MTEB:大规模文本嵌入基准评测发布 ↗
Hugging Face 发布 MTEB(Massive Text Embedding Benchmark),一个涵盖 56 个数据集、8 类任务、支持最多 112 种语言的文本嵌入模型评测基准;配套论文介绍任务设计与结果分析,GitHub 仓库提供评测代码与模型提交流程;用户可通过 pip install mteb 快速评测任意嵌入模型并提交至公开排行榜。
AIHOT 精选行业资讯,关注 AI、产品与技术的新进展。
AIHOT · 精选摘要,保留原始来源 · 2026年11月5日 09:00
Hugging Face 发布 MTEB(Massive Text Embedding Benchmark),一个涵盖 56 个数据集、8 类任务、支持最多 112 种语言的文本嵌入模型评测基准;配套论文介绍任务设计与结果分析,GitHub 仓库提供评测代码与模型提交流程;用户可通过 pip install mteb 快速评测任意嵌入模型并提交至公开排行榜。
Hugging Face 推出 Inference Endpoints 服务,支持用户从 Hugging Face Hub 一键将机器学习模型部署至 AWS 等云平台的托管基础设施。
Hugging Face Diffusers 自 0.5.1 版起支持 JAX/Flax 实现的 Stable Diffusion,可在 Colab、Kaggle 或 Google Cloud Platform 的 TPU 上实现高速推理。
Hugging Face 博客详细复盘了为开源大模型 BLOOM(176B 参数)构建高效推理服务的过程:从模型移植到 transformers 库,到采用 Tensor Parallelism 替代 Pipeline Parallelism。
Hugging Face 宣布在 Hub 上为模型和数据集提供 DOI(Digital Object Identifier)生成功能,用户可在仓库设置中直接申请,支持通过 DataCite 合作颁发;DOI 绑定元数据并可随版本更新,旧版自动过期;页面提供一键引用按钮。
rinna 公司基于 Stable Diffusion 微调推出日语专用文本生成图像模型 Japanese Stable Diffusion,支持日语提示词输入并生成反映日本文化的图像,模型已开源至 Hugging Face 和 GitHub,采用两阶段训练:第一阶段替换文本编码器并使用日语 SentencePiece 分词器,第二阶段联合微调文本编码器与潜在扩散模型。
Hugging Face 在 Hub 上推出零样本评估功能,支持对任意因果语言模型(最大至 660 亿参数)进行免代码零样本文本分类评估,基于 AutoTrain 实现;以 WinoBias 为例展示了性别偏见任务中随模型增大而出现的逆向缩放趋势。
DALL·E 现已无需等待名单即可使用,新用户可立即开始创作;OpenAI 表示部署经验积累和安全系统改进使更广泛开放成为可能。
Hugging Face AutoTrain 新增图像分类任务支持,用户无需代码、零配置即可上传数据(本地文件夹或 Hub 上的 NimaBoscarino/butterflies 等数据集),选择自动模型搜索,训练最多 5 个候选模型(少于 500 张图且选 5 个候选模型免费),最终获得最高 84% 准确率的模型,并可通过 Hub 推理小部件直接试用。
Hugging Face 博客详解 Accelerate 库如何利用 PyTorch 的 meta device 创建空模型、自动推断 device_map 实现跨设备(GPU/CPU/磁盘)权重分配。
Hugging Face 联合 Intel Labs 和 UKP Lab 发布 SetFit 框架,支持对 Sentence Transformer 进行小样本微调。
OpenAI 训练并开源了名为 Whisper 的神经网络,该模型在英语语音识别任务上接近人类水平的鲁棒性和准确率。
Hugging Face 官方博客介绍了在 8x80GB A100 上实现 BLOOM-176B 模型超快推理的三种开源方案:Accelerate(支持 bf16/int8。
Hugging Face 官方博客宣布 diffusers 库发布 v0.3 版本,新增图像到图像生成、Textual Inversion、实验性修复(inpainting)。
Hugging Face 博客发布教程,指导读者使用 transformers 库和自定义 Data Collator,在 Google Colab 上从零训练一个离线决策 Transformer 模型。
Hugging Face 博客发布教程,指导用户使用 NVIDIA 开发的 Megatron-LM 框架在 GPU 上训练语言模型,并将其转换为 🤗 Transformers 兼容格式。
DALL·E 推出 outpainting 功能,支持将图像扩展为任意尺寸,以延伸创意表达和叙事空间。
Hugging Face 官方博客发布教程,详细说明如何使用 🧨 Diffusers 库运行 Stable Diffusion v1-4 模型,包括安装依赖。
Hugging Face 与 BigScience 合作推出 LLM.int8() 方法,实现对 BLOOM-176B 等超大语言模型的无损 8-bit 量化推理。
Hugging Face 发布新库 skops,用于将 scikit-learn 模型托管至 Hugging Face Hub、自动生成符合规范的模型卡(含 YAML 元数据和 Markdown 内容)、启用推理小部件,并支持环境配置、评估指标表格化及混淆矩阵等可视化嵌入;示例代码展示了从训练 DecisionTreeClassifier 到推送仓库的完整流程。
Hugging Face 推出 Private Hub,一种可在客户自有合规环境中部署的私有化 ML 协作平台,支持 on-prem、on-cloud 和托管 SaaS 三种部署方式;提供 AutoTrain 自动微调、Inference API 快速部署、Spaces 演示应用、模型/数据集私有化托管及 SSO 访问控制等功能。
Hugging Face 官方博客介绍如何通过 XLA 编译加速 🤗 transformers 库中 TensorFlow 实现的文本生成,实测提速最高达 100 倍,且快于 PyTorch;文中提供完整代码示例、padding 适配技巧、jit_compile 使用方法及性能基准对比。
DALL·E 现已开放 Beta 测试,OpenAI 将在未来几周内从等待名单中邀请 100 万人;用户可用每月自动补充的免费额度生成图像,也可按 115 次生成为单位以 15 美元购买额外额度。
Hugging Face 博客发布教程,介绍动态对抗数据收集(DADC)方法,以 MNIST 手写数字识别任务为例,演示如何通过人类在 🤗 Spaces 画布上书写对抗样本、标记错误预测、并用新样本迭代训练模型;文中包含 PyTorch 模型定义、Gradio 交互实现和完整 Space 链接。