Hugging Face
Hugging Face is one of the entities PulseAugur tracks across the AI industry. This page surfaces every recent cluster mentioning Hugging Face — vendor announcements, third-party press, social commentary, research papers, and regulatory filings — ranked by signal across our 200+ source set. Linked to the canonical entity record on Wikipedia and Wikidata so the entity card AI engines build is grounded in the same identity Wikipedia uses, not a slug-collision lookalike.
- acquired Gradio 95%
- partners with NVIDIA 90%
- partners with Intel 90%
- founded Liang Wenfeng 90%
- instance of Qwen3.6-27B 90%
- partners with llama.cpp 90%
- instance of machine learning 90%
- partners with IBM Research 90%
- partners with Together AI 90%
- uses Transformers.js 90%
- instance of SenseNova U1 90%
- developed krish567366 / gemma-4.0-kaggle-hackathon 90%
- 2026-05-19 product_launch Hugging Face released new tools and features for Gradio, enabling custom AI front-ends and introducing the Ettin Relinker. 来源
- 2026-05-18 product_launch Hugging Face launched the Open Agent Leaderboard.
- 2026-05-14 controversy Infostealer malware campaign discovered on Hugging Face, impersonating OpenAI. 来源
- 2026-05-14 research_milestone Hugging Face published a blog post detailing a new method for asynchronous batching to improve LLM inference performance. 来源
- 2026-05-11 product_launch Hugging Face launched three new open-source projects: Daggr, custom CUDA kernels, and OpenClaw. 来源
- 2026-05-10 controversy A fake OpenAI repository impersonating a privacy filter model distributed malware on Hugging Face.
25 天有情绪数据
-
Databricks 和 AWS SageMaker 集成，实现受管制的 LLM 微调
Databricks 和 Amazon SageMaker 合作，在保持严格数据治理的前提下实现大型语言模型 (LLM) 的微调。此次集成允许用户利用 SageMaker 的 AI 训练能力，处理由 Databricks Unity Catalog 管理的数据，确保合规性和可见性。该解决方案使用 Amazon EMR Serverless 进行数据预处理，并安全地访问受管数据、跟踪数据沿袭，然后将训练好的模型注册回 Unity Catalog。
-
NemoStation 发布 Marlin-2B，一款用于视频分析的小型 VLM
NemoStation 发布了 Marlin-2B，这是一款用于从视频中提取结构化信息的小型视频大模型 (VLM)。这个拥有 20 亿参数的模型在密集字幕生成和时间定位方面表现出色，在 CaReBench 和 TimeLens-Bench 等基准测试中，其表现优于同等规模的其他模型。Marlin-2B 针对部署进行了优化，可以在单个消费级 GPU 上运行，并提供对开发者友好的 API，以便轻松集成到应用程序中。
-
新的CA-GCL框架增强了三维医学图像理解能力
研究人员开发了一个名为CA-GCL的新框架，通过视觉语言预训练来改进三维医学图像理解。现有方法常常面临文本嵌入过于相似的问题，导致其在临床应用中不可靠。CA-GCL通过使用全局对比目标来区分解剖类别，并采用文本增强策略来提高对不完整描述的鲁棒性，从而解决了这一问题。评估结果表明，CA-GCL在零样本异常检测方面优于当前范式，并在跨数据集和提示变化方面表现出更好的泛化能力。
-
DyGFM model tackles multi-domain dynamic graph challenges
Researchers have introduced DyGFM, a novel Dynamic Graph Foundation Model designed to handle data from multiple domains. This model addresses the challenge of inconsistent semantic and temporal patterns across different…
-
Twincher架构学习双射表示以实现鲁棒的系统逆演
研究人员推出了一种名为Twincher的新架构，旨在实现连续系统的鲁棒逆演。该方法侧重于学习与正向过程一致的双射表示，同时能抵抗噪声和模型不匹配。Twincher利用结构化的微分同胚变换和对抗性训练，在合成系统实验中展示了比基线方法更高的效率和鲁棒性。
-
新的贝叶斯框架通过先进成像技术跟踪体内突触
研究人员开发了一种新颖的贝叶斯框架，利用先进的成像技术在体内跟踪突触。该方法解决了2光子显微镜固有的低信噪比和组织运动等挑战。该框架同时对图像进行去噪，校正组织变形，并提供突触位置和荧光强度的概率估计。
-
AI deepfake 探测器易受基于骨干的攻击
研究人员发现，用于检测合成图像的AI模型存在重大漏洞。题为“Backbone is All You Need”的研究表明，攻击者仅凭对 Vision Transformer (ViT) 骨干的了解，就能制造出极具欺骗性的对抗性样本。这种名为代理迭代对抗攻击 (SIAA) 的灰盒攻击方法，其性能接近白盒攻击，削弱了当前深度伪造检测系统的可靠性。研究结果强调了在多媒体取证领域，迫切需要针对此类攻击建立更强大的防御机制。
-
新的MS-DePro方法通过深度和文本提示改进目标检测
研究人员开发了一种名为MS-DePro的新方法，以改进跨不同域的目标检测。该方法使用深度图和文本提示来创建更鲁棒、域无关的特征。通过整合这些多模态输入，MS-DePro增强了定位和分类能力，在多源域自适应基准测试中取得了最先进的成果。
-
新AI导师KITE利用RAG辅助算法学习
研究人员开发了KITE，一个旨在帮助学生学习算法的新型智能辅导系统。KITE利用检索增强生成（RAG）来提供情境化和符合教学法的反馈。该系统采用意图感知的苏格拉底式方法，提供量身定制的提示和脚手架，以提高学生的解决问题能力。使用RAGAs指标、专家评审和模拟学生互动的评估表明，KITE能有效支持算法推理和追踪任务。
-
New dataset and model tackle physics-aware assembly of industrial objects
Researchers have introduced AssemblyBench, a new synthetic dataset designed to improve AI's ability to assemble complex industrial objects. The dataset includes 2,789 objects with detailed instruction manuals, 3D part m…
-
新的FRAME方法改进了图像篡改检测
研究人员开发了FRAME，一种检测篡改数字图像的新方法。该方法通过将各种取证算法组织到多路径分析空间中，解决了现有工具的局限性。FRAME自适应地为每张图像选择信息量最大的取证路径，并融合互补证据以提高检测和定位精度。该系统旨在为图像取证推理提供更强大、更灵活的解决方案，并保留来自多个来源的可解释线索。
-
AI代理学习人类信念和空间推理
研究人员正在探索AI代理如何更好地理解人类的信念和意图，特别是在交互式场景中。一篇论文提出了一个二阶心智理论（ToM-2）框架，使用I-POMDP使代理能够检测并适应人类的认知偏差。另一项研究调查了多模态大型语言模型（MLLMs）在具身环境中的空间推理局限性，并引入了一个新的模块和推理链来提高它们在感知约束下推断另一代理观点的能力。
-
Early data exposure boosts LLM robustness to fine-tuning
Researchers have found that exposing language models to data earlier in their training process, specifically by mixing post-training data into the pretraining phase, significantly improves their ability to retain target…
-
新的ScaleSearch方法通过优化量化提高了生成模型的效率
研究人员开发了一种名为ScaleSearch的新方法，通过量化来提高生成模型的效率。该技术优化了块浮点（BFP）格式中尺度因子的选择，将量化误差降低了高达27%。提出的ScaleSearchAttention算法与BFP集成，在因果语言建模中表现出接近零的性能损失，并在Qwen3-8B和Llama 3.1 70B等模型的准确性方面显示出显著的改进。
-
新研究探索高效的LLM对齐和联邦微调
研究人员正在开发用于高效大型语言模型（LLM）对齐和微调的新方法。一种名为P2D的方法使用任务敏感的注意力头来指导数据选择和参数剪枝，从而实现显著的速度提升和性能提升。另一个研究领域专注于联邦微调，即模型在不共享原始数据的情况下跨多个客户端进行协作训练。ShaPO等新框架通过控制优化几何来解决安全对齐中的鲁棒性问题，而其他研究则探索基于行为的共识和面向联邦LoRA微调的污染感知技术。
-
White Circle 融资 1100 万美元用于人工智能工作场所安全控制
人工智能控制平台 White Circle 已获得 1100 万美元的种子轮融资，用于开发监控和保护工作场所应用程序中使用的人工智能模型的软件。该公司的技术充当实时执行层，根据公司特定策略检查用户输入和人工智能输出，以防止有害或禁止的行为。这笔资金将用于支持团队扩张、产品开发和客户增长，并得到了人工智能行业知名人士的支持。
-
AI聊天机器人提供支持语音和位置的多语言医疗建议
本文详细介绍了如何创建一个多语言医疗聊天机器人，以克服AI医疗工具的常见局限性。该聊天机器人支持七种语言，可通过语音或文本输入，并采用双引擎架构以确保可靠性。它还具备地理定位功能，可引导用户前往附近的医疗机构。
-
Red Hat and IBM launch open-source AI repository on Hugging Face
Red Hat has launched an open-source AI repository on Hugging Face, a collaborative effort involving IBM. This initiative aims to provide validated AI models, drawing on the expertise of Red Hat and IBM's research, engin…
-
Hugging Face 和 AWS 详解基础模型基础设施
Hugging Face 和 AWS 合作，详细介绍了训练和运行大型基础模型所需的基础设施。该博文概述了一个分层架构，强调了 AWS 的计算、网络和存储服务与开源软件框架之间的相互作用。它强调了高效资源管理和可观测性对于大规模 AI 运营的重要性。
-
Mean-field transformers show concentration phenomena at low temperatures
Researchers have published a paper detailing concentration phenomena in mean-field transformers, specifically analyzing their behavior at low temperatures during inference. The study uses a mean-field continuity equatio…