An Introduction to Deep Reinforcement Learning★ 75
Hugging Face Blog1492d agoTutorial本指南為 Hugging Face 深度強化學習課程的第一章。文章系統性地介紹了強化學習（RL）的核心架構，包含 Agent 與環境的互動循環、獎勵機制，並深入探討「探索與利用」（Exploration vs. Exploitation）的權衡。最後介紹如何結合深度學習形成 Deep RL，並引導讀者使用 Stable-Baselines3 等開源工具進行實作。
Accelerate Large Model Training using PyTorch Fully Sharded Data Parallel★ 75
Hugging Face Blog1494d agoReleaseHugging Face 宣布在其 Accelerate 庫中整合 PyTorch FSDP（完全分片數據並行）技術。FSDP 透過將模型參數、梯度和優化器狀態分片到多個 GPU 上，解決了單一 GPU 記憶體不足（OOM）的問題。這項技術讓開發者與研究人員能夠以更低的硬體門檻，高效訓練和微調擁有數十億甚至數百億參數的超大型語言模型。
Opinion Classification with Kili and HuggingFace AutoTrain
Hugging Face Blog1498d agoTutorial本教學介紹了一套無程式碼/低程式碼的 NLP 工作流。首先利用 Kili Technology 平台進行高效的文本數據標註與品質管理，接著將標註好的輿情數據集導入 Hugging Face AutoTrain。AutoTrain 會自動嘗試多種開源模型架構並進行微調，讓開發者在無需編寫複雜深度學習程式碼的情況下，快速構建出高精度的輿情與觀點分類模型。
Director of Machine Learning Insights
Hugging Face Blog1499d agoOpinion本報告源自 Hugging Face 針對多位企業機器學習主管（Director of ML）的調查與訪談。內容指出，將模型從實驗室原型轉化為穩定生產服務（Deployment Gap）仍是企業最大痛點。主管們強調了 MLOps 工具鏈整合、開源模型在企業級應用的崛起，以及跨團隊（數據科學與軟體工程）協作與人才招募的持續挑戰。
Getting Started with Transformers on Habana Gaudi
Hugging Face Blog1500d agoTutorialHugging Face 與 Intel Habana Labs 合作推出 optimum-habana 庫。開發者只需將標準的 Trainer 替換為 GaudiTrainer，即可在 AWS DL1 等 Gaudi 實例上進行高效能、低成本的 Transformer 模型訓練。這為 NVIDIA 之外的 AI 晶片生態系提供了一個強大的替代方案，能有效降低高達 40% 的訓練成本。
Introducing Hugging Face for Education 🤗
Hugging Face Blog1501d agoReleaseHugging Face 宣布推出「Hugging Face for Education」計劃，旨在為全球教師與學生提供免費的機器學習教學資源。該計劃允許教師在 Hugging Face Hub 上建立專屬的班級組織，方便學生協作與提交專案。此外，學生還能利用 Spaces 與 Gradio 輕鬆建立並展示互動式 AI 應用，讓學術界能更無縫地接軌前沿 AI 技術。
CO2 Emissions and the 🤗 Hub: Leading the Charge
Hugging Face Blog1504d agoReleaseHugging Face 在世界地球日宣布於 Hugging Face Hub 推出新功能，旨在追蹤並公開 AI 模型的碳排放量。開發者現在可以在模型卡片（Model Cards）的元數據中加入 co2_eq_emissions 欄位，直接展示模型訓練所產生的二氧化碳當量。此舉旨在提升 AI 社群對環境影響的意識，並倡導更具永續性的「綠色 AI」開發實踐。
Machine Learning Experts - Lewis Tunstall
Hugging Face Blog1513d agoOpinion本文為 Hugging Face「機器學習專家」系列訪談，主角為《Natural Language Processing with Transformers》共同作者 Lewis Tunstall。他分享了自己如何從理論物理學博士轉型為 AI 專家，並深入探討了撰寫該本暢銷書的挑戰、在 Hugging Face 推動開源生態系的經驗，以及他對未來 NLP 技術發展與新手學習路徑的實用建議。
Habana Labs and Hugging Face Partner to Accelerate Transformer Model Training
Hugging Face Blog1514d agoReleaseHugging Face 宣布與 Intel 旗下的 Habana Labs 展開合作，旨在提升 Transformer 模型的訓練與部署效率。 雙方共同推出了 `optimum-habana` 開源庫，讓開發者能輕鬆將 Hugging Face 模型遷移至 Habana Gaudi 處理器（HPU）上運行。 此合作為開發者提供除了傳統 GPU 之外，更具性價比的高性能深度學習硬體選擇，僅需修改幾行程式碼即可啟用。
~Don't~ Repeat Yourself★ 85
Hugging Face Blog1521d agoOpinionHugging Face 探討了其開源庫 Transformers 的核心設計哲學。與傳統軟體工程極力避免重複程式碼（DRY 原則）不同，他們選擇了「重複自己」的「單一檔案政策」（Single-file policy）。這種設計讓每個模型（如 BERT、GPT）的程式碼都獨立完整，極大地提升了機器學習研究者的閱讀與修改效率，雖然增加了維護重複程式碼的成本，但換來了極高的靈活性。
Introducing Decision Transformers on Hugging Face 🤗
Hugging Face Blog1529d agoReleaseHugging Face 宣布在其 transformers 函式庫中正式支援 Decision Transformer (DT)。此模型顛覆傳統強化學習（RL）方法，不使用價值函數或策略梯度，而是將狀態、動作與目標回報視為序列，利用類似 GPT 的自注意力機制來預測下一步動作。這項整合大幅降低了離線強化學習（Offline RL）的門檻，讓開發者能用熟悉的 Transformer 工具鏈進行決策模型的訓練。
Machine Learning Experts - Margaret Mitchell
Hugging Face Blog1534d agoOpinion本篇專訪介紹了 Hugging Face 首席倫理科學家 Margaret Mitchell 的學術背景與願景。作為「模型卡（Model Cards）」的共同倡議者，她分享了從 Google 到 Hugging Face 的心路歷程。她強調在開源社群中建立 AI 倫理工具的重要性，並探討如何透過透明度與多樣性來減少機器學習模型中的偏見與危害。
Announcing the 🤗 AI Research Residency Program
Hugging Face Blog1535d agoReleaseHugging Face 宣布啟動「AI 研究駐點計畫」，旨在打破傳統學術界限，邀請不同背景的研究員與工程師加入團隊。參與者將獲得豐富的算力資源、資深研究員的導師指導，並有機會發表學術論文。此計畫強調開源精神與遠端協作，致力於推動 AI 技術的民主化。
Fine-Tune a Semantic Segmentation Model with a Custom Dataset
Hugging Face Blog1540d agoTutorial本指南介紹如何利用 Hugging Face 的 Transformers 庫微調 SegFormer 進行語義分割。內容涵蓋自定義資料集的準備、使用 SegformerImageProcessor 進行圖像預處理，以及設定 Trainer API 進行訓練。最後，教學展示了如何使用 mIoU 評估模型效能並進行推理。
Accelerate BERT inference with Hugging Face Transformers and AWS Inferentia
Hugging Face Blog1541d agoTutorial本教學介紹如何結合 Hugging Face Transformers、AWS Neuron SDK 與 Amazon SageMaker，在 AWS Inferentia (inf1) 實例上部署 BERT 模型。透過將模型編譯為 Neuron 格式，開發者能以極低的延遲和更低的成本進行大規模 NLP 推論，非常適合需要高吞吐量生產環境的團隊。
Image search with 🤗 datasets
Hugging Face Blog1541d agoTutorialHugging Face 介紹了如何使用其 datasets 庫來實現圖像搜尋系統。透過整合預訓練的視覺模型（如 CLIP）來提取圖像的特徵向量（embeddings），並利用內建的 FAISS 索引功能，開發者可以輕鬆對大規模圖像數據集進行高效的相似度檢索。這為以圖搜圖、多模態檢索等應用提供了極為簡便的實作路徑。
Guiding Text Generation with Constrained Beam Search in 🤗 Transformers★ 70
Hugging Face Blog1546d agoTutorial本文介紹 Hugging Face Transformers 支援的「受約束的束搜索（Constrained Beam Search）」技術。傳統束搜索僅依賴機率，而此技術允許開發者指定必須出現在生成結果中的特定詞彙或短語。這在機器翻譯、摘要生成及特定領域的文本生成中非常實用，能有效控制輸出品質並確保關鍵資訊不遺漏。
BERT 101 - State Of The Art NLP Model Explained
Hugging Face Blog1555d agoTutorial本指南深入淺出地解析了 Google 提出的革命性 NLP 模型 BERT。文章詳細介紹了其基於 Transformer Encoder 的雙向架構，並剖析了「遮罩語言模型 (MLM)」與「下一句預測 (NSP)」兩大核心預訓練機制。最後，展示了如何透過 Hugging Face 輕鬆將 BERT 應用於各種下游自然語言處理任務。
Fine-Tune ViT for Image Classification with 🤗 Transformers★ 70
Hugging Face Blog1574d agoTutorial本文為 Hugging Face 官方教學，詳細介紹如何使用 `transformers` 與 `datasets` 函式庫微調 Vision Transformer (ViT) 模型。內容涵蓋從載入 Beans 資料集、使用影像處理器進行資料前處理、設定 `Trainer` API 進行訓練，到最後將微調後的模型上傳至 Hugging Face Hub 的完整流程，是電腦視覺開發者的必讀入門指南。
Getting Started with Sentiment Analysis using Python
Hugging Face Blog1583d agoTutorial本文介紹如何利用 Hugging Face 的 `transformers` 庫在 Python 中進行情緒分析。內容涵蓋使用 `pipeline` 進行快速推理、從 Hugging Face Hub 選擇特定領域的預訓練模型（如 RoBERTa 或 FinBERT），以及如何使用自定義數據集微調模型，是 NLP 初學者的必讀指南。
Making automatic speech recognition work on large files with Wav2Vec2 in 🤗 Transformers
Hugging Face Blog1584d agoTutorial傳統 Wav2Vec2 等語音模型因自注意力機制的記憶體複雜度限制，難以直接處理長音檔。Hugging Face 推出分塊（Chunking）與重疊步長（Stride）技術，將長音訊切片處理後無縫拼接。此功能已整合至 Transformers 的 ASR Pipeline 中，開發者只需設定簡單參數即可實現高效且精準的長語音轉文字。
Supercharged Searching on the 🤗 Hub
Hugging Face Blog1591d agoReleaseHugging Face 推出全新升級的 Hub 搜尋功能，大幅提升資源檢索效率。用戶現在可以透過機器學習任務、支援的庫（如 PyTorch、TensorFlow）、語言及授權條款等多重條件進行精確篩選。此更新旨在幫助開發者在快速增長的開源生態系中，迅速定位最適合的 AI 模型、數據集與 Spaces。
Welcome Stable-baselines3 to the Hugging Face Hub 🤗
Hugging Face Blog1595d agoNew ToolHugging Face 宣布將熱門的 PyTorch 強化學習庫 Stable-baselines3 (SB3) 整合至 Hugging Face Hub。開發者現在可以使用簡單的 API 儲存和載入訓練好的 RL 代理人（Agents），並在社群中分享。此整合還支援在瀏覽器中直接預覽代理人的運行畫面，大幅降低了強化學習模型的分享與協作門檻。
Case Study: Millisecond Latency using Hugging Face Infinity and modern CPUs
Hugging Face Blog1603d agoNew Tool本案例研究探討了 Hugging Face Infinity 在現代 CPU（如 Intel Xeon）上的效能表現。透過硬體加速與優化技術，Infinity 能在 CPU 上實現單數位毫秒級的推理延遲。這為企業提供了一種高性價比、無需依賴昂貴 GPU 的 Transformer 模型部署選擇，特別適合文本分類與特徵提取等任務。
Boosting Wav2Vec2 with n-grams in 🤗 Transformers
Hugging Face Blog1604d agoTutorialHugging Face 推出整合 pyctcdecode 的新功能，讓開發者能輕鬆將 n-gram 語言模型與 Wav2Vec2 結合。 此方法能有效修正 Wav2Vec2 在 CTC 解碼時產生的拼寫錯誤，顯著降低語音識別的字錯率（WER）。 本指南提供完整的實作步驟，展示如何載入預訓練語言模型並應用於多語系的語音識別任務。
Deploy GPT-J 6B for inference using Hugging Face Transformers and Amazon SageMaker
Hugging Face Blog1605d agoTutorial本文介紹如何將 EleutherAI 的 GPT-J 6B 模型部署至 Amazon SageMaker。透過 Hugging Face 專為 SageMaker 設計的深度學習容器（DLC），開發者無需繁瑣設定即可完成託管。內容涵蓋環境準備、模型載入、端點建立及推論測試，適合需要在 AWS 雲端部署開源大模型的開發者。
Active Learning with AutoNLP and Prodigy
Hugging Face Blog1624d agoTutorialHugging Face 與 Explosion 合作，展示如何將 Prodigy 資料標記工具與 AutoNLP（現為 AutoTrain）整合。透過主動學習（Active Learning）機制，系統能自動篩選出模型最不確定的樣本供人工標記，大幅減少標記成本。此工作流讓開發者無需編寫複雜代碼，即可快速迭代並優化 NLP 模型。
Gradio is joining Hugging Face!★ 80
Hugging Face Blog1626d agoBusiness開源機器學習互動介面庫 Gradio 宣布正式加入 Hugging Face。此次合併旨在加速機器學習的民主化，讓開發者能更輕鬆地為模型建立直觀的 Web 介面。Gradio 將保持開源與免費，並與 Hugging Face Spaces 深度整合，讓任何人都能在幾分鐘內部署並分享自己的 AI 模型 Demo。
Perceiver IO: a scalable, fully-attentional model that works on any modality★ 70
Hugging Face Blog1632d agoReleaseDeepMind 提出的 Perceiver IO 已正式整合至 Hugging Face。該模型透過引入「潛在瓶頸」與「輸出查詢」機制，成功將 Transformer 的二次方複雜度降至線性，使其能高效處理高維度的多模態數據（如圖像、音訊、3D 點雲）。Perceiver IO 不僅能接收任意輸入，還能靈活輸出各種結構的數據，是邁向通用 AI 架構的重要一步。
Training CodeParrot 🦜 from Scratch
Hugging Face Blog1639d agoTutorialHugging Face 詳細公開了 CodeParrot 專案的訓練全紀錄，展示如何從零開始構建一個專門用於 Python 程式碼生成的 GPT-2 規模模型。 文章深入探討了大規模 GitHub 數據集的清洗與去重、專屬 Tokenizer 的訓練，以及使用 Accelerate 進行多 GPU 分佈式訓練的實務技巧。 此專案不僅提供了一個開源的程式碼模型，更為開發者提供了一套完整的、可複製的大型語言模型（LLM）預訓練工作流。