高效能 LLM 推理與結構化生成框架 SGLang 宣布正式整合 Hugging Face Transformers 作為其執行後端。此更新讓開發者能直接利用 SGLang 的結構化控制 API(如 gen、select 等)驅動任何 Hugging Face 上的模型,無需等待原生 CUDA 核心適配,為新架構模型的快速原型設計、除錯與相容性測試提供極大便利。
NVIDIA 與 Hugging Face 合作介紹 LogitsProcessorZoo,這是一個專為控制大語言模型(LLM)生成行為而設計的工具庫。透過在 Token 生成階段直接干預 Logits(未歸一化的機率值),開發者能輕鬆實現 JSON 結構化輸出、正則表達式約束及自定義解碼策略。該工具與 Hugging Face Transformers 深度整合,大幅提升了生成內容的可靠性與安全性。
Outlines 團隊與 Hugging Face 合作發布了 outlines-core 0.1.0,將結構化生成的核心邏輯(如 FSM 與 Token 遮罩)用 Rust 重寫。這項更新不僅大幅降低了引導生成時的 CPU 開銷與延遲,也讓 Rust 開發者能直接在 Rust 生態系中實現精準的 JSON 或正規表示式輸出控制,同時保持對 Python 的完美支援。