AlphaGenome: AI for better understanding the genome★ 82
Google DeepMind Blog342d agoReleaseGoogle DeepMind 發表全新 DNA 序列統一模型「AlphaGenome」，旨在深化人類對基因組功能的理解。該模型顯著提升了「調控變異效應（regulatory variant-effect）」的預測精準度，有助於疾病研究與基因療法開發。目前 AlphaGenome 已正式透過 API 開放給全球研究人員使用。
How we're supporting better tropical cyclone prediction with AI★ 75
Google DeepMind Blog355d agoReleaseGoogle DeepMind 宣布推出全新平台「Weather Lab」，展示其在熱帶氣旋預測方面的實驗性 AI 技術。同時，DeepMind 將與美國國家颶風中心（NHC）展開合作，在今年的氣旋季節中提供預報與警報支持。此舉旨在利用先進的 AI 氣象預報模型，提高極端天氣預測的準確性，協助各界更好地進行防災準備。
How Long Prompts Block Other Requests - Optimizing LLM Performance★ 80
Hugging Face Blog355d agoTutorial本文探討 LLM 在處理長 Prompt 時，因 Prefill（預填充）階段佔用大量 GPU 運算，導致其他短請求或生成階段被阻塞的「隊頭阻塞」現象。文章深入分析了 Prefill 與 Decode 階段的資源衝突，並提出分塊預填充（Chunked Prefill）與 Prompt 快取（Prompt Caching）等關鍵優化策略，以在多用戶併發環境下顯著降低延遲並提升吞吐量。
Post-Training Isaac GR00T N1.5 for LeRobot SO-101 Arm★ 75
Hugging Face Blog356d agoTutorial本指南介紹如何結合 NVIDIA 的 Isaac GR00T N1.5 機器人基礎模型與 Hugging Face 的開源機器人平台 LeRobot。 透過後訓練（Post-Training）與微調技術，開發者能讓強大的 GR00T 模型適配低成本、開源的 SO-101 五軸機械手臂。 此合作降低了具身智能（Embodied AI）的開發門檻，展示了從模擬到真實世界（Sim-to-Real）的高效轉移路徑。
Building secure AI agents★ 80
Vercel Changelog358d agoTutorial隨著 AI Agent 從單純對話走向自主執行任務，安全挑戰日益嚴峻。Vercel 釋出指南，探討如何透過安全沙盒（如 E2B）隔離程式碼執行、利用 IAM 限制 Agent 權限、防範提示詞注入，以及在關鍵步驟引入「人工確認（Human-in-the-Loop）」機制，幫助開發者在 Vercel 平台上構建兼具功能與安全性的 AI 應用。
Holo1: New family of GUI automation VLMs powering GUI agent Surfer-H★ 78
Hugging Face Blog364d agoRelease法國 AI 新創公司 H (Hcompany) 於 Hugging Face 發表了全新的視覺語言模型 (VLM) 家族「Holo1」，專為 GUI（圖形使用者介面）自動化設計。該模型家族是其全新 GUI 代理人「Surfer-H」的核心引擎。Holo1 具備強大的視覺解析與螢幕定位能力，能夠理解複雜的網頁與應用程式介面，並執行點擊、輸入等操作。這項釋出標誌著 AI 代理人從單純的文字 API 呼叫，邁向能像人類一樣直接透過視覺操作任何軟體介面的新階段。
Falcon-H1: A Family of Hybrid-Head Language Models Redefining Efficiency and Performance★ 75
Hugging Face Blog377d agoRelease阿聯酋技術創新研究所（TII）在 Hugging Face 上發布了全新的 Falcon-H1 系列模型。該系列主打「混合頭（Hybrid-Head）」架構，旨在解決傳統 Transformer 模型在處理長文本時的運算瓶頸。透過結合不同的注意力機制或序列處理技術，Falcon-H1 成功在推論效率、記憶體佔用與模型性能之間取得全新平衡，為開源 AI 社群注入高效能的新選擇。
Falcon-Arabic: A Breakthrough in Arabic Language Models
Hugging Face Blog377d agoRelease阿布達比技術創新研究所（TII）在 Hugging Face 上發布了專為阿拉伯語設計的 Falcon-Arabic 模型。該模型旨在解決阿拉伯語在自然語言處理（NLP）中因複雜語法與方言多樣性帶來的挑戰。作為開源 Falcon 家族的新成員，Falcon-Arabic 將為中東及全球開發者提供更精準、高效的阿拉伯語 AI 解決方案。
SynthID Detector — a new portal to help identify AI-generated content★ 80
Google DeepMind Blog378d agoNew ToolGoogle 在 I/O 大會上宣布推出「SynthID Detector」全新入口網站。該平台旨在幫助使用者辨識在網路上看到的內容是否由 AI 生成。透過整合 Google DeepMind 的 SynthID 隱形浮水印技術，此工具提供了一個直觀且公開的管道，讓大眾能更透明地了解數位內容的來源與真實性。
Vision Language Models (Better, faster, stronger)★ 80
Hugging Face Blog387d agoOpinionHugging Face 發布 2025 年視覺語言模型（VLM）趨勢報告。文章深入探討 VLM 在「更強（推理與 OCR）」、「更快（輕量化與推論優化）」與「更實用（多模態 Agent）」三大維度的演進。推薦了 Qwen2.5-VL、Llama-3.2-Vision 等主流開源模型，並介紹如何利用 Hugging Face 生態系進行高效部署與微調。
LeRobot Community Datasets: The “ImageNet” of Robotics — When and How?★ 80
Hugging Face Blog388d agoOpinionHugging Face 旗下的開源機器人專案 LeRobot 致力於解決機器人領域缺乏標準化、大規模資料集的問題。本文探討如何透過社群協作，建立類似於電腦視覺界「ImageNet」的機器人資料集。文章介紹了 LeRobot 的資料格式標準、社群貢獻機制，以及如何克服硬體多樣性帶來的數據整合挑戰。
Finetuning olmOCR to be a faithful OCR-Engine★ 75
Hugging Face Blog406d agoTutorialAllen AI 推出的 olmOCR 是基於視覺語言模型（VLM）的強大 PDF 轉 Markdown 工具，但在面對嚴謹業務時仍有幻覺或漏字風險。TNG Technology Consulting 分享了他們如何透過精心設計的資料集與微調技術，顯著提升 olmOCR 的「忠實度（Faithfulness）」。微調後的模型能更精準地辨識複雜排版、表格與公式，並大幅降低文字篡改與遺漏，為企業級 OCR 應用提供可靠的開源解決方案。
Cohere on Hugging Face Inference Providers 🔥★ 75
Hugging Face Blog413d agoReleaseHugging Face 宣布與 Cohere 合作，將其納入「推論提供商（Inference Providers）」生態系。現在開發者可以直接在 Hugging Face Hub 上，透過 Cohere 的託管服務免伺服器（Serverless）調用 Command R 和 Command R+ 等熱門模型。這項整合簡化了開發流程，讓用戶無需自行部署即可在 HF 生態系中無縫測試與整合 Cohere 的強大語言模型。
Visual Salamandra: Pushing the Boundaries of Multimodal Understanding★ 70
Hugging Face Blog417d agoRelease巴塞隆納超級電腦中心（BSC-LT）正式發布 Visual Salamandra 7B 多模態模型。該模型以其自主研發的 Salamandra 7B 語言模型為基礎，融合了先進的視覺編碼器，旨在提升圖像理解、視覺問答及 OCR 能力。特別的是，它承襲了 Salamandra 家族在西班牙語、加泰隆尼亞語等多語言環境下的優異表現，為開源多模態社群注入新選擇。
NVIDIA's GTC 2025 Announcement for Physical AI Developers: New Open Models and Datasets★ 85
Hugging Face Blog442d agoReleaseNVIDIA 在 GTC 2025 針對實體 AI（Physical AI）領域發表重大更新，與 Hugging Face 合作釋出全新開源模型與資料集。這些資源旨在降低具身智慧與機器人開發門檻，涵蓋世界模型、VLA 模型及高質量訓練資料。開發者可直接在 Hugging Face 平台獲取，加速實體世界 AI 應用的落地。
Open R1: Update #3★ 85
Hugging Face Blog448d agoReleaseHugging Face 發表開源推理模型專案 Open R1 的第三次技術更新。本次更新重點在於釋出基於 Qwen/Llama 的全新推理模型，並詳細公開了使用 TRL 進行 GRPO（群體相對策略優化）的訓練細節。團隊成功解決了訓練中的「獎勵黑客」問題，並開源了完整的訓練數據集與配方，顯著降低了社群重現 DeepSeek-R1 推理能力的門檻。
Wan2.1 parameter sweep★ 75
Replicate Blog455d agoTutorialReplicate 團隊針對阿里巴巴最新開源的 Wan2.1 影片生成模型進行了深入的「參數掃描（Parameter Sweep）」測試。文章探討了調整各項參數（如 Guidance Scale、推理步數、Sample Shift 等）對最終影片生成品質、連貫性與風格的具體影響。這份實用指南能幫助開發者與創作者在 Replicate 平台上部署與調優 Wan2.1 時，找到最佳的效能與品質平衡點。
A Deepdive into Aya Vision: Advancing the Frontier of Multilingual Multimodality★ 75
Hugging Face Blog456d agoReleaseCohere For AI 發表全新開源多語言多模態模型「Aya Vision」（提供 8B 與 32B 版本）。該模型旨在解決現有視覺語言模型（VLM）嚴重偏向英語的問題，大幅提升了對全球多種語言（特別是低資源語言）的圖像理解與文字生成能力。在多項多語言多模態基準測試中，Aya Vision 展現出超越同量級開源模型的優異性能，並已於 Hugging Face 平台上開源。
1 Billion Classifications★ 80
Hugging Face Blog475d agoTutorialHugging Face 發表專文探討大規模文本分類的實踐。在 LLM 時代，許多開發者盲目使用 GPT-4 等生成式大模型進行分類，導致成本高昂且延遲高。文章展示了如何利用 ModernBERT、DeBERTa 等開源編碼器模型，搭配 Rust 編寫的 TEI (Text Embeddings Inference) 引擎，在極低成本下於短時間內完成 10 億次分類。這種方法不僅能將延遲壓低至個位數毫秒，成本更比使用 LLM API 降低高達 90% 以上，為工業級數據處理提供高效示範。
From Chunks to Blocks: Accelerating Uploads and Downloads on the Hub★ 75
Hugging Face Blog476d agoReleaseHugging Face 官方宣布重構其 `huggingface_hub` SDK 的傳輸架構。新架構從傳統的「分塊（Chunks）」改為「區塊（Blocks）」管理，支援並行傳輸、獨立區塊重試與更低的記憶體佔用。這項更新顯著提升了數 GB 甚至數百 GB 級模型（如 Safetensors）與數據集的上傳與下載速度，並增強了網路不穩定時的容錯能力。
Open R1: Update #2★ 85
Hugging Face Blog477d agoReleaseHugging Face 釋出 Open R1 專案的第二份進度報告。團隊分享了使用 TRL 庫中的 GRPO 演算法在 Llama-8B 與 Qwen-32B 上進行強化學習（RL）訓練的實戰經驗，成功重現了「頓悟時刻」與推理鏈。本次更新也詳細探討了格式控制、訓練穩定性及在 MATH、AIME 等基準測試上的最新評估數據。
π0 and π0-FAST: Vision-Language-Action Models for General Robot Control★ 85
Hugging Face Blog484d agoRelease機器人 AI 新創公司 Physical Intelligence 在 Hugging Face 上開源了其通用機器人基礎模型 π0 及其加速版本 π0-FAST。這款視覺-語言-動作（VLA）模型能透過文字與視覺指令控制多種不同硬體的機器人，執行摺衣服、收拾雜物等複雜任務。π0-FAST 則大幅提升了推理速度，滿足高頻率實時控制的需求，為開源實體 AI 領域帶來重大突破。
Open-R1: Update #1★ 85
Hugging Face Blog486d agoReleaseHugging Face 發表 Open-R1 專案的第一階段更新，旨在完全開源重現 DeepSeek-R1。團隊目前專注於利用 TRL 庫中的 GRPO 演算法進行強化學習訓練，並已釋出初步的訓練配方、資料集與評估結果。報告中也探討了推理模型訓練中常見的「獎勵作弊（Reward Hacking）」與格式控制等技術挑戰。
How to deploy and fine-tune DeepSeek models on AWS★ 85
Hugging Face Blog489d agoTutorial本文為 Hugging Face 釋出的實用指南，詳細介紹如何在 AWS 環境中部署與微調熱門的 DeepSeek-R1 及其蒸餾（Distilled）模型。內容涵蓋使用 Hugging Face LLM DLC（深度學習容器）與 TGI 技術在 Amazon SageMaker 上進行低延遲推論部署，以及如何透過 SageMaker 訓練作業與 Hugging Face TRL 庫進行高效微調（如 LoRA），並提供針對不同模型大小的 AWS 硬體配置建議。
State of open video generation models in Diffusers★ 82
Hugging Face Blog492d agoCommentary本文回顧了 Hugging Face Diffusers 函式庫中開源影片生成模型的最新進展。隨著技術從 UNet 轉向 Diffusion Transformers (DiTs)，如 CogVideoX、Mochi 1、LTX-Video 及 HunyuanVideo 等模型已全面整合。文章重點介紹了如何透過 CPU 卸載、FP8 量化與 Tiled VAE 等技術，在消費級 GPU 上高效運行這些動輒數十億參數的影片生成模型。
Train 400x faster Static Embedding Models with Sentence Transformers★ 75
Hugging Face Blog504d agoReleaseHugging Face 宣布 Sentence Transformers 支援訓練「靜態嵌入（Static Embeddings）」模型。相較於傳統 Transformer 模型，靜態嵌入不需逐層計算，訓練速度快上 400 倍，且推理速度極快、記憶體佔用極小。這項技術非常適合用於資源受限的設備（如手機、邊緣裝置）或作為大規模檢索（RAG）的第一階段粗篩。
Visual Document Retrieval Goes Multilingual★ 80
Hugging Face Blog509d agoReleaseHugging Face 發表全新的 VDR-2B-multilingual 模型，專為視覺文件檢索（VDR）設計。傳統檢索依賴繁瑣的 OCR 步驟，而該模型能直接將文件頁面視為圖像進行向量化，保留排版、圖表與插圖資訊。本次更新重點在於擴展至多語言支持（包含中英日韓等），大幅提升跨國企業與多語系文檔的檢索效率與準確度。
Finally, a Replacement for BERT: Introducing ModernBERT★ 85
Hugging Face Blog531d agoReleaseHugging Face 與 LightOn 等團隊聯合推出 ModernBERT，旨在取代已問世 6 年但仍被廣泛使用的 BERT 模型。ModernBERT 採用現代化架構，將上下文長度從 512 提升至 8192 標記，並原生支援 FlashAttention-2 與 RoPE。在保持極高推理速度與低記憶體佔用的同時，其在檢索、分類與嵌入等任務上的表現全面超越 DeBERTa-v3，為 RAG 與搜尋系統注入全新動力。
AI video is having its Stable Diffusion moment★ 80
Replicate Blog534d agoOpinionReplicate 指出，AI 影片生成領域正經歷類似當年 Stable Diffusion 顛覆圖像生成的「開源時刻」。 目前市場上已出現多款效果足以媲美 OpenAI Sora 的開源影片生成模型。 這意味著開發者與創作者不再受限於封閉的 API，能以更低成本、更高自由度在本地或雲端部署高品質影片生成。
LeMaterial: an open source initiative to accelerate materials discovery and research★ 75
Hugging Face Blog540d agoReleaseHugging Face 宣布推出「LeMaterial」開源倡議，旨在降低材料科學領域的 AI 應用門檻。該項目整合了大規模材料數據集、先進的機器學習模型（如圖神經網路 GNN）以及標準化的評估基準。透過將這些資源託管於 Hugging Face 平台，LeMaterial 將促進全球研究人員協作，大幅縮短新材料的研發週期。