NVIDIA 在 Hugging Face 发布 SimReady Central 仿真资产库
NVIDIA 在 Hugging Face 上线 SimReady Central Library，汇集超过 2000 个带碰撞几何、质量、摩擦等仿真属性的 OpenUSD 资产，供开发者免费、无需审批地用于物理 AI 训练环境和 AI 工厂数字孪生。
推荐理由：原文说明了 SimReady 资产需要哪些仿真属性，以及 OEM 如何提交资产，读者可据此判断机器人仿真环境的搭建成本。
公司与模型
Hugging Face 最新动态
Hugging Face 开源社区动态：热门模型与数据集、排行榜变化与开源生态的晴雨表。
12 条精选近 30 天 12 条共收录 25 条
更新
Hugging Face的精选
Hugging Face Blog精选AI 评分6060 Hugging Face Blog精选AI 评分7676 Hugging Face 接入 TorchTPU，Transformers 与 Diffusers 原生支持 TPU
Hugging Face 宣布接入 PyTorch 原生 TPU 后端 TorchTPU，Transformers、Diffusers 和 Kernels 可直接在 TPU 上运行，不再需要 torch_xla 或 Optimum TPU。
推荐理由：原文给出安装命令与各库接入方式，读者可据此判断 PyTorch 模型迁移到 TPU 的改动量。
Hugging Face Blog精选AI 评分6060 Ai2 发布 FairStress 基准，评测 LLM 决策公平性
Ai2 在 Hugging Face 发布 FairStress 基准，用于衡量 LLM 在招聘、医疗、借贷等决策中的群体公平性，不止看最终选择，还看模型面对对抗性前缀时是否更容易改判。
推荐理由：FairStress 把公平性评测从最终选择扩展到模型被说服后是否改判，并给出可复用的开源基准与数据审计线索。
Hugging Face Blog精选AI 评分6060 ALTK-Evolve 用学习到的记忆让 GPT-4.1 客服智能体登顶 τ²-bench 零售榜
IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve：用 GPT-4.1 从智能体自身训练任务轨迹中提炼行为准则，追加到系统提示词后，在 τ²-bench 零售域取得 67.5% Pass^4，超过所有前沿模型条目和微调模型 RAFT-30B-A3B 的 61.4%。
推荐理由：原文给出同一套提示词级记忆在零售与航空两个客服域上的完整对照数据，可据此判断不更新权重也能提升智能体可靠性。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 AnyLanguageModel 1.0，统一 Apple 平台本地与托管模型调用
Hugging Face 发布 AnyLanguageModel 1.0，同时推出 swift-huggingface 1.0 和 swift-xet 1.0。
推荐理由：原文列出 1.0 版本新增的托管模型接入与工具调用、引导生成等能力，可据此判断 Swift 应用选模型的成本变化。
Hugging Face Blog精选AI 评分6767 PyTorch 2.15 为 MPS 后端带来 FP8 与更快的 LLM 解码
Hugging Face 的 PyTorch 团队介绍 PyTorch 2.15 在 MPS 后端的更新，新增 torch.float8_e4m3fn 张量与 F.scaled_mm 支持，FP8 张量占用为 BF16 的一半。
推荐理由：原文给出 MPS 后端在 FP8、MoE 解码和显存占用上的具体数字，可据此判断 Mac 本地跑模型的实际变化。
AWS Machine Learning Blog精选AI 评分6767 Reflection AI 开源编码智能体模型 Beam，并在 AWS 上提供部署路径
Reflection AI 发布开源权重模型 Beam，面向编码智能体与长周期任务，总参数 501B、激活参数 23B，Reflection 称有效上下文长度为 100 万 token，权重以 Apache 2.0 许可在 Hugging Face 发布，提供 BF16、FP8、NVFP4 三种 checkpoint。
推荐理由：文章给出 Beam 的参数量、上下文长度与三种 AWS 部署路径，可据此评估开源编码模型的自托管成本。
Hugging Face Blog精选AI 评分6767 Hugging Face 发布 501B 开源模型 Beam
Hugging Face 博客发布标题为 Welcome Beam 的文章，宣布一个 501B 的开源模型 Beam，称其可被用户拥有、定制和扩展。材料抓取失败，正文不可用，除标题外的能力、许可和开放方式均未披露。
Hugging Face Blog精选AI 评分7272 Apertus 1.5 发布 8B 与 70B 模型，新增图像音频理解与思考模式
Apertus 1.5 在 8B 和 70B 两个规模上扩展了 Apertus 1.0，新增图像与音频理解、可选思考模式、4 倍长的上下文窗口（262,144 tokens），并改进指令遵循与工具调用，权重以 Apache 2.0 许可发布于 Hugging Face。
推荐理由：原文完整公开了多模态早融合方案、四阶段预训练与五阶段后训练流程，可供研究开源模型如何扩展模态与长上下文。
Hugging Face Blog精选AI 评分6262 Ai2 发布 HiRO-ACEv2：以约 1/300 成本模拟 3 km 分辨率极端天气
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，其新降尺度模型 HiROv2 可同时预测多种高分辨率气象场，并提升对极端事件的预测能力。在给定粗化的 X-SHiELD 数据时，HiROv2 对目标模拟的高分辨率统计量匹配误差在 3% 以内，即使事件在百万数据点中仅出现一次；它还能估算热带气旋总能量，并生成具有真实风眼和雨带的飓风。
推荐理由：读者可了解 AI 气候模拟如何以约 1/300 成本生成 3 km 全球极端天气数据，以及其当前适用范围限制。
Hugging Face Blog精选AI 评分7070 作者用 ML Intern 两天训练六个模型，总花费约 103 美元
Hugging Face 作者借助 HuggingChat 中的 ML Intern，用提示词驱动完成六个模型的训练、评测与发布，总计算花费约 103 美元。其中把 Qwen-Image 2.1 的 9B 提示词改写器蒸馏成 0.8B 版本，可在 CPU 上运行，输出有效率 99.7%，token 用量约为教师模型的四分之一。
推荐理由：作者用六个真实项目复盘了如何用提示词驱动 ML Intern 完成训练、评测与发布，可迁移到自己的模型定制流程。
Hugging Face Blog精选AI 评分6262 Liquid AI 发布 d1-3B 与 d1-omni-600M 端侧多模态决策模型
Liquid AI 发布 d1 决策模型家族的两款开放权重模型 d1-3B 和 d1-omni-600M（实验性）。
推荐理由：Liquid AI 公开两款决策模型及端侧与 GPU 实测延迟，可据此判断单次前向决策在边缘设备上的可用性。