AI基础设施团队发布GPU集群调度器新功能
AI基础设施团队发布了新的GPU集群调度器，通过引入GPU时间预算、分层公平共享分配和时间切片合同等功能，优化了资源分配和提升了工作效率。
推荐理由：原文介绍了GPU集群调度器的新功能，读者可以了解如何优化资源分配和提升工作效率。
#Hugging Face
Hugging Face Blog精选AI 评分6565
Hugging Face Blog精选AI 评分7272 Hugging Face 发布开源多模态决策模型 d1-3B 和 d1-omni-600M
Hugging Face 发布了开源多模态决策模型 d1-3B 和 d1-omni-600M，支持文本和图像输入，其中 d1-3B 在决策索引 0.2.1 上得分 48.57，领先于所有 4B 和 9B 模型。
推荐理由：该模型在多个任务上表现出色，且支持多模态输入，具有实际应用价值。
Hugging Face BlogAI 评分4545 Falcon ASR：阿拉伯语语音识别模型发布
Falcon ASR，由阿布扎比的科技创新研究所（TII）开发的1.6亿参数阿拉伯语语音识别模型，在阿拉伯语测试集中实现了20.92%的平均词错误率，支持阿拉伯语、英语、法语、西班牙语和葡萄牙语。
Hugging Face Blog精选AI 评分8585 Nemotron 在 IOI 和 IMO 竞赛中取得优异成绩：一种强大的模型家族
Nemotron 在 IOI 和 IMO 竞赛中取得了优异成绩，通过微调和强化学习等方法，展示了其在特定领域的强大适应性和可扩展性。
推荐理由：Nemotron 在 IOI 和 IMO 竞赛中取得了优异成绩，展示了其在特定领域的强大适应性和可扩展性。
Hugging Face Blog精选AI 评分6565 微软发布智能体评估工具 ThinkingBox
微软与 Hugging Face 联合发布智能体评估工具 ThinkingBox，通过评估AI代理在业务流程中的表现，揭示了模型在实际应用中的可靠性和一致性。
推荐理由：ThinkingBox 通过评估AI代理在业务流程中的表现，揭示了模型在实际应用中的可靠性和一致性，为读者提供了重要的参考价值。
Hugging Face Blog精选AI 评分7070 ServiceNow 推出 AutoSynthData：为智能体生成训练数据
ServiceNow 推出 AutoSynthData，旨在通过利用目标模型的失败和更强教师的成功来生成和验证新的训练任务，从而提高企业智能体的性能。
推荐理由：AutoSynthData 通过将模型失败转化为训练数据，帮助企业在特定环境中训练更有效的智能体，读者可以了解其如何改变现有工作流。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 Holo4 智能体模型
Hugging Face 发布了新的智能体模型 Holo4，包括 27B dense 和 35B-A3B Mixture of Experts 两种版本，支持多种接口，并在学术基准测试中表现出色。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分4545 Hugging Face Hub 新增 RL Environments 功能，助力强化学习环境共享与复用
Hugging Face Hub 推出 RL Environments 功能，提供强化学习环境共享与复用平台，支持多种环境框架，简化环境部署与运行，提升强化学习研究效率。
Hugging Face BlogAI 评分5555 Hugging Face 官方宣布支持 MLX 社区，Jun Kim 加入团队
Hugging Face 官方宣布支持 MLX 社区，并欢迎 oMLX 的创建者和维护者 Jun Kim 加入团队，这将推动本地 AI 的发展和应用。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 tokenizers v1：编码、解码和扩展，性能提升
Hugging Face 发布了 tokenizers v1，该版本在编码、解码和扩展方面进行了性能提升，通过优化算法和架构，实现了比 v0.23 版本更高的效率。
推荐理由：原文详细介绍了 tokenizers v1 的性能提升和改进，读者可以了解其如何加速机器学习工作流程。
Hugging Face Blog精选AI 评分6767 Hugging Face 推出智能体一致性分析工具
Hugging Face 推出了一种名为 Consistency Analyzer 的工具，用于分析智能体的可靠性问题，并提出了解决方案。
推荐理由：原文介绍了如何通过一致性指南来提高智能体的可靠性，读者可以了解这一方法并应用于自己的工作流。
Hugging Face BlogAI 评分5555 Hugging Face Jobs 上使用 LoRA 和 AsyncGRPOTrainer 进行高效训练
Hugging Face Jobs 上使用 LoRA 和 AsyncGRPOTrainer 进行高效训练，通过 LoRA 技术和异步训练方法，实现了训练和推理分离，并提高了训练效率。
Hugging Face Blog精选AI 评分8585 NeoMME：一个高效的多模态和跨语言编码器
Hugging Face 发布了 NeoMME，一个由 260M 和 800M 参数组成的跨语言多模态编码器。NeoMME 不使用单独的预训练视觉塔或因果语言模型，而是使用单个双向 Transformer 处理文本标记和原始图像补丁。NeoMME -Retriever 在视觉文档检索方面进行了微调，并提供了密集和后期交互嵌入。
推荐理由：NeoMME 是一个高效的多模态和跨语言编码器，其独特的架构和性能使其在视觉文档检索方面具有竞争力。
Hugging Face BlogAI 评分5555 某产品发布智能体功能
某产品发布新的智能体功能，名为funes，它为智能体（如Claude Code、Codex、pi和Hermes）提供持久化记忆层，支持本地和远程数据集，并允许智能体在会话中检索和回忆历史信息。
Hugging Face Blog精选AI 评分7575 Hugging Face 发布 WebGPU 内核库 @huggingface/kernels
Hugging Face 发布了 @huggingface/kernels 库，包含 207 个 WebGPU 内核，旨在加速浏览器推理，并提供 Fleet 工具进行基准测试和性能验证。
推荐理由：Hugging Face 发布了 @huggingface/kernels 库，提供了 200 多个 WebGPU 内核，旨在加速浏览器推理，读者可以了解其如何改变现有工作流。
Hugging Face BlogAI 评分4545 Sentence Transformers v6.0更新：多向量嵌入模型训练与微调
Sentence Transformers v6.0更新引入了多向量编码器模型，用于ColBERT风格的后期交互检索，并提供了完整的训练方法。该模型在医疗检索评估中表现优于通用检索模型，适用于检索增强生成、语义搜索、语义文本相似性等多种应用。
Hugging Face Blog精选AI 评分8585 IBM 发布 Granite 4.2 推理模型家族：构建过程揭秘
IBM 发布了 Granite 4.2 推理模型家族，包括 3B、8B 和 30B 三个版本，这些模型在 Granite-4.1 基础模型上进行后训练，并支持工具调用和推理功能。
推荐理由：Granite 4.2 模型在推理和工具调用方面表现出色，为读者提供了对大型语言模型构建的深入了解。
Hugging Face Blog精选AI 评分8585 量化感知修复：超越原始模型的压缩4位模型
Hugging Face提出了一种名为量化感知修复（QAH）的新方法，通过直接从原始模型中提取知识，提高了压缩和量化后的模型的性能，使其在多个基准测试中优于原始的全精度版本。
推荐理由：该研究提出了量化感知修复（QAH）方法，通过直接从原始模型中提取知识，提高了压缩和量化后的模型的性能，为大型模型的小型化和高效运行提供了新的思路。
Hugging Face BlogAI 评分6262 Gradio发布AI工作流指南
Gradio发布新功能，允许用户通过图形界面构建和部署AI工作流，支持多种模型和工具的集成。
Hugging Face BlogAI 评分4545 Hugging Face Inference Endpoints、Jobs 和 Buckets 助力 Papers with Code 搜索引擎
Hugging Face 通过结合 PostgreSQL 数据库、pgvector 和 RRF 算法，利用 Hugging Face Jobs、Storage Buckets 和 Inference Endpoints，构建了 Papers with Code 的混合搜索系统，支持超过 11 万篇论文的搜索，实现高效且强大的 AI 研究成果检索。