Alyah ⭐️: Toward Robust Evaluation of Emirati Dialect Capabilities in Arabic LLMs
Hugging Face Blog126d agoRelease阿聯酋技術創新研究所（TII）推出了名為「Alyah」的全新評估基準，專門用於測試阿拉伯語大型語言模型（LLMs）在阿聯酋方言（Emirati Dialect）上的表現。由於阿拉伯語方言眾多且與現代標準阿拉伯語（MSA）差異顯著，Alyah 填補了區域方言評估的空白。此基準將有助於開發更貼近在地文化與日常溝通的阿拉伯語 AI 模型。
T5Gemma: A new collection of encoder-decoder Gemma models★ 75
Google DeepMind Blog220d agoReleaseGoogle DeepMind 發表全新開源模型系列「T5Gemma」。不同於目前主流的 Decoder-only 架構，T5Gemma 採用經典的 Encoder-Decoder 架構，將 T5 的設計理念與 Gemma 的現代化技術結合。這為需要雙向上下文理解的任務（如翻譯、摘要、分類）提供了更高效且強大的新選擇。
AI for Food Allergies
Hugging Face Blog228d agoOpinionHugging Face 發表「Hugging Science」專題文章，探討 AI 在食物過敏領域的應用。內容涵蓋利用自然語言處理（NLP）解析複雜成分表、透過電腦視覺識別潛在過敏原食品，以及運用生物資訊模型預測新型蛋白質的致敏性。Hugging Face 呼籲社群共同開發開源數據集與模型，以提升過敏患者的生活品質與食品安全。
mmBERT: ModernBERT goes Multilingual★ 78
Hugging Face Blog266d agoReleaseHugging Face 與社群合作推出 mmBERT，這是基於 ModernBERT 架構的多語言版本。mmBERT 繼承了 ModernBERT 的現代化改進（如 FlashAttention、RoPE 與 8192 token 長文本支持），旨在取代傳統的 mBERT 與 XLM-RoBERTa。它能顯著提升多語言文本分類、命名實體識別（NER）及檢索（RAG）等任務的運算效率，為開發者提供更強大且省資源的開源選擇。
🇵🇭 FilBench - Can LLMs Understand and Generate Filipino?
Hugging Face Blog294d agoReleaseHugging Face 發表全新評測基準「FilBench」，旨在評估 LLM 在菲律賓語上的理解與生成能力。由於菲律賓語在 NLP 領域常被視為資源較匱乏的語言，此基準填補了評測空白。FilBench 涵蓋多種任務，能協助研究人員與開發者客觀評估並優化模型在東南亞在地化應用的表現。
The NLP Course is becoming the LLM Course★ 85
Hugging Face Blog425d agoTutorialHugging Face 宣布將其廣受歡迎的經典「NLP 課程（NLP Course）」正式轉型並升級為「LLM 課程（LLM Course）」。這項轉變反映了 AI 領域從傳統 NLP（如 BERT、分類與命名實體識別）向大語言模型（如 Llama、生成式 AI、RAG 與 Agent）的典範轉移。新課程將全面更新，涵蓋現代 LLM 架構、微調（PEFT/LoRA）、對齊（RLHF/DPO）及應用開發，繼續提供免費且高品質的開源學習資源。
Train 400x faster Static Embedding Models with Sentence Transformers★ 75
Hugging Face Blog503d 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。
Introducing the Open Leaderboard for Hebrew LLMs!
Hugging Face Blog758d agoReleaseHugging Face 宣布推出「希伯來語 LLM 開放排行榜」（Open Leaderboard for Hebrew LLMs）。該平台旨在為希伯來語的大型語言模型提供客觀、標準化且開源的評估基準，解決非英語系語言在主流評測中資源匱乏的問題，有助於開發者評估與優化特定語系模型的表現。
SetFitABSA: Few-Shot Aspect Based Sentiment Analysis using SetFit★ 75
Hugging Face Blog909d agoReleaseHugging Face 發表 SetFitABSA，將高效的少樣本學習框架 SetFit 應用於「基於屬性的情感分析（ABSA）」。傳統 ABSA 需要大量標註數據，而 SetFitABSA 僅需數十個樣本即可精確識別文本中的特定屬性（如服務、價格）及其情感傾向。該方法訓練速度極快、不需龐大 GPU 資源，且免去了大型語言模型（LLM）複雜的 Prompt 調整，是極具性價比的 NLP 解決方案。
Fetch Cuts ML Processing Latency by 50% Using Amazon SageMaker & Hugging Face
Hugging Face Blog1005d agoBusiness美國知名消費回饋平台 Fetch 每日需處理數百萬張發票收據。為了提升 OCR、商品匹配與商家分類等 NLP 任務的效率，Fetch 採用了 Amazon SageMaker 與 Hugging Face 的整合方案。此舉不僅讓機器學習模型的推理延遲大幅降低 50%，同時也優化了運算成本與部署流程。
Welcome fastText to the Hugging Face Hub
Hugging Face Blog1092d agoReleaseHugging Face Hub 正式整合 Meta 開源的經典 NLP 工具 fastText。現在開發者可以直接在 Hub 上託管、版本控制並分享 fastText 模型（.bin 格式）。此外，官方也上架了支援 157 種語言的預訓練詞向量與語言識別模型，並支援線上推理 API，大幅降低了輕量級 NLP 應用的部署與使用門檻。
Introducing BERTopic Integration with the Hugging Face Hub
Hugging Face Blog1098d agoRelease熱門主題模型工具 BERTopic 宣布與 Hugging Face Hub 達成深度整合。開發者現在可以使用簡單的 API，將訓練好的 BERTopic 模型直接推送到 Hub 上，並能隨時在其他環境中輕鬆載入。此整合不僅簡化了主題模型的分享、部署與版本控制，還會自動生成包含主題資訊的模型卡片（Model Cards），讓 NLP 社群能更方便地進行協作與模型重用。
Using Machine Learning to Aid Survivors and Race through Time
Hugging Face Blog1187d agoCommentary本文探討機器學習在災難救援中的關鍵應用。在土耳其與敘利亞大地震等災害發生後，AI 社群迅速動員，利用計算機視覺分析衛星影像以評估建築損毀，並透過自然語言處理（NLP）篩選社群媒體上的求救訊號。Hugging Face 強調開源協作與模型共享在爭分奪秒的救援任務中扮演的重要角色。
Generating Human-level Text with Contrastive Search in Transformers 🤗★ 70
Hugging Face Blog1302d agoReleaseHugging Face 介紹了全新解碼方法「對比搜索（Contrastive Search）」，現已整合至 Transformers 庫中。該方法透過引入「退化懲罰」機制，在保持模型預測概率的同時，避免生成與前文語意重複的詞彙。相比傳統的束搜索（Beam Search）或隨機採樣（Sampling），對比搜索能生成更具連貫性、多樣性且無重複的長文本，達到接近人類寫作的水準。
MTEB: Massive Text Embedding Benchmark★ 85
Hugging Face Blog1322d agoReleaseHugging Face 發表了「海量文字嵌入基準（MTEB）」，這是目前最全面的文字嵌入模型評估工具。MTEB 涵蓋了 8 種不同的任務類型（如語義相似度、資訊檢索、分類等），共包含 58 個數據集，支援多達 112 種語言。此基準旨在解決過去評估嵌入模型時任務單一、缺乏多語言支持的問題，為開發者提供統一的評估標準。
SetFit: Efficient Few-Shot Learning Without Prompts★ 78
Hugging Face Blog1345d agoReleaseHugging Face 與 Intel Labs 等機構合作推出 SetFit 框架，專為少樣本（Few-shot）文字分類設計。不同於傳統大模型依賴複雜的 Prompt 工程，SetFit 結合了 Sentence Transformers 的對比微調與簡單的分類器。它不僅訓練速度極快、推理成本低，在每類僅需十幾個樣本的情況下，準確度甚至能超越傳統大型語言模型。
Nyströmformer: Approximating self-attention in linear time and memory via the Nyström method
Hugging Face Blog1400d agoReleaseHugging Face 官方部落格介紹了 Nyströmformer 模型。該模型旨在解決傳統 Transformer 在處理長序列時面臨的平方級（O(n²)）時間與記憶體複雜度限制。透過引入數學上的 Nyström 方法，Nyströmformer 能夠以線性（O(n)）的複雜度高效逼近標準的 Self-Attention 機制，並已整合至 Hugging Face transformers 庫中，方便開發者直接調用。
Getting Started with Sentiment Analysis on Twitter
Hugging Face Blog1426d agoTutorial本指南為 Hugging Face 官方實戰教學，指導開發者如何利用 Transformers 庫對 Twitter (X) 貼文進行情緒分析。內容涵蓋使用 Pipeline API 進行快速推論、選用針對社群媒體優化的 twitter-roberta-base 模型，以及如何使用自訂資料集進行模型微調，是 NLP 初學者與社群輿情分析師的必讀經典。
Getting Started With Embeddings★ 75
Hugging Face Blog1440d agoTutorial這是一篇由 Hugging Face 官方撰寫的經典入門指南，系統性地介紹了向量嵌入（Embeddings）的核心概念。文章解釋了如何將文字、圖像等非結構化數據轉化為高維向量，並透過餘弦相似度等指標計算語意相關性。此外，也展示了如何利用 sentence-transformers 庫快速實作語意搜尋與推薦系統。
Director of Machine Learning Insights [Part 3: Finance Edition]
Hugging Face Blog1449d agoOpinion本文為 Hugging Face 訪談金融業機器學習主管的專題。內容深入探討金融機構如何導入 Transformer 與 NLP 技術，並分析在高度監管環境中，面臨的資料隱私、模型可解釋性（XAI）與法規合規性等核心挑戰，同時分享開源生態系如何協助金融機構避免供應商鎖定並加速 AI 創新。
Efficient Table Pre-training without Real Data: An Introduction to TAPEX
Hugging Face Blog1471d agoRelease微軟提出的 TAPEX（Table Pre-training via Execution）是一種創新的表格預訓練方法，現已整合至 Hugging Face。它不依賴網路爬取的真實表格，而是利用隨機生成的 SQL 查詢及其執行結果（合成數據）來訓練 Seq2Seq 模型。這種「藉由執行來學習」的方式，顯著提升了模型對表格數據的推理能力，並在 WikiSQL 和 WikiTableQuestions 等基準測試中取得領先。
How Sempre Health is leveraging the Expert Acceleration Program to accelerate their ML roadmap
Hugging Face Blog1475d agoBusiness醫療科技公司 Sempre Health 透過加入 Hugging Face 的專家加速計畫（EAP），加速了其機器學習技術的落地。在 Hugging Face 專家的指導下，Sempre Health 成功將先進的 Transformer 模型應用於患者簡訊互動的意圖識別，不僅縮短了模型開發與部署週期，更大幅優化了推理延遲與雲端基礎設施成本，有效提升患者的服藥遵從率。
Machine Learning Experts - Lewis Tunstall
Hugging Face Blog1511d 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。
Guiding Text Generation with Constrained Beam Search in 🤗 Transformers★ 70
Hugging Face Blog1544d 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 Blog1553d 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。
Getting Started with Sentiment Analysis using Python
Hugging Face Blog1581d 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。
Active Learning with AutoNLP and Prodigy
Hugging Face Blog1622d 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。
Perceiver IO: a scalable, fully-attentional model that works on any modality★ 70
Hugging Face Blog1630d 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。
Course Launch Community Event
Hugging Face Blog1680d agoRelease本活動公告為 Hugging Face 於 2021 年 10 月舉辦的「課程發布社群活動」。該活動旨在慶祝 Hugging Face 官方 NLP 課程的推出，並透過社群黑客松、技術講座與交流，引導開發者與研究人員深入學習 Transformers、Datasets 和 Tokenizers 等開源工具，促進開源 AI 生態系的發展。
Train a Sentence Embedding Model with 1B Training Pairs★ 75
Hugging Face Blog1681d agoTutorialHugging Face 介紹了如何利用超過 10 億個句子對（Sentence Pairs）的大規模數據集，訓練出高效且精準的句子嵌入模型。文中詳細說明了數據集整合、對比學習（Contrastive Learning）的訓練方法，並釋出了包含 all-MiniLM-L6-v2 在內的多款熱門開源模型。這些模型至今仍是 RAG 和語意搜尋系統中非常經典且高效的基準選擇。