Hugging Face 为 OlmoEarth Studio 推出自定义嵌入向量导出功能
Hugging Face 的 OlmoEarth Studio 现已支持计算并导出嵌入向量，用户可通过 UI 或 API 选择区域、时段、编码器变体和影像源，获得 Cloud-Optimized GeoTIFF 格式结果。
#Hugging Face
#Hugging Face
Hugging Face BlogAI 评分
Hugging Face ALTK-Evolve 如何用更少 Token 超越 ACE
Hugging Face 的 ALTK-Evolve 在 AppWorld 上以按需检索指南替代 ACE 的全量 playbook 注入，用更少 Token 取得更高任务完成率。
NVIDIA 发布 Magpie TTS 多语言语音模型，开放权重支持 12 种语言
NVIDIA 发布 Magpie TTS Multilingual 开放权重模型，参数量 364M，支持英语、西班牙语、法语、德语、意大利语、越南语、普通话、印地语、日语等 12 种语言，新增现代标准阿拉伯语、韩语和巴西葡萄牙语。
推荐理由：NVIDIA 公开 Magpie TTS 多语言模型的权重与延迟数据，读者可据此评估自建语音链路的可行性与成本。
Hugging Face 论文：用离线 Top-K Logits 与融合分块 KL 损失降低 LLM 知识蒸馏成本
Hugging Face 最新论文提出两项系统改动，让 LLM 知识蒸馏成本大幅下降：先离线缓存教师模型的 top-100 logits，使教师模型无需与学生模型同时驻留显存；再用融合分块 KL 损失，避免生成完整的词表×序列长度矩阵。
Meta 发布开源多模态模型 Muse Glimmer 30B，面向本地智能体场景
Meta 发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数、采用 Apache 2.0 许可的多模态模型，面向本地智能体用例，适用于编码、文档分析和个人助理等隐私敏感场景。
推荐理由：Meta 开源 30B 多模态模型并给出完整基准对比，读者可据此判断本地智能体部署的选型空间。
Baseten 加入 Hugging Face Inference Providers
Baseten 成为 Hugging Face Hub 支持的 Inference Provider，首批上线对话与文本生成任务，可调用 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等开放权重模型。
X：Arthur Mensch（Mistral CEO） (@arthurmensch)AI 评分 Mistral 加入 Open Secure AI Alliance，主张开放权重模型保障数字安全
Mistral CEO Arthur Mensch 宣布加入 Open Secure AI Alliance，该联盟由 Jensen Huang 参与发起，主张防御方需要同时拥有最好的开放与闭源模型。Jensen Huang 称在 Hugging Face 事件中闭源 AI 阻碍了关键取证，而一个开放权重的前沿模型帮助遏制了入侵。
X：Andrew Ng（DeepLearning.AI 创始人） (@AndrewYNg)AI 评分 吴恩达评 Nvidia 公开信：闭源模型更安全只是监管俘获的公关话术
吴恩达公开支持黄仁勋与 Nvidia 的公开信，称其写得好、值得一读。他以 OpenAI-Hugging Face 遭攻击事件为例，指出防御需要开放模型和工具链，并直言"闭源模型更安全"只是监管俘获的公关话术。黄仁勋在信中称，Hugging Face 事件期间闭源 AI 阻断了关键取证，而一个开放权重的前沿模型帮助遏制了入侵，这也是 Open Secure AI Alliance 成立的原因。
X：Jensen Huang (@JensenHuang)AI 评分 英伟达发起 Open Secure AI Alliance，主张以开放与闭源模型共建防御生态
英伟达宣布成立 Open Secure AI Alliance，与多家行业领先机构共同开发保护软件和智能体的新技术与工具。黄仁勋称攻击者已拥有前沿 AI，防御方需要开放与闭源模型并存的生态；在 Hugging Face 事件中，闭源 AI 阻碍了关键取证，而一个开放权重的前沿模型帮助遏制了入侵。联盟将通过开放共享模型、工具和研究来扩大防御者群体，创始成员的贡献详见 nvda.ws/4pD8Fc5。
Hugging Face 复盘 2026 年 7 月前沿实验室智能体入侵事件技术时间线
Hugging Face 发布技术复盘，还原 2026-07-09 至 07-13 期间一个由 OpenAI 模型驱动的自主智能体对其基础设施的入侵过程，共恢复约 17,600 条攻击动作、归为约 6,280 个簇。
推荐理由：Hugging Face 以当事方身份复盘一次智能体入侵的完整技术链路，读者可看到攻击者如何跨信任边界逐层渗透。
Diffusers 原生支持 Nunchaku 4-bit 扩散推理
Diffusers 现已原生支持 Nunchaku 的 SVDQuant 4-bit 量化推理，加载 Nunchaku checkpoint 只需调用 from_pretrained()，无需本地编译 CUDA，内核通过 kernels 包从 Hub 下载。
推荐理由：原文给出 Nunchaku Lite 在 Diffusers 中的加载方式、显存与延迟数据，读者可据此判断消费级 GPU 跑扩散模型的实际收益。
OpenAI NewsAI 评分 OpenAI 与 Hugging Face 合作应对模型评测期间的安全事件
OpenAI 与 Hugging Face 合作，公布了一次 AI 模型评测期间安全事件的早期发现。双方指出事件涉及高级网络攻击能力，并总结了可供防御方参考的经验教训。
Hugging Face 与 Pollen Robotics 发布开源机器人操作数据采集系统 Grabette
Hugging Face 博客发布开源低成本机器人操作数据采集系统 Grabette，用手持夹爪加双摄像头记录人类演示，自动转换为 LeRobot 数据集。Grabette 手持端 BOM 成本约 490€，配套的 Gripette 电动夹爪约 120€，硬件 CAD、采集服务、处理流水线和示例训练栈全部开源，处理流程可在浏览器中通过 HF Space 完成。
推荐理由：原文给出了手持夹爪采集机器人操作数据的完整开源方案与成本，读者可据此判断数据采集门槛的变化。
新模型来了，优势依旧：DharmaOCR 在巴西葡萄牙语 OCR 上仍领先 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在葡萄牙语专项基准上以 0.925 分领先 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587，后两者分别落后约 13 分和 16 分以上。该模型经葡萄牙语监督微调加 DPO 两阶段训练，把全部参数集中于巴西葡萄牙语，在复杂文档提取质量和生成稳定性上形成结构性优势。文章认为，新架构并未改变这一领域专精带来的差距。
Hugging Face 披露 7 月安全事件：自主 AI 智能体驱动入侵
Hugging Face 披露本周检测到一起针对其生产基础设施的入侵，该事件端到端由自主 AI 智能体系统驱动，攻击者通过数据集处理中的远程代码加载器和模板注入两条代码执行路径进入处理节点，进而获取云与集群凭证并在周末横向移动至多个内部集群。
推荐理由：Hugging Face 首次披露由自主 AI 智能体驱动的入侵事件，并复盘用开源模型做取证时遭遇的护栏限制。
Thinking Machines 发布 1T 参数多模态开源模型 Inkling 及 Inkling-Small
Thinking Machines Lab 在 Hugging Face 发布多模态开源模型 Inkling，采用 decoder-only MoE 架构，975B 总参数、41B 激活参数，支持图像、音频、文本输入和 1M 上下文，训练数据为 45 万亿 token。
推荐理由：Inkling 以约 1T 参数、1M 上下文原生接收图像音频文本，并给出各推理引擎的部署配置与基准对比。
Hugging Face 推出 Real World VoiceEQ：衡量语音 AI 的人类质感
Hugging Face 发布 Real World VoiceEQ 基准，用于评估语音交互的"人类质感"，覆盖 40 多个专有与开源语音模型、15+ 评估维度和 60+ 指标，涵盖 ASR、TTS、S2S 与语音理解。
PyTorch 性能分析（第三部分）：Attention 全解析
Hugging Face 博客发布 "Profiling in PyTorch" 系列第三篇，用 NVIDIA A100-SXM4-80GB 剖析 attention 的 profiler 轨迹。
Hugging Face：vLLM 的 transformers 建模后端达到原生速度
Hugging Face 宣布 vLLM 的 transformers 建模后端现已达到甚至超过 vLLM 手写原生实现的吞吐速度，模型作者无需移植即可获得快速推理。
推荐理由：原文给出 transformers 后端在 vLLM 中追平原生实现的具体基准与启用方式，读者可据此判断是否省去自定义移植。
Hugging Face 与 Amazon SageMaker Studio 实现一键深度链接集成
Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，开发者在支持的模型页面点击 Customize 或 Deploy 即可直达 SageMaker Studio，模型预加载、环境自动配置。
微软 Foundry Managed Compute 上线 Hugging Face 模型集合
微软在 Build 2026 宣布 Foundry Managed Compute 及 Hugging Face 模型集合，将 Hugging Face 生态的开源权重模型引入 Foundry 模型目录，每周刷新并可一键部署到托管 GPU 平台。
LeRobot v0.6.0 发布：世界模型策略、奖励模型 API 与六个仿真基准
LeRobot v0.6.0 发布，围绕机器人学习闭环引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新一批 VLA（GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT）以及统一奖励模型 API（Robometer、TOPReward）。
推荐理由：LeRobot v0.6.0 把世界模型策略、奖励模型 API 与六个仿真基准整合进同一套开源工作流，读者可据此判断机器人学习闭环的落地路径。
Hugging Face 与 SkyPilot 联合推出零出网费存储集成
Hugging Face 与 SkyPilot 联合推出集成，用户可用一个 hf:// URL 和现有 HF_TOKEN 把 Hugging Face Bucket 或任意模型、数据集、Space 仓库挂载进 SkyPilot 任务，并在 20+ 云、Kubernetes、Slurm 和本地集群上运行。
推荐理由：原文给出 hf:// 挂载方式、免出网费与 Xet 去重的具体机制，读者可据此判断跨云训练存储成本的变化。
PRX Part 4：Hugging Face 的数据策略
Hugging Face 在 PRX 系列第四篇中披露其数据策略：预训练数据由公开与内部数据集混合组成，用 VLM 重新生成图像长描述，再转为可流式训练的语料。团队将文本编码器从 T5Gemma 换成 Qwen3-VL 并改为训练时实时计算文本 latent，实测吞吐损失约 3–4%（30 天训练约多 1 天）。图像统一以 JPEG quality 92 编码，实测首次重编码几乎不可察觉。
Hugging Face Kernels 项目重大更新：新增 kernel 仓库类型与代码签名
Hugging Face 为 Kernels 项目引入 Hub 上的 "kernel" 新仓库类型，并默认只加载受信任发布者的内核，其他来源需显式传入 trust_remote_code=True。
Hugging Face 与 Cerebras 将 Gemma 4 引入实时语音 AI
Hugging Face 与 Cerebras 联合演示了一套实时语音到语音流水线，用 Cerebras 加速 Gemma 4 31B 的推理，以降低语音交互延迟。
推荐理由：原文给出可替换的语音到语音流水线各层组件，读者可据此评估如何搭建低延迟实时语音交互。
ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布开源基准 ScarfBench，用于评估 AI 智能体在企业级 Java 框架迁移中的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，含 34 个应用、102 个框架实现、204 个迁移任务和 1331 个专家测试。
Google Research精选AI 评分Google 发布 TabFM：面向表格数据的零样本基础模型
Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，将表格预测重构为上下文学习问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。
推荐理由：原文给出 TabFM 的零样本表格预测机制与 TabArena 基准表现，读者可据此判断它能否替代传统树模型工作流。
Hugging Face 模型页上线 Every Eval Ever 评测结果展示
Hugging Face 模型页现已展示 Every Eval Ever（EEE）评测结果，EEE 与 Hugging Face Community Evals 实现互操作，支持结果交叉发布与溯源。
DiScoFormer：一个 Transformer 同时估计密度与 score，跨分布通用
Hugging Face 博客介绍 DiScoFormer（Density and Score Transformer），一个模型在单次前向传播中即可从一组数据点估计分布的密度与 score，无需针对新分布重新训练。
用一条命令在 HF Jobs 上运行 vLLM 服务器
Hugging Face 发布教程，介绍用一条 hf jobs run 命令在 HF Jobs 上启动私有、OpenAI 兼容的 vLLM 端点，按秒计费，无需自建服务器或 Kubernetes。
推荐理由：原文给出从启动到查询、SSH 调试和接入编码智能体的完整命令，读者可据此自建 OpenAI 兼容端点。
NVIDIA NeMo AutoModel 发布，MoE 微调吞吐较 Transformers v5 提升 3.4-3.7 倍
NVIDIA 在 Hugging Face 博客发布开源库 NeMo AutoModel，基于 Transformers v5 构建，新增 Expert Parallelism。
X：宇树 Unitree (@UnitreeRobotics)AI 评分 宇树 Unitree 支持 BitRobot 开源 HIW-500 人形机器人全身遥操作数据集
宇树 Unitree 支持 BitRobot 开源 HIW-500（Humanoids-in-the-Wild 500），这是目前最大的开源人形机器人全身遥操作数据集，在东南亚 12 个真实家庭中采集。数据集包含 500+ 小时、23K+ 条 episode、10+ TB 数据，覆盖 10+ 项家务任务，由 Unitree 与 Hugging Face 共同构建，旨在加速通用人形机器人研究进展。
Hugging Face 与 Treble Technologies 推出 FFASR 远场 ASR 基准榜单
Hugging Face 与 Treble Technologies 上线首个开放、社区驱动的远场 ASR 基准 FFASR Leaderboard，覆盖 14 个模拟房间，并设 Lab Measured 与 Lab Simulated 两列做仿真到实测验证。
Hugging Face 如何用 AI 与开源工具每周发布 huggingface_hub
Hugging Face 把 huggingface_hub 的发布周期从每 4 到 6 周一次改为每周一次，整套流程跑在单个 GitHub Actions workflow 上，由 OpenCode 驱动开源权重模型（当前为 Z.ai 的 GLM-5.2）起草 release notes 和 Slack 公告。
推荐理由：原文公开了每周发版的完整工作流与 trust-but-verify 校验循环，可迁移到其他 Python 库的发布流程。
Transformers.js 如何试验跨源存储（Cross-Origin Storage）API
Google Chrome 团队与 Hugging Face 合作，在 Transformers.js 中试验跨源存储（Cross-Origin Storage）API，用加密哈希而非 URL 标识文件，让不同源的应用共享同一份模型与 Wasm 资源。
PP-OCRv6 上线 Hugging Face：1.5M 到 34.5M 参数、支持 50 种语言
PaddleOCR 发布新一代通用 OCR 模型家族 PP-OCRv6，已在 Hugging Face 上线，提供 tiny、small、medium 三档，参数量从 1.5M 到 34.5M，其中 small 和 medium 支持 50 种语言。
推荐理由：原文给出三档模型参数、检测与识别指标及多后端接入方式，便于按部署场景选型。
如何用本地模型免费分诊 OpenClaw 仓库的 Issue 和 PR
Hugging Face 博客分享用本地模型在智能体框架中对 OpenClaw 仓库的 Issue 和 PR 做分类分诊，实现近乎实时的通知且无需云端模型配额。
推荐理由：原文给出本地模型做 PR/Issue 分类的完整架构与 330 行评测数据，可迁移到其他高吞吐分诊场景。
MosaicLeaks：你的研究智能体能守住秘密吗？
Hugging Face 博客提出 MosaicLeaks，用 1,001 条多跳研究链测试深度研究智能体的隐私泄漏，这些链交替穿插本地企业文档与公开网页信息。测试中智能体频繁泄漏隐私，仅针对任务表现训练会加剧泄漏；其提出的 PA-DR 强化学习方法将严格链成功率从 48.7% 提升至 58.7%，同时把答案/全信息泄漏率从 34.0% 降至 9.9%。
Hugging Face 发布 agent-eval：用自有工具链评测开源模型的智能体能力
Hugging Face 发布 agent-eval 评测工具，以 transformers 为案例，在模型 × 版本 × 任务三个维度上测量智能体完成任务所需的轮次、token 和错误率，而非只看最终答案。
推荐理由：原文给出了一套可复用的智能体工具评测方法，并展示同一改动如何在大模型与小模型上产生相反效果。