳动与腾讯发布量增长八到九倍。
Ahead of AI · Sebastian RaschkaAI 评分1212 LLM 研究论文清单：2025 年 7 月至 12 月
Sebastian Raschka 发布 2025 年 7 月至 12 月的 LLM 研究论文整理清单，按推理模型、其他强化学习方法、推理时扩展方法、模型发布与技术报告、架构、高效训练、扩散语言模型、多模态与视觉语言模型、数据与预训练数据集等类别划分。
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 BlogAI 评分3939 NVIDIA 开源 Nemotron 3 Nano 30B A3B 完整评测配方，基于 NeMo Evaluator
NVIDIA 发布 Nemotron 3 Nano 30B A3B，并公开用 NeMo Evaluator 库生成的完整评测配方，任何人都能复跑评测流程、检查产物并独立分析结果。
Google DeepMindAI 评分4141 Google DeepMind 联合 Kaggle 推出 FACTS Benchmark Suite，系统评测大语言模型事实性
Google DeepMind 与 Kaggle 联合发布 FACTS Benchmark Suite，在原有 FACTS Grounding 基础上新增 Parametric、Search、Multimodal 三项基准，并将 Grounding 升级至 v2，共含 3,513 个示例。
Google DeepMindAI 评分4141 Google DeepMind 用 AlphaFold 改造光合作用关键酶，培育更耐热作物
密歇根州立大学 Berkley Walker 团队借助 AlphaFold 预测光合作用关键酶 GLYK 的三维结构，发现植物版 GLYK 的三个柔性 loop 在高温下失稳。研究人员用嗜热藻类 GLYK 中更刚性的 loop 替换这些不稳定区域，构建的杂合酶中有一个在高达 65 °C 下仍保持稳定。
Hugging Face BlogAI 评分4747 Intel 发布 DeepMath：基于 Qwen3-4B 和 smolagents 的轻量数学推理 Agent
Intel AI Software Group 发布 DeepMath，一个基于 Qwen3-4B Thinking、用 smolagents 构建并用 GRPO 微调的数学推理 Agent，模型输出短 Python 片段在沙箱中执行后回填推理。
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 Blog精选AI 评分7070 Hugging Face 发布 Transformers v5：简化模型定义并强化推理与量化
Hugging Face 发布 Transformers v5 首个候选版本 v5.0.0rc-0，主题为互操作性。官方称该库每日 pip 安装量已超 300 万次，累计安装超 12 亿次，支持的模型架构从 v4 时的 40 个增至 400 余个，Hub 上兼容的模型 checkpoint 超过 75 万个。
推荐理由：官方长文给出 v5 在模块化定义、推理接口与量化上的改动，读者可据此判断迁移成本与生态兼容性。
Google DeepMind精选AI 评分6666 Google DeepMind 支持美国能源部 Genesis 计划，向 17 个国家实验室开放前沿科研模型
Google DeepMind 宣布支持美国白宫 Genesis Mission，该项国家级计划将动员美国能源部 17 个国家实验室、产业界与学术界共建一体化科研发现平台。
推荐理由：材料给出 Google DeepMind 与 DOE 合作中优先开放的具体模型清单与时间表，读者可据此判断前沿 AI 进入科研机构的实际路径。
Hugging Face BlogAI 评分4444 HF Mirror TRL 集成 RapidFire AI，微调速度提升最高 24 倍
HF Mirror TRL 正式集成 RapidFire AI，可并发启动多组 TRL 配置、甚至在单 GPU 上对比微调与后训练方案，实验吞吐量比顺序对比提升约 16–24 倍。
Hugging Face BlogAI 评分2828 Hugging Face Open ASR Leaderboard 新增多语言与长音频赛道，并发布 60+ 模型趋势预印本
Hugging Face 的 Open ASR Leaderboard 新增多语言与长音频转写赛道，并发布了一份基于 60+ 个开源与闭源模型的趋势预印本。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 WeatherNext 2 天气预报模型
Google DeepMind 与 Google Research 发布天气预报模型 WeatherNext 2，称其生成预报速度提升 8 倍，分辨率最高可达 1 小时级，可在单个 TPU 上不到一分钟生成一次预测。
推荐理由：官方公开了生成式天气预报模型的速度、分辨率提升与多个落地入口，可据此判断这类模型进入实际产品的节奏。
Google DeepMindAI 评分4848 Google DeepMind 新研究：让 AI 视觉模型更像人一样看世界
Google DeepMind 在 Nature 发表新论文，提出一种三步对齐方法，用认知科学的"odd-one-out"任务发现视觉模型常依赖背景色、纹理等表层特征，与人类判断系统性错位。团队以 SigLIP-SO400M 为基座训练适配器作为"教师"，生成含百万张图像、数百万条类人判断的 AligNet 数据集，再微调其他模型，使其内部表征按人类概念层级重新组织，从而提升鲁棒性与泛化能力。
Google DeepMindAI 评分4545 Google 用 AI 预测森林砍伐风险、绘制物种分布图并升级生物声学模型 Perch
Google 发布森林砍伐风险预测基准数据集，基于纯卫星输入和 vision transformer 架构，可在大范围区域内实现 30 米分辨率预测。
Berkeley AI ResearchAI 评分3535 无需 TD 学习：用分治法扩展 off-policy 强化学习
一篇新研究提出以分治法（divide and conquer）替代时序差分（TD）学习的 off-policy 强化学习算法，将 Bellman 递归次数从线性降到对数级，从而扩展至长时程任务。
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3838 Hugging Face 解析全球算力格局变迁：中国芯片开始承载国产开源模型
Hugging Face 发文分析全球 AI 算力格局的迁移：中国国产芯片已开始承载 Qwen、DeepSeek、GLM、Kimi 等开源权重模型的推理，部分模型开始用国产芯片训练。文章指出，美国出口管制与华为 Ascend、寒武纪等国产芯片产能的加速高度相关，芯片受限也倒逼出 MLA、GRPO 等算力效率创新。
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5757 Hugging Face 将流式数据集加载效率提升 100 倍
Hugging Face 改进 datasets 库的 streaming=True 流式加载，实现数据文件解析快 10 倍、启动请求最多减少 100 倍、流式速度提升最多 2 倍，且在 256 并发 worker 下 0 崩溃。
Hugging Face BlogAI 评分4141 Sentence Transformers 正式加入 Hugging Face
Sentence Transformers 从 TU Darmstadt 的 UKP Lab 转由 Hugging Face 维护，Hugging Face 的 Tom Aarsen 自 2023 年底起已负责该项目并将继续领导。
Hugging Face BlogAI 评分3030 Hugging Face 发起 AI for Food Allergies 项目，用 AI 推进食物过敏研究
Hugging Face 发起 AI for Food Allergies 项目，计划建设首个社区驱动的研究实验室，探索 AI 如何推进食物过敏研究。
Hugging Face BlogAI 评分3030 Google Cloud C4 搭配 Intel 与 HF Mirror，将 GPT OSS 的 TCO 改善 70%
Intel 与 HuggingFace 合作，在搭载 Intel Xeon 6 处理器（GNR）的 Google Cloud C4 虚拟机上对 OpenAI GPT OSS（120B MoE）做文本生成基准测试，相比上代 C3 实例 TCO 改善 1.7 倍，TPOT 吞吐/vCPU/美元提升 1.4x–1.7x，每小时价格更低。
Hugging Face BlogAI 评分3636 NVIDIA 发布 Nemotron-Personas-India：面向主权 AI 的合成数据
NVIDIA 发布 Nemotron-Personas-India，首个面向印度人格的开放合成数据集，采用 CC BY 4.0 许可，含 2100 万条 persona、77 亿 token，覆盖印度全部 36 个邦和 640 个地区，支持英语和印地语（天城文与拉丁文）。
Hugging Face BlogAI 评分5151 NVIDIA 发布 Nemotron-Personas-Japan 合成日本人画像数据集
NVIDIA 发布 Nemotron-Personas-Japan，一个面向日本主权 AI 的开放合成画像数据集，共 600 万条自然日语画像，采用 CC BY 4.0 授权，可商用与非商用。
Hugging Face BlogAI 评分3636 Hugging Face 推出 SyGra：为 LLM 和 SLM 构建数据的一站式框架
Hugging Face 推出低代码/无代码框架 SyGra，用于为 LLM 和 SLM 简化数据集的创建、转换与对齐，覆盖 Q&A 生成、DPO 偏好对、推理增强、RAG 长上下文构建及跨语言转换等场景。SyGra 提供 Python 库，支持 vLLM、Hugging Face TGI、Triton、Ollama 等多种推理后端，让用户专注提示词工程而非繁琐的脚本管线。
Hugging Face BlogAI 评分3737 LeRobotDataset v3.0 发布：把大规模数据集带进 lerobot
Hugging Face 发布 LeRobotDataset v3.0，将多个 episode 打包进单个文件，并用关系型元数据在 episode 级别检索，解决 v2 每文件一个 episode 在百万级数据集上的文件系统瓶颈。
Hugging Face BlogAI 评分2828 Writer 发布 Palmyra-mini 系列开源小模型，含两款推理版本
Writer 发布 Palmyra-mini 系列三款开源模型，参数规模 1.5B 至 1.7B，包括非思考基础模型 palmyra-mini 与两款经 Chain of Thought 训练的推理变体 palmyra-mini-thinking-a、palmyra-mini-thinking-b。