Llama 2 发布，可在 Hugging Face 获取
Hugging Face 博客发布消息称 Llama 2 已发布，并可在 Hugging Face 上获取。原文正文未能抓取，除标题外暂无更多细节。
#开源生态
#开源生态
Hugging Face Blog精选AI 评分
Falcon 模型已落地 Hugging Face 生态
Hugging Face 发布博客宣布 Falcon 模型已落地 Hugging Face 生态。原文正文抓取失败，仅标题可用，暂无更多细节。
Hugging Face 发布代码大语言模型 StarCoder
Hugging Face 发布面向代码的大语言模型 StarCoder，标题称其在代码任务上达到当时的最先进水平。
StackLLaMA：用 RLHF 训练 LLaMA 的实操指南
Hugging Face 发布 StackLLaMA 实操指南，介绍如何用 RLHF 训练 LLaMA。
ControlNet 接入 Diffusers 库
Hugging Face 博客发布 ControlNet in 🧨 Diffusers，宣布 ControlNet 接入 Diffusers 库。
用 🤗 Transformers 微调 Whisper 实现多语言 ASR
Hugging Face 发布教程，讲解如何用 🤗 Transformers 对 Whisper 进行微调，以适配任意多语言 ASR 数据集。Whisper 由 OpenAI 于 2022 年 9 月发布，基于 68 万小时标注音频预训练，覆盖 96 种以上语言，并提供 tiny 到 large-v3 共 11 个 checkpoint。
Hugging Face Optimum Intel 集成 OpenVINO，加速 Transformer 模型推理
Hugging Face 将 Intel OpenVINO 加入 Optimum Intel，用户可在多种 Intel 处理器上用 OpenVINO Runtime 对 Transformers 模型执行推理，模型可托管于 Hugging Face hub 或本地。
BLOOM 推理优化实录：延迟降低 5 倍、吞吐提升 50 倍
Hugging Face 分享了 BLOOM（176B 参数、bf16 下 352GB）推理服务的优化过程，数周内将延迟降低 5 倍、吞吐提升 50 倍。
Hugging Face 为模型和数据集引入 DOI
Hugging Face 宣布用户可直接在 Hub 上为模型或数据集生成 DOI，该功能已与 DataCite 合作实现。注册用户填写必要元数据后即可获得 DOI，他人可通过模型或数据集页面上的“Cite this model/dataset”按钮引用其工作。带 DOI 的数据集和模型将被永久保留，仅可在向官方支持提交请求后删除。
rinna 发布日语版 Stable Diffusion 模型
rinna 通过对 Stable Diffusion 进行微调，开发出支持日语提示词的文本生成图像模型 Japanese Stable Diffusion，模型已在 Hugging Face 和 GitHub 发布，代码基于 🧨 Diffusers。
Hugging Face Accelerate 如何借助 PyTorch 运行超大模型
Hugging Face 的 Accelerate 利用 PyTorch 的 meta device 先创建无权重空模型，再逐层加载权重并按设备映射分配，从而在内存和单卡显存不足时也能运行超大模型。
Hugging Face 联合 Intel Labs 推出 SetFit：无需提示词的高效少样本学习框架
Hugging Face 与 Intel Labs、UKP Lab 合作推出 SetFit，一个面向 Sentence Transformers 的高效少样本微调框架，无需提示词或 verbaliser。
推荐理由：原文给出 SetFit 的两阶段训练流程与 RAFT 基准对比，读者可了解无提示词少样本分类的实现方式与成本。
Hugging Face 发布 Ethics and Society Newsletter #1
Hugging Face 推出《Ethics and Society Newsletter》，按季节在春分秋分和夏至冬至发布，由公司内部跨部门开放小组“Ethics and Society regulars”撰写。
OpenAI News精选AI 评分 OpenAI 开源语音识别模型 Whisper
OpenAI 训练并开源了神经网络 Whisper，其在英语语音识别上接近人类水平的鲁棒性和准确度。
推荐理由：OpenAI 开源语音识别模型 Whisper，读者可了解其在英语识别上的鲁棒性与准确度定位。
用 DeepSpeed 和 Accelerate 实现极快的 BLOOM 推理
Hugging Face 发布教程，展示如何用 DeepSpeed-Inference、Accelerate 和 DeepSpeed ZeRO 为 176B 参数的 BLOOM 模型做推理，并给出各方案在 8x80GB A100 上的吞吐与加载耗时基准。
推荐理由：文章给出 BLOOM 176B 在多种 GPU 配置下的吞吐与加载耗时对比，可据此选择部署方案。
Hugging Face diffusers 0.3 发布：新增图生图、文本反转与 inpainting
Hugging Face 发布 diffusers 0.3，为扩散模型工具箱新增图生图 pipeline、文本反转、实验性 inpainting pipeline、ONNX 导出器与 Mac 支持。其中显存优化让 Stable Diffusion 只需 3.2GB 显存，代价是约 10% 的速度损失；文本反转支持用 3-5 张样本个性化模型，社区几天内分享了 200 多个概念。
推荐理由：梳理 diffusers 0.3 新增的图生图、文本反转、inpainting 与显存优化，可据此判断扩散模型工具链的可用边界。
如何训练你的第一个 Decision Transformer
Hugging Face 发布教程，教你用 transformers 库从零训练一个离线 Decision Transformer，让 HalfCheetah 在 Gym 环境中奔跑。
Hugging Face 支持的 OpenRAIL：面向开放且负责任的 AI 许可框架
RAIL Initiative 推出、Hugging Face 支持的 OpenRAIL 是一类 AI 专用许可框架，允许免版税访问、下游使用与再分发，同时嵌入针对特定关键场景的使用限制。该许可借鉴 BigScience、开源与 Creative Commons 的做法，试图在广泛开放 ML 模型与约束有害用途之间划出界线，并赋予许可方在发现滥用时的执行能力。
如何在 Hugging Face Spaces 上用 3Dmol.js 可视化蛋白质
Hugging Face 发布教程，介绍如何用 3Dmol.js 和 Gradio 的 HTML 组件在 Hugging Face Spaces 中可视化蛋白质结构。用户可输入 4 位 PDB 代码或上传 PDB 文件，应用会从 RCSB Protein Databank 获取结构并渲染。文章还提到可用 Molecule3D Gradio 自定义组件简化这一流程。
如何用 Diffusers 运行 Stable Diffusion 并自定义推理管线
Hugging Face 发布教程，介绍如何用 Diffusers 库运行 Stable Diffusion 文生图模型，安装 diffusers==0.10.2 后通过 StableDiffusionPipeline.from_pretrained 加载 CompVis/stable-diffusion-v1-4 即可生成图像。
推荐理由：原文给出 Stable Diffusion 在 Diffusers 中的完整调用方式与自定义推理管线代码，可迁移到其他扩散模型。
Hugging Face 的 TensorFlow 哲学
Hugging Face 阐述了其 transformers 库在 TensorFlow 上的设计哲学：所有 TensorFlow 模型都是 Keras Model 对象，所有层都是 Keras Layer 对象，因此可直接调用 fit()、compile() 和 predict()。
如何训练和微调 Sentence Transformers 模型
Hugging Face 发布教程，讲解如何从零构建或微调 Sentence Transformers 模型。模型由预训练 Transformer（如 distilroberta-base）加池化层组成，可将变长文本映射为固定长度嵌入向量；相比直接用 BERT，语义搜索 1 万句的耗时从约 65 小时降至约 5 秒。教程还介绍了四种数据集格式与对应损失函数的选择。
Nyströmformer：用 Nyström 方法以线性时间和内存近似自注意力
Nyströmformer 通过 Nyström 方法近似标准自注意力，将时间和内存复杂度从 O(n²) 降至 O(n)。它不直接对 softmax 矩阵采样，而是从 query 和 key 中用分段均值构造 landmark，仅需 32 或 64 个 landmark 即可在 n=4096 或 8192 的长序列上取得与标准自注意力及其他高效注意力机制相当的性能。
Hugging Face 就美国国家 AI 研究资源（NAIRR）中期报告提交建议
Hugging Face 于 2022 年 6 月就美国国家 AI 研究资源（NAIRR）中期报告提交反馈，建议任命技术与伦理专家担任顾问、制定模型与数据文档标准、为非技术专家提供低代码或无代码工具，并推动开源与开放科学的高风险滥用监测。其回应还建议投入法律专业能力制定负责任 AI 许可证，并以多语言资源支持多元研究者视角，BigScience 研究工坊被列为范例。
Hugging Face 为 🤗 Datasets 新增音频与视觉数据集文档
Hugging Face 为 🤗 Datasets 补充了音频和图像数据集的文档，Quickstart 新增按模态选择数据集的端到端示例，并引入 to_tf_dataset 函数，可将数据集转换为 tf.data.Dataset 供 TensorFlow 或 Keras 训练。
Hugging Face 深度强化学习课程：Advantage Actor Critic (A2C)
Hugging Face 深度强化学习课程 Unit 7 讲解 Advantage Actor Critic（A2C），一种结合基于策略与基于价值方法的混合架构，通过 Actor 控制智能体行为、Critic 评估动作好坏来降低 Reinforce 中蒙特卡洛采样带来的高方差。课程使用 Stable-Baselines3 在 PyBullet 机器人环境中训练双足步行者和蜘蛛两个智能体行走。
如何用对抗数据动态训练你的模型
Hugging Face 博客介绍动态对抗数据收集（DADC）：让用户在与模型交互中构造能骗过模型的样本，再将这些对抗样本用于训练，多轮重复以提升鲁棒性。教程以 MNIST 手写数字识别为例，用 🤗 Spaces 搭建交互 demo，模型训练 20 个 epoch 后在测试集上达到 89% 准确率，并通过 flag 机制把对抗样本存入数据集再训练。
Hugging Face 发布 176B 参数开放多语言模型 BLOOM
Hugging Face 发布 BLOOM，一个 176B 参数的多语言大语言模型，可生成 46 种自然语言和 13 种编程语言的文本。该模型由 70 多个国家、250 多家机构的 1000 多名研究者协作完成，在法国 Jean Zay 超算上训练 117 天，并首次公开训练中间检查点和优化器状态。
推荐理由：BLOOM 以 176B 参数覆盖 46 种自然语言，并公开训练中间检查点，可据此了解开放大模型的训练与复现路径。
如何用 Sentence Transformers 开启你的第一个机器学习项目
Hugging Face 发布入门指南，以 Sentence Transformers 为例讲解如何从零启动第一个 ML 项目。该库可将句子、段落和图像转为嵌入向量，并通过 util.cos_sim 计算余弦相似度，已在 GitHub 收获近 8,000 stars，超过 3,000 个项目依赖它。文中还给出选题方法：先梳理工具能力，再从 Hugging Face Hub 等渠道寻找数据。
Intel 与 Hugging Face 合作，通过 Optimum Intel 加速 Transformer 硬件
Intel 正式加入 Hugging Face 硬件合作伙伴计划，双方将基于开源库 Optimum 共同构建面向 Transformer 训练、微调与推理的硬件加速方案。Optimum Intel 构建在 Intel Neural Compressor 之上，支持量化、剪枝与知识蒸馏，并已实现对 Habana Gaudi 加速器的支持，其性价比比 GPU 高出最多 40%。
Graphcore 与 Hugging Face 推出新一批 IPU 适配 Transformer 模型
Graphcore 与 Hugging Face 在开源库 Optimum 中新增一批适配 IPU 的 Transformer 模型，可访问模型总数达 10 个，覆盖 NLP、语音和计算机视觉，均附带 IPU 配置文件和预训练、微调权重。
Hugging Face Hub 推出 Pull Requests 和 Discussions 功能
Hugging Face 在 Hub 上线 pull requests 和 discussions，模型、数据集和 Spaces 三类仓库均可在 Community 标签页使用，任何社区成员都能创建和参与。
Hugging Face 宣布推出 Fellowship 计划
Hugging Face 推出 Fellowship 计划，面向开源机器学习生态的贡献者，由 Hugging Face 团队成员或现任 Fellow 提名，无申请截止日期。
Gradio 3.0 发布，推出 Blocks 低层 API 与全新前端
Hugging Face 发布 Gradio 3.0，对 Gradio 库做了彻底重设计，前端改用 Svelte 等现代技术，页面体积更小、加载更快，并新增 Gallery 组件和 TabbedInterface 类。
推荐理由：Gradio 3.0 的前端重写与 Blocks 低层 API 展示了从固定布局到自定义数据流的转变，可据此判断演示搭建方式的变化。
Hugging Face 首届学生大使计划开放申请
Hugging Face 开放首届 Student Ambassador Program 申请，截止日期为 2022 年 6 月 13 日，计划于 6 月 30 日启动、12 月 31 日结束。入选学生将获得 Hugging Face 团队的工作坊与支持、同行协作网络及官方大使认证，申请者需为在读大学生、修过至少一门机器学习或数据科学课程，并使用过 Hugging Face Hub 或相关库。
Hugging Face Optimum 1.2 支持 Transformers pipelines 加速推理
Hugging Face 在 Optimum 1.2 中加入推理与 Transformers pipelines 支持，首批接入 ONNX Runtime，用户可将 AutoModelForXxx 直接替换为对应的 ORTModelForXxx。
Hugging Face 完成 1 亿美元 C 轮融资，Lux Capital 领投
Hugging Face 宣布完成 1 亿美元 C 轮融资，由 Lux Capital 领投，Sequoia、Coatue 等参与，现有投资方 Addition、a_capital、SV Angel、Betaworks、AIX Ventures 等继续支持。
推荐理由：Hugging Face 官方披露 C 轮融资规模、领投方与资金用途，可了解其开源平台当时的规模与方向。
Hugging Face Hub 迎来 fastai 集成：一行 Python 上传模型
fastai 用户现在可以用一行 Python 将模型上传至 Hugging Face Hub，并通过 from_pretrained_fastai 直接加载他人模型。
Hugging Face 推出教育计划：目标 2023 年底教会 500 万人机器学习
Hugging Face 发布教育计划，目标到 2023 年底教会 500 万人机器学习。该计划面向所有人、初学者和教师三类人群，提供 NLP、深度强化学习、Gradio 演示构建等免费课程，以及翻译成 8 种语言的免费教学工具包，教师可在 Hub 上免费创建课堂。此前 2022 年 3 月的 ML demo.cratization 巡讲已为 16 个国家超 1000 名学生授课。
Hugging Face 工程师 Lewis Tunstall 谈 Transformers 与 NLP 新书
Hugging Face 机器学习工程师 Lewis Tunstall 在访谈中介绍了与 Leandro von Werra 合著的《NLP with Transformers》，并讲述了自己从 2018 年使用 pytorch-pretrained-bert 到加入 Hugging Face 的经历。