Kaggle
PulseAugur coverage of Kaggle — every cluster mentioning Kaggle across labs, papers, and developer communities, ranked by signal.
18 天有情绪数据
-
repo2nb 0.2.0 增强 GitHub 仓库到 notebook 的转换功能
开源命令行工具 repo2nb 发布了 0.2.0 版本，增强了将 GitHub 仓库转换为可运行的 Kaggle 或 CoLab notebook 的能力。此次更新引入了改进的依赖解析、用于从 notebook 重建仓库的新反向模式，以及用于同步 notebook 与仓库更改的增量同步。它还增加了对 CoLab notebook 的特定支持，包括专用的身份验证单元。
-
开发者使用 Kaggle 数据集构建 NanoOCR，准确率达 97%
一位开发者从头开始构建了 NanoOCR，这是一个光学字符识别模型，使用了 Kaggle 数据集中约 45,000 张 PNG 图片（涵盖 36 个类别）进行训练。该模型使用 PyTorch 和 Colab 通过监督学习构建，准确率高达 97%，并使用 FastAPI 进行服务。开发者正在寻求进一步改进的建议。
-
Qwen3.8-27B-Unleashed-GGUF 模型现已兼容 llama.cpp、vLLM、Ollama 等
outsourc-e/Qwen3.8-27B-Unleashed-GGUF 模型现已可用于各种流行的推理工具。提供了将其与 llama.cpp、vLLM、Ollama、Unsloth Studio 和 LM Studio 集成的说明。该模型还可以通过 Jan 和 Pi 等本地应用程序以及 Google Colab 和 Kaggle 等云平台进行使用。此版本旨在简化此特定 Qwen 模型在各种环境中的部署和使用。
-
机器学习模型在心脏病预测方面展现出潜力
本研究论文探讨了各种机器学习技术在预测心脏病方面的应用。通过在两个不同的数据集上比较SVM、J48和朴素贝叶斯等分类器，该研究确定了早期诊断最有效的模型。研究结果表明，SVM和Simple Cart在其各自的数据集上实现了最高的准确率和最低的错误率，凸显了经过调整的机器学习模型在辅助心脏病学临床决策方面的潜力。
-
Ornith-1.5-397B 模型发布，具备先进的自我改进能力
Ornith-1.5-397B 模型已发布，通过端到端的自我改进，代表了基础模型开发的一项重大进展。该模型通过将任务生成、脚手架构建和解决方案推出整合到持续优化过程中，在前代版本的基础上进行了扩展。提供了将 Ornith-1.5-397B 与 Hugging Face Transformers 等流行库以及 vLLM 和 SGLang 等推理引擎集成，并通过 Docker 进行部署的说明和代码示例。
-
研究揭示了对AI不平衡处理的单一数据集评估不可靠
一项发表在arXiv上的新研究调查了在单一数据集上评估类别不平衡处理方法的普遍做法，证明了从这种有限测试中得出的结论可能具有误导性。该研究分析了45个二分类任务，发现像阈值调整和SMOTE等技术，在像Kaggle的信用卡欺诈数据集这样的特定数据集上可能几乎没有益处甚至有害，但在更广泛的不平衡比率范围内可能非常有效。研究还显示，阈值调整的益处随不平衡比率呈非单调变化，并且标准的校准诊断不能可靠地预测调整的有效性，这表明需要更稳健的评估协议。
-
orcarouter/Qwen3.8-27B-Uncensored 多模态模型在 Hugging Face 上发布
orcarouter/Qwen3.8-27B-Uncensored 模型现已在 Hugging Face 上提供，具备多模态能力。提供了使用 Transformers 和 vLLM 等流行库集成该模型的说明，以及通过 SGLang 和 Docker 进行部署的选项。此次发布旨在简化 Qwen3.8-27B-Uncensored 模型在各种应用中的使用，包括图像到文本生成。
-
Hugging Face 托管 huihui-ai 新的多模态 Qwen 模型
Hugging Face 正在托管来自 huihui-ai 的两个新的多模态模型：Huihui-Qwen3.8-27B-abliterated-GGUF 和 Huihui-Qwen3.8-27B-abliterated。这些模型专为图像到文本和文本到图像生成任务而设计。提供了将它们与 Transformers 等流行库以及 vLLM 和 SGLang 等推理提供商以及 llama.cpp、LM Studio 和 Jan 等本地应用程序集成的说明。
-
Qwen3.8-27B-DFlash2 模型已通过两个 Hugging Face 仓库提供
Hugging Face 上出现了两个不同的仓库，incoai/Qwen3.8-27B-DFlash2-GGUF 和 z-lab/Qwen3.8-27B-DFlash2-GGUF，均提供 Qwen3.8-27B-DFlash2 模型。这些模型被设计为用于推测性解码的草稿模型，旨在与 llama.cpp、vLLM 和 Ollama 等库配合使用。DFlash 2 技术旨在通过预测 token 块来提高解码速度，并提供了集成到各种推理提供…
-
新版未经审查的多模态大语言模型AEON-7/Qwen3.8-27B在Hugging Face上发布
一款新的多模态大语言模型AEON-7/Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-BF16已在Hugging Face上发布。该模型是Qwen/Qwen3.8-27B的未经审查版本，经过优化以提高连贯性和响应质量。提供了将该模型与Transformers等流行库以及vLLM和SGLang等推理引擎集成的说明和代码示例，使其能够在包括Google Colab和Kaggle在内的各种应用程序和环境中使用。
-
Empero AI 发布 Qwen3.8-9B 模型，支持广泛的框架兼容性
Empero AI 在 Hugging Face 上发布了其 Qwen3.8-9B 模型的多个版本，包括基础版、蒸馏版和量化版。这些模型旨在兼容 llama.cpp、vLLM、Ollama 和 Transformers 等多种流行的推理框架。此次发布提供了详细的说明和代码片段，用于将这些模型集成到不同的开发环境中，从本地应用程序到云端笔记本。
-
empero-ai/Qwen3.8-27B-Ridge-GGUF 模型在 Hugging Face 上发布，支持广泛集成
empero-ai/Qwen3.8-27B-Ridge-GGUF 模型现已在 Hugging Face 上提供，为用户提供了与各种工具和平台集成的详细说明。这些工具包括 llama.cpp、vLLM、Ollama 和 Unsloth Studio 等流行的推理提供商，以及 LM Studio 和 Jan 等本地应用程序。该模型还可以通过 Google Colab 和 Kaggle 上的笔记本进行使用，为开发人员和用户提供了跨不同环境利…
-
unofficial Qwen3.8-27B 衍生模型发布，抑制了拒绝行为
PocketAI Model Lab 发布了一系列 unofficial 的 Qwen/Qwen3.8-27B 模型的 MLX 衍生版本。这些变体包括 2 位 AWQ、4 位、6 位、8 位和 BF16 版本，经过修改以抑制学习到的拒绝行为，可能导致更具危害性或冒犯性的内容。模型已进行行为评估和功能验证，大多数变体通过了质量和工具调用检查，但 2 位 AWQ 版本被标记为实验性且存在局限性。
-
Hugging Face 托管 Qwen3.8-27B 模型变体并提供集成指南
Hugging Face 正在托管 DavidAU/Qwen3.8-27B-Cold-Fusion-GAIN 模型的多个版本，包括一个 "GAIN-V1.1-NM-DAU-NEO-MAX-MTP-GGUF" 变体。该平台提供了详细的说明和代码片段，用于将这些模型与各种流行的推理工具（如 llama.cpp、vLLM、Ollama 和 LM Studio）集成。用户还可以找到在 Google Colab 和 Kaggle 等开发环境以及…
-
Qwen3.8-27B-GGUF 模型现已兼容 llama.cpp、vLLM、Ollama 等
bartowski/Qwen3.8-27B-GGUF 模型现已可用于各种流行的推理工具和库。用户可以将此模型与 llama.cpp、LM Studio、Jan、vLLM、Ollama 和 Unsloth Studio 等平台集成。该模型也可通过 Google Colab 和 Kaggle 笔记本访问，为本地和云部署提供了灵活的选择。
-
腾讯在Hugging Face上发布UI-Mate-27B多模态模型
tencent/UI-Mate-27B模型已在Hugging Face上发布，提供用于图像和文本处理的多模态能力。该模型可以与Transformers和vLLM等流行库集成，并提供了各种部署场景的说明，包括Google Colab、Kaggle以及通过Docker进行本地应用程序部署。它还支持通过SGLang进行推理，SGLang是另一种服务框架。
-
LiquidAI 在 Hugging Face 上发布 LFM2.5-VL-3B 多模态模型
LiquidAI 发布了其 LFM2.5-VL-3B 模型，这是一款专为图像到文本生成设计的视觉语言多模态模型。该模型可在 Hugging Face 上获取，并提供了与 Transformers、vLLM 和 SGLang 等流行库集成的说明。用户还可以使用 Docker 部署它，或通过 Google Colab 和 Kaggle 等平台上的笔记本访问它。
-
Unsloth 发布优化版 Qwen 模型，实现广泛的工具兼容性
Unsloth 发布了 Qwen 模型的两个新的量化版本：unsloth/Qwen3.8-27B-GGUF 和 unsloth/Qwen3.8-2.4T-A95B-GGUF。这些模型针对高效推理进行了优化，并兼容 llama.cpp、Ollama、LM Studio、Jan、vLLM 和 SGLang 等一系列流行工具和库。这些发布提供了详细的说明和代码片段，用于将这些模型集成到各种开发环境中，从本地应用程序和笔记本电脑到 Googl…
-
CohereLabs发布24亿参数视觉语言模型North-Micro-Vision-Instruct
CohereLabs发布了North-Micro-Vision-Instruct，一个24亿参数的开放权重视觉语言模型。该模型支持原生分辨率图像处理，并采用Apache 2.0许可。它专为原型设计、微调和专门的多模态应用而设计，可在各种任务和多种语言中提供广泛的图像理解能力。
-
Unsloth 发布 Muse-Glimmer-30B-GGUF 多模态模型
Unsloth 发布了 Muse-Glimmer-30B-GGUF，这是一款能够处理文本和图像的多模态模型。该模型可在 Hugging Face 上获取，并专为与各种库和推理提供商高效使用而设计。提供了与 Transformers、llama.cpp、LM Studio、Jan、vLLM 和 SGLang 等工具集成的说明，支持本地部署和兼容 OpenAI 的 API 访问。