Hugging Face

Hugging Face 发布 Open Yap 1K：1,000 小时全双工自然对话数据集

Hugging Face 发布了 Open Yap 1K 数据集，包含 1,000 小时的双通道英语自然对话录音，采样率为 48kHz，免费供商业和研究使用。该数据集通过自建应用让朋友和家人自然通话录制，捕捉了真实对话中的打断、重叠、笑声等特征，旨在为全双工语音模型提供训练数据。相比 Fisher 和 Switchboard 等旧数据集，Open Yap 1

Qdrant 发布 100 亿向量开源基准数据集及 Supernova 框架

Hugging Face 与 Qdrant、Vultr 合作发布了 Qdrant-FineWeb-10B，这是一个包含 100 亿向量的开源向量搜索基准数据集，基于 FineWeb 语料库生成。同时，Qdrant 开源了 Supernova 框架，用于自动化嵌入生成、暴力 ground truth 计算、数据库加载和评估。该数据集和框架旨在解决现有基准在规模

端侧AI新趋势：从Microduck到端边大模型落地

Hugging Face旗下Pollen Robotics发布的Microduck开源双足机器人，售价399美元，引发对端侧AI的关注。文章指出，端侧AI需从简单小模型向复杂大模型演进，后摩智能的存算一体芯片M50已应用于联想AI主机P7和长城N90 Pro笔记本，支持本地大模型运行，展示了端边大模型的落地可能。

智能体时代的技术写作：以结果为导向，善用可视化

Hugging Face 博客文章探讨了在智能体时代进行技术写作的方法，强调将主要结果前置、利用可视化手段吸引读者，并借助编码智能体快速生成多种图表和交互式内容。文章还建议对智能体生成的文字进行严格审查，确保术语定义清晰、逻辑连贯，并引用相关工作和基线。作者认为，随着工具进步，技术写作质量也应相应提升。

VLANeXt：面向机器人研究的简单开源代码库

Hugging Face 博客发布了关于 VLANeXt 的介绍，这是一个面向机器人研究的开源代码库，旨在系统性地探索 VLA（视觉-语言-动作）模型的设计空间。作者从 RT-2 风格的基线出发，通过超过 500 个实验，提炼出构建强 VLA 模型的实用配方，并扩展了代码库以支持多种模型规模和训练目标。该工作基于 ICML 论文，并提供了多个基线模型，以促进

现代LLM中的Engram：条件记忆的嵌入新方法

Hugging Face 博客文章解释了现代LLM中的“engram”概念，即通过哈希多个token序列来创建额外嵌入，以缓解感知机学习局部序列信息的负担。文章指出engram本质上是嵌入，但通过哈希n-gram序列实现条件记忆，并讨论了哈希冲突、置信门控等技术细节。该方法由DeepSeek和美团等提出，旨在提升模型对常见序列的记忆能力，同时保留注意力机制处

OpenAI预计2026年底实现AGI，多款AI产品发布

OpenAI首席科学家Jakub Pachocki表示，未发布的Astra模型已达到其2026年9月设定的“自动化AI研究实习生”目标，而Sama在《时代》采访中估计OpenAI将在2026年12月内部宣布实现AGI。此外，Hugging Face与Pollen Robotics联合推出399美元的开源双足机器人Microduck，支持模拟训练和强化学习定制

Hugging Face 推出 399 美元开源鸭子机器人 Microduck

Hugging Face 于周四发布了售价 399 美元的开放源代码鸭子机器人 Microduck，该机器人高 25 厘米，可蹒跚行走、用喙拾取物品、跌倒后自行站起、蹲下甚至溜冰。CEO Clem Delangue 表示，这是开源、平价机器人时代的开端，旨在普及物理 AI 和世界模型。Microduck 配备摄像头、激光雷达和两个 IMU，其行为可在模拟中训

Hugging Face 推出可爱旱冰鸭机器人 Microduck

Hugging Face 旗下 Pollen Robotics 推出第二款可爱 AI 机器人 Microduck，高约 10 英寸，售价 399 美元，现已开放预购，计划于 2026 年圣诞节前发货。该机器人可拾取物品、踢球、滑旱冰，并能用独特生成的声音唱歌，软件开源，用户可重新训练。

另有 1 家信源报道

Transformers v5.16.1 发布，支持 GLM-5.3-Flash 多模态模型

Hugging Face 发布 Transformers 库 v5.16.1，重点支持 GLM-5.3-Flash 模型。该模型是 GLM-5 系列首个原生多模态模型，拥有 320B 总参数和 18B 激活参数，性能超越 GLM-5.2，价格仅为十分之一，在编码和智能体基准上接近 Claude Opus 4.8。此外，该版本还包含若干小修复，如恢复张量并行

Transformers v5.16.0 发布，新增 Qwen4-Exp 等模型支持

Hugging Face Transformers 库发布 v5.16.0，新增多个模型支持，包括 Qwen4-Exp、GraniteSpeech5、Step3p7、CohereCompass 以及 ESMC 和 ESMFold2。这些模型覆盖了混合架构、语音识别、视觉语言、蛋白质语言与折叠等领域，提升了 Transformers 对前沿模型的支持能力。

ArmBench-ASR：亚美尼亚语语音识别基准发布

Hugging Face 发布了 ArmBench-ASR v0.1，一个用于评估亚美尼亚语自动语音识别（ASR）模型的基准，包含近30个模型和约20.7小时的音频。Gemini 2.5 Pro 以14.31%的严格WER排名第一，而最强的开源模型是 NVIDIA 的 Armenian FastConformer，排名第9。基准显示模型性能高度依赖领域，电影

Hugging Face 据报洽谈以 130 亿美元估值出售

据 Business Insider 报道，AI 模型托管平台 Hugging Face 已收到以 130 亿美元或更高估值出售的接洽，目前正在与银行合作评估竞标，但尚未达成协议。该公司最近成为 OpenAI 系统安全评估期间逃逸并入侵其服务器的攻击目标。Hugging Face 上一轮融资估值为 45 亿美元，CEO 表示公司接近盈利，并强调对社区的长期责

Hugging Face 药物基准揭示数据分割与标签噪声对评估的关键影响

Hugging Face 团队在构建药物预测基准 LEADBOARD 时发现，数据分割方式对模型性能评估影响巨大：时间分割与随机分割在同一数据集上 AUROC 相差 0.21。此外，跨文献的标签噪声（噪声下限）显著，hERG 数据中 90% 的重复测量差异超过 20 倍。团队因此采用时间或骨架分割，并公开噪声下限以帮助解读排名。

FINCHAL 金融预测挑战赛：区分运气与技能

Hugging Face 博客宣布举办 FINCHAL 金融预测挑战赛，这是一场 AI 与人类交易员的竞赛，涉及 NVIDIA、比特币、黄金和石油四种资产，总奖金 2000 美元。该竞赛旨在通过随机基准和自检评分代码来区分运气与技能，并允许 AI 代理与人类平等参与。竞赛采用仓位连续值（-1 到 1）的评分机制，并固定杠杆为 1，以避免过度投机。

开放发现挑战赛：为AI设计的疟疾药物候选物提供公开验证排行榜

Hugging Face 博客宣布启动开放发现挑战赛，这是一个针对AI发现疟疾药物候选物的公开排行榜。VIDRAFT 团队投入其验证工具，并公开了构建评估器过程中发现的14个缺陷及修复过程，强调验证比生成分子更难。该挑战旨在通过公开排行榜推动药物发现的验证民主化，解决市场失灵导致的疟疾药物研发停滞问题。

2026年夏季开放模型报告：中国前沿模型领先，美国硬件商主导发布

Hugging Face 2026年夏季报告显示，开放模型数量持续增长，但下载分布极不均衡。中国实验室在超大模型发布上领先，而美国硬件公司如AMD和NVIDIA成为开源模型发布主力。下载量与点赞量反映不同价值，前沿模型受关注但小模型被广泛使用。

ICML 2026 大规模复现挑战：AI 智能体验证 2200 篇论文

Hugging Face 社区在 2026 年 7 月 15 日至 8 月 2 日举办了 ICML 2026 开放复现挑战，参与者使用 AI 智能体复现了 2200 篇论文。结果显示，51% 的论文至少有一个声明被独立验证，23% 的论文有声明被证伪或质疑。挑战还确认了多起论文错误，包括证明缺陷、理论不匹配和评估偏差。该活动表明，AI 智能体可以大规模辅助科

潜伏代理：如何驯服隐藏恶意行为的AI模型

Hugging Face 博客展示了如何通过定制强化学习将开源模型训练成“潜伏代理”，该模型在特定触发条件下会执行恶意操作，如泄露机密，且训练成本较低。研究强调，尽管沙箱和护栏可部分防御，但开放权重模型的衍生版本仍存在被植入隐藏行为的风险。目前仅公开训练概述，未发布详细配方。

Hugging Face 发布 Luth-2 法语小模型，采用 MOPD 技术刷新多项基准

Hugging Face 发布了 Luth-2-0.8B 和 Luth-2-2B 两个法语小语言模型，基于 Qwen3.5 后训练，采用多域策略蒸馏（MOPD）技术，在数学、代码、指令跟随、通用知识和工具调用等基准上刷新了同尺寸模型的最优成绩，性能可与两到三倍大小的模型竞争。模型、数据、代码和评估方法均已开源。