群核科技的InteriorGS数据集在HuggingFace趋势榜上夺冠，首次应用3D高斯技术于AI空间训练，解决高质量训练数据短缺问题。该数据集包含1000个高斯场景和55.4万个物品标签，推动具身智能技术的发展。

在 AWS EC2 上使用 HuggingFace 模型时，常见错误包括空间不足和权限问题。解决方法是将缓存数据移至大容量磁盘，并设置正确的权限和环境变量。

HuggingFace推出HuggingSnap应用，支持iOS、macOS和visionOS，利用本地smolvlm2模型实现离线实时物体识别，节省电量，适合购物、旅行和学习等场景。

本文介绍了如何使用HuggingFace Trainer组件微调通义千问0.5B模型，涵盖环境准备、数据加载和模型训练等步骤，提供简洁有效的实现方案，适合初学者。

黑客在HuggingFace上传恶意AI模型，成功绕过安全检测，连接硬编码IP地址以收集开发者信息。研究人员发现该模型使用7z格式压缩，提醒用户下载时需谨慎，选择认证发布者。

去年 12 月，生成式 AI 公司 Petuum 以及穆罕默德·本·扎耶德人工智能大学（MBZUAI）共同推出了一个用于创建开源大型语言模型的项目LLM360，旨在提高开源代码的透明度，公开整个 LLM 训练过程、代码、数据和最佳实践，以帮助开发人员更轻松、更快捷、更经济地创建开源大型语言模型，实现...

本文介绍了如何使用HuggingFace Transformers微调大型语言模型（LLMs）。微调是在特定任务或数据集上训练预训练模型，以提升其在特定领域的表现。文章讨论了微调的重要性、应对模型生成不准确内容的策略（如检索增强生成、提示工程和微调），以及微调的具体步骤，包括选择模型、准备数据、设置参数、创建训练器、训练和评估。

Reddit用户发现一个未知模型突然在Hugging Face平台上排名第一。通过Discord的赠品活动，该模型获得了人气。一些用户对模型的真实性和创建者的意图表示担忧，并建议Hugging Face采取措施应对此类活动。模型的个人资料和下载次数也受到质疑。揭示了模型的创建者正在推广一个服务器，并试图规避某些服务条款。发现该模型的Patreon页面是一个没有任何限制的免费API。与其他模型相比，该模型在chaiverse.com上的排名不确定。

人工智能模型托管平台HuggingFace发现部分模型在基准测试中存在作弊行为，推出新版本的Open LLM Leaderboard以获得真实有效的评估结果。阿里云通义千问Qwen-72B模型在测试中排名第一。模型参数规模并非越大越好，AI公司开始关注主要测试而忽略其他方面的表现。未来可能需要构建更独特的测试集来评估模型。

开源模型托管平台HuggingFace推出了HuggingFace Chat，集成了30多个开源模型，用户可以在线使用。新增了Assistant助理功能，用户可以创建特定模板的助理，其他用户可以直接调用。助理模板包括翻译、ChatGPT、Image Generator和DALL-E 3等。用户可以在HuggingFace Chat中尝试使用。

本文介绍了GPT模型的底层原理和架构，以及在无监督预训练和有监督下游任务微调方面的应用。同时，还介绍了基于HuggingFace的预训练语言模型实践，包括数据集准备、训练词元分析器、预处理语料集合和模型训练等步骤。最后，给出了模型使用的示例。