跳到正文
今天10月14日周三1 条
  1. Hugging Face Blog76

    Liquid AI 发布 LFM2.5-24B-A2B 端侧推理智能体模型

    Liquid AI 发布 LFM2.5-24B-A2B,这是一个 24B 参数、每 token 仅 2B 激活参数的推理模型,面向端侧快速私有智能体,会先思考再作答并调用工具。

    推荐理由:LFM2.5-24B-A2B 以 2B 激活参数对标更大 MoE,并给出端侧与 GPU 推理速度数据,可据此判断本地智能体的可行性。

10月13日周二
10月8日周四
  1. Hugging Face Blog76

    作者用 ML-intern 两天训练并发布六个模型,总花费约 103 美元

    作者在 HuggingChat 中开启 ML-intern 模式,用提示词描述需求,两天内训练并发布了六个模型,包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy LoRA、相机角度 LoRA、Doodle-in LoRA 和 Agate 4 步蒸馏模型,总计算花费约 103 美元。

    推荐理由:作者用 ML-intern 在两天内从零训练并发布六个模型,公开了全部提示词与每项算力开销,可作智能体辅助建模的实操参考。

10月7日周三
10月4日周日
  1. Hugging Face Blog71

    微软与 Hugging Face 发布 ThinkingBox:按数据库终态给 AI 智能体打分

    微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox,通过隔离的 MCP 工具会话运行智能体,再按终端后端状态和副作用打分,而非看它生成的句子。

    推荐理由:ThinkingBox 用 507 个有状态工作流的 20 次重复运行,把智能体的评估从工具调用转向终态数据库记录。

10月2日周五
  1. Hugging Face Blog38

    ServiceNow CoreAI 提出 AutoSynthData:把企业智能体的能力短板转化为训练数据

    ServiceNow CoreAI 构建了 AutoSynthData,用目标模型的失败案例和更强教师的成功案例定位能力缺口,再生成并校验新任务用于后训练。每个任务由系统规范、用户提示词和验证器组成,需满足可行性、真实性与难度要求,并随模型进步动态调整课程。该流程在 EnterpriseOps Gym 数据集上做了演示。

9月30日周三