#Hugging Face

Nový technický článok Hugging Face rozoberá, ako čítať PyTorch profiler, prečo vznikajú GEMM kernely a kedy dáva zmysel fused MLP optimalizácia.

North Mini Code má 30 miliárd parametrov, aktívne používa približne tri miliardy a Cohere ho dáva na Hugging Face pod licenciou Apache 2.0.

Benchmark na Hugging Face ukazuje, že rozpoznávanie reči v dvojjazyčných kontaktných centrách zostáva pre hlasových agentov slabým miestom.

Nový príspevok Hugging Face opisuje praktický experiment, v ktorom agent spojil dva verejné Spaces a vytvoril 3D galériu Paríža. Pointa nie je samotná demo stránka, ale myšlienka, že multimediálne nástroje sa môžu stať stavebnými blokmi pre agentov.

OpenEnv sa presúva pod otvorenejší koordinačný model. Cieľom je spoločné prostredie, v ktorom sa budú dať trénovať a hodnotiť agentické modely pracujúce s nástrojmi.

Projekt z Hugging Face Build Small Hackathon používa malý open-weight model, Urdu rozhranie a jasný bezpečnostný rozsah na triedenie podozrivých bankových, kuriérskych či úradných správ v Pakistane.

Projekt z Hugging Face hackathonu spája vyhľadávanie pracovných ponúk, synteticky označené dáta a LoRA adaptéry pre Qwen3-8B. Zaujímavý je najmä tým, že nerobí všeobecný kariérny chatbot, ale úzku pipeline s vysvetleným skórovaním vhodnosti ponúk.

Hugging Face publikoval technický field report z hackathonu, v ktorom päť agentov nad 3B modelom Qwen2.5 obchoduje v malej simulačnej ekonomike. Zaujímavý nie je marketingový efekt, ale praktické ponaučenia: malé modely sú lacné na veľa opakovaných rozhodnutí, no potrebujú prísne obmedzenia, opravy výstupu a dobre navrhnuté prostredie.

Hugging Face opisuje, ako mení oficiálne príkazové rozhranie hf CLI pre používateľov aj AI agentov. Dôraz je na predvídateľné príkazy, strojovo čitateľné výstupy, bezpečné opakovanie a nápovedu pre ďalší krok.

ServiceNow-AI zverejnil EVA-Bench Data 2.0 na Hugging Face. Súbor pokrýva tri domény, 121 nástrojov a 213 scenárov pre hodnotenie hlasových agentov, ktoré často zlyhávajú na detailoch konkrétnej domény.

Nový príspevok NVIDIA na Hugging Face opisuje Nemotron 3.5 Content Safety, rodinu modelov pre nastaviteľné posudzovanie textu aj obrazu. Dôležitá je najmä možnosť prispôsobiť bezpečnostné pravidlá podnikovým a regionálnym požiadavkám.

Nový článok na Hugging Face vysvetľuje task-seeded pipeline pre syntetické otázky a odpovede. NVIDIA tvrdí, že takto štruktúrované dáta zlepšili Nemotron-3 Nano najmä na GPQA, MMLU-Pro, kóde a commonsense úlohách.