全部 AI 精选，可按分级、类型、是否付费、收录时间筛选，按关键词搜索。
Reachy Mini goes fully local
这篇教程介绍如何让 Reachy Mini 机器人的对话应用在本地运行整套语音栈，不再把音频发送到服务器。方案基于名为 speech-to-speech 的级联式 VAD → STT → LLM → TTS 流程，提供兼容 Realtime API 的 WebSocket 接口，文中推荐 llama.cpp 搭配 Gemma 4、Silero VAD、Parakeet-TDT 0.6B v3 STT 和 Qwen3-TTS 等组件，并说明各组件可替换。
Nemotron 3.5 Content Safety: Customizable Multimodal Safety for Global Enterprise AI
NVIDIA 发布的博客文章，介绍 Nemotron 3.5 Content Safety 模型。文章指出该模型将多模态输入、多语言覆盖、企业自定义策略执行和可审计推理统一在一次推理调用中，并说明相比 3.5 之前版本（2026 年 3 月发布的 4B 参数 Nemotron 3）的改动、各项新能力的设计取舍，以及如何将模型接入生产安全流程。适合关注企业内容安全模型部署的读者。
Designing the hf CLI as an agent-optimized way to work with the Hub
这篇文章介绍 Hugging Face 官方命令行工具 hf 的重新设计，使其同时服务人类用户和编码智能体（如 Claude Code、Codex、Cursor）。文中说明 hf 可完成模型、数据集、Spaces 的下载上传以及仓库、分支、Jobs、Buckets、Collections 等管理，并通过智能体设置的环境变量识别其调用；作者称在复杂的多步任务中，手工用 curl 或 Python SDK 的智能体消耗的 token 最多可达使用 hf CLI 的 6 倍。
Direct Preference Optimization Beyond Chatbots
这篇文章来自 DharmaOCR 团队，讨论在聊天机器人之外的场景中使用直接偏好优化（DPO）。文中回顾其结构化 OCR 模型 DharmaOCR 的基准结果：在巴西葡萄牙语结构化文档抽取任务中，开源模型家族出现文本退化（重复循环而非转录）的比例从不到 1% 到超过 33% 不等，监督微调虽能降低这一比例但难以达到生产可接受水平，因此提出利用模型自身失败案例构造拒绝对，在 SFT 之后增加第二阶段训练。
From the Hugging Face Hub to robot hardware with Strands Agents and LeRobot
Amazon 的企业文章，介绍把 Hugging Face Hub 上的模型部署到真实机器人硬件的工作流程。文中按步骤说明：搭建示例、录制演示数据并推送到 Hub、在仿真中运行策略、将策略部署到物理硬件、通过 mesh 协调多个机器人，并给出示例应用和安全注意事项。
Profiling in PyTorch (Part 2): From nn.Linear to a Fused MLP
PyTorch 性能分析系列的第二篇文章，探讨从矩阵乘法加加法到 nn.Linear 的实现，涉及为何没有独立的 mul 与 add 内核、--compile 对单个 Linear 的作用、转置在核布局与 pre-ops 中的去向、堆叠三个 Linear 构成 MLP、两类 GEMM 内核的原因、torch.compile 的作用，以及融合 Triton 内核等内容。属于偏底层的 PyTorch 性能与内核分析材料。
We got local models to triage the OpenClaw repo for FREE!*
文章（星号注释说明“免费”不含电费且前提是已拥有硬件）讲述使用 Gemma、Qwen 等本地模型配合 Pi 之类的智能体框架和结构化输出，完成分类任务。作者以开源仓库 OpenClaw 的 issue 和 PR 分诊、优先级排序与分发为起点，说明选择该方案的原因是已有本地模型和框架可用。
MosaicLeaks: Can your research agent keep a secret?
ServiceNow 的企业文章，指出深度研究智能体把本地私有文档与网页检索等外部工具结合时，外部查询可能泄露敏感信息。文章提出含公私信息交替的多跳问题任务 MosaicLeaks，称所测模型经常发生泄露，且仅针对任务表现训练会加剧泄露；同时提出隐私感知训练方法 PA-DR，称其将严格链成功率从 48.7% 提升到 58.7%，并将答案/完整信息泄露从 34.0% 降至 9.9%。
Is it agentic enough? Benchmarking open models on your own tooling
文章讨论编码智能体使用软件库的方式，提出库除了正确和快速，还应便于智能体驱动。作者以 transformers 为案例，构建了一个关注“答案如何得出”而不只是最终答案的工具专用评测框架，测量不同模型、库版本和任务下找到答案所需的工作量，并给出完全基于开放模型和 pi 编码智能体的简单实现。
Beyond LoRA: Can you beat the most popular fine-tuning technique?
文章介绍参数高效微调（PEFT）这一降低微调显存需求的技术类别，指出尽管存在数十种方案，多数人只选 LoRA。文章探讨 LoRA 是否真是最佳选择、有哪些工具可辅助判断，以及如何通过拓展 LoRA 之外的选择获益。适合准备在自有数据上微调开放模型、关注 PEFT 方法的读者。
Run a vLLM Server on HF Jobs in One Command
介绍如何用单条命令在 Hugging Face 基础设施上启动私有的、兼容 OpenAI 接口的 LLM 端点，无需自行配置服务器或 Kubernetes，按秒计费。文中给出前提条件（付费方式或预付余额、huggingface_hub >= 1.20.0、本地登录）、以 vllm/vllm-openai 镜像和 hf jobs run 启动并暴露端口的示例命令，并说明适用于测试、评测或批量生成场景，同时提示需要托管式生产服务时应考虑 Inference Endpoints。
Accelerating Transformers Fine-Tuning with NVIDIA NeMo AutoModel
介绍 NVIDIA NeMo 框架中的开源库 NeMo AutoModel，它构建于 Transformers v5 之上，新增 Expert Parallelism、DeepEP 融合 all-to-all 分发和 TransformerEngine 内核，并借助 v5 的动态权重加载支持更多模型系列。文中称在微调 MoE 模型时相比原生 Transformers v5 训练吞吐提升 3.4–3.7 倍、GPU 显存减少 29–32%，且沿用相同的 from_pretrained() 接口，只需增加一行 import。