#Hugging Face

Motif de la recommandation :L'article détaille le pipeline de pré-entraînement en cinq phases et la recette RL de Granite 4.1, utile pour comprendre comment un dense 8B rivalise avec un MoE 32B.

Motif de la recommandation :L'article détaille l'architecture CSA/HCA et les choix de post-entraînement qui rendent l'inférence à 1M tokens exploitable pour les agents.

Motif de la recommandation :Le Skill et le harnais de test transforment le portage de modèles transformers vers mlx-lm en un processus reproductible, avec des règles concrètes pour des PR de qualité.

Motif de la recommandation :HoloTab transforme le modèle computer-use Holo3 en extension Chrome gratuite, avec des routines enregistrées et rejouables, ce qui montre comment un agent navigue et agit dans le navigateur.

Motif de la recommandation :L'original expose les paliers de résolution, la plage matérielle et les modes d'exécution locale, ce qui permet de juger de l'accessibilité réelle du modèle.

Motif de la recommandation :La v5.4 de Sentence Transformers unifie texte, image, audio et vidéo dans une même API d'embedding et de reranking, avec la liste des modèles compatibles.

Motif de la recommandation :L'article détaille l'architecture, les tailles et les benchmarks de Gemma 4, ainsi que son intégration dans les principaux moteurs d'inférence et outils de fine-tuning.

Motif de la recommandation :Falcon Perception et Falcon OCR adoptent une architecture Transformer à fusion précoce unique, avec des benchmarks détaillés et un code open source pour comparer les compromis de conception.

Motif de la recommandation :gradio.Server permet de conserver la file d'attente et le support ZeroGPU de Gradio tout en apportant son propre frontend, ce qui change la façon de construire sur Spaces.

Motif de la recommandation :Le modèle compact et son adaptateur LoRA sont décrits avec les benchmarks de tableaux, graphiques et KVP, ce qui aide à juger son intérêt pour l'extraction documentaire.

Motif de la recommandation :L'article détaille la conception de stabilité de TRL v1.0 et sa couverture de plus de 75 méthodes de post-entraînement, utile pour comprendre l'évolution des bibliothèques d'entraînement.

Motif de la recommandation :L'analyse quantifie la croissance de l'écosystème open source et le basculement de la Chine, offrant un contexte chiffré sur la répartition des usages.

Motif de la recommandation :L'article détaille l'architecture SSM hybride et les chiffres de débit, utiles pour évaluer le déploiement d'agents computer-use à grande échelle.

Motif de la recommandation :Hugging Face ajoute une couche de stockage objet mutable au Hub, avec déduplication Xet et préchauffage multi-cloud, ce qui éclaire l'organisation des artefacts d'entraînement.

Motif de la recommandation :LeRobot v0.5.0 détaille l'ajout du support du robot humanoïde Unitree G1 et de nouvelles politiques VLA, utile pour suivre l'évolution des frameworks robotiques open source.

Motif de la recommandation :L'article détaille la composition par blocs des pipelines de diffusion et l'intégration avec Mellon, ce qui permet de juger de la flexibilité offerte pour construire des workflows personnalisés.

Motif de la recommandation :L'article détaille la recette complète d'un entraînement text-to-image en 24h sur 32 H200 pour environ 1500 dollars, avec code open source.

Motif de la recommandation :L'article détaille les modifications d'ingénierie de transformers pour les MoE, avec des benchmarks de chargement et des API concrètes pour le déploiement.

Motif de la recommandation :L'annonce précise le maintien de l'autonomie de llama.cpp et les axes d'intégration avec transformers, utile pour suivre l'évolution de l'inférence locale.

Motif de la recommandation :L'article détaille un skill d'agent qui génère des kernels CUDA intégrés à transformers et diffusers, avec benchmarks et procédure de publication sur le Hub.

Motif de la recommandation :L'article détaille le framework OpenEnv et le benchmark Calendar Gym, avec des chiffres concrets sur les limites des agents et des cas d'erreur d'appel d'outils réutilisables.

Motif de la recommandation :Transformers.js v4 détaille le nouveau runtime WebGPU en C++, les gains de performance et la restructuration du dépôt, utile pour évaluer le déploiement d'inférence dans le navigateur.