Aller au contenu

Entreprises et modèles

Hugging Face Dernières actualités

Hugging Face : l'actualité de la communauté open source — modèles et jeux de données populaires, évolutions du classement et baromètre de l'écosystème open source.

230 sélections30 derniers jours 27 entréesTotal : 637 entrées

mise à jour

Hugging Face: sa sélection

Aujourd'hui18 novembremer.1–20 entrées
  1. BleepingComputer78

    Des chercheurs détournent le compte Hugging Face du modèle vocal Kokoro

    Des chercheurs ont pris le contrôle du compte Hugging Face du modèle de synthèse vocale Kokoro en enregistrant le domaine hexgrad.com puis en réinitialisant le mot de passe. Ils ont modifié les poids du modèle en 87 secondes sur un GPU grand public pour produire un audio différent du texte saisi, sans toucher au code d'inférence, ce qui ne laisse aucune signature détectable. Kokoro, développé par Hexgrad et sans mise à jour depuis avril 2025, reste très utilisé avec près de 13 millions de téléchargements mensuels sur Hugging Face et des intégrations chez Google, NVIDIA, AMD, Intel et AWS. Les poids modifiés n'ont pas été publiés sur la plateforme ; le chercheur Alon Hertz souligne que Hugging Face ne vérifie ni les propriétaires des comptes ni les modèles et jeux de données mis en ligne, et dit n'avoir reçu aucune réponse après son signalement.

    Motif de la recommandation :Une démonstration concrète de la chaîne d'approvisionnement des modèles ouverts, où la modification des poids suffit à contourner les scanners de malwares.

17 novembremar.
  1. Hugging Face Blog62

    Hugging Face et OpenRouter s'associent pour faciliter l'exécution des modèles open-weight

    Hugging Face bascule Inference Providers de son propre routeur vers celui d'OpenRouter.

    Motif de la recommandation :Le changement de routeur d'Inference Providers et les chiffres de coût et de latence permettent de mesurer l'impact sur les appels de modèles open-weight existants.

13 novembreven.
  1. Hugging Face Blog62

    llama.cpp et ggml publient la version 1.0.0 et introduisent le versionnage sémantique

    llama.cpp et ggml publient la version 1.0.0, qui marque l'adoption du versionnage sémantique.

    Motif de la recommandation :La version 1.0.0 fixe les règles de versionnage sémantique et de compatibilité API/ABI, ce qui aide les développeurs à évaluer le coût des mises à jour.

  2. Hugging Face Blog72

    IBM publie LLMON, un langage de balisage natif pour LLM, avec les modèles Granite 4.1 3B et 8B

    IBM publie deux modèles expérimentaux dérivés de Granite 4.1, granite-4.1-3b-LLMON-preview et granite-4.1-8b-LLMON-preview.

    Motif de la recommandation :L'article détaille le format LLMON et deux modèles expérimentaux Granite 4.1 entraînés pour le consommer, avec des résultats chiffrés sur la résistance aux injections de prompt.

12 novembrejeu.
  1. Hugging Face Blog62

    Guide de fine-tuning LoRA pour TRELLIS.2 : scripts et conteneurs pour la génération 3D

    Le blog Hugging Face fournit des scripts et conteneurs Docker pour fine-tuner TRELLIS.2 avec LoRA sur ses propres assets 3D.

    Motif de la recommandation :Le guide détaille quels composants de TRELLIS.2 figer ou entraîner et fournit des scripts et conteneurs exécutables, une méthode transférable à d'autres modèles 3D.

10 novembremar.
  1. Hugging Face Blog62

    Hugging Face présente les decision models et leur prise en charge dans l'écosystème

    Hugging Face présente les decision models, des modèles qui renvoient une distribution de probabilités sur des réponses prédéfinies sans générer de texte.

    Motif de la recommandation :L'article présente l'interface unifiée des decision models et leur prise en charge dans Transformers, llama.cpp et le Hub, utile pour évaluer leur intégration dans les applications existantes.

6 novembreven.
  1. Hugging Face Blog72

    Allen AI présente ToyBlocks, un environnement de simulation contrôlé pour l'apprentissage et l'évaluation des robots

    Allen AI présente ToyBlocks, un cadre de simulation ouvert construit autour d'un bras robotique et de blocs sur une table.

    Motif de la recommandation :L'article détaille la génération automatique de données, les protocoles d'évaluation et les résultats de transfert sim-to-real, fournissant un cadre reproductible pour étudier la généralisation des modèles d'action.

  2. BleepingComputer62

    Truffle Security lance un programme pour révoquer 1,4 million de secrets exposés

    Truffle Security a lancé le Secrets Revocation Program, une initiative gratuite visant à révoquer 1.

    Motif de la recommandation :Le texte détaille le mécanisme de révocation unilatérale et les chiffres de clés encore actives, utiles pour évaluer les risques liés aux secrets exposés.

5 novembrejeu.
  1. Hugging Face Blog78

    Phonon TTS : Gradium détaille son modèle vocal embarqué et ses résultats sur le leaderboard

    Gradium revient sur le lancement de Phonon, son modèle TTS qui tourne entièrement sur l'appareil sans serveur ni réseau. Phonon 31m est sous licence Apache 2.0 pour l'anglais.

    Motif de la recommandation :L'article détaille les deux tailles de Phonon, les licences, les performances sur le leaderboard TTS et l'intégration dans Transformers, ce qui aide à évaluer un TTS embarqué.

  2. Hugging Face Blog62

    Dharma-AI publie Dharma Field Extractor, un modèle de 2 milliards de paramètres qui extrait des champs structurés en JSON

    Dharma-AI publie Dharma Field Extractor, un modèle de 2 milliards de paramètres qui prend en entrée l'image d'un document et renvoie des champs structurés en JSON.

    Motif de la recommandation :Le texte détaille l'entraînement LoRA, les deux modes de requête et le benchmark comparatif face aux API frontières, utile pour évaluer le compromis qualité-coût.

4 novembremer.
  1. Hugging Face Blog73

    Collinear AI publie CWE-bench v2, un benchmark de sécurité de 100 tâches couvrant 91 CWE

    Collinear AI publie CWE-bench v2, un ensemble public de 100 tâches où un agent doit trouver et corriger une faille de sécurité dans un dépôt open source réel sans casser les fonctionnalités existantes, avec une notation entièrement programmatique et reproductible. Les tâches couvrent 91 CWE différents et un ensemble held-out reste réservé pour suivre les progrès sur des tâches qu'aucun modèle n'a vues. Sur les 11 modèles évalués, Gemini 4 Argon mène avec 67,8 % pass@1 et 81,0 % pass@4, devant Claude Opus 5.5 (67,3 % pass@1, 78,0 % pass@4) ; 95 tâches sont résolues par au moins un modèle, mais le leader échoue encore sur 19 % de l'ensemble à chaque tentative. Le dataset, le grader et le harness sont ouverts, et les tâches sont exécutables depuis le Hub via Harbor.

    Motif de la recommandation :Le benchmark public de 100 tâches couvre 91 CWE et fournit un classement reproductible, utile pour situer les capacités de sécurité des modèles.

  2. Hugging Face Blog66

    IBM Research présente Palette, un modèle 20B open-weight qui génère des présentations au style de l'entreprise

    IBM Research a fine-tuné un modèle 20B open-weight, Palette, pour produire des présentations conformes à un langage de design donné.

    Motif de la recommandation :L'article détaille la synthèse de données, l'entraînement LoRA et le harnais de vérification-réparation, une méthode transférable aux sorties structurées vérifiables par code.

  3. Hugging Face Blog62

    Même modèle, harness différent : CUGA, Hermes et Deep Agents comparés sur AppWorld

    L'équipe CUGA d'IBM a fait tourner CUGA, Hermes et Deep Agents avec le même modèle open-weight GLM-5.3-flash sur 90 tâches AppWorld.

    Motif de la recommandation :Une comparaison contrôlée à modèle constant quantifie l'écart entre harnesses et détaille les points d'application des règles d'entreprise.

3 novembremar.
  1. Hugging Face Blog62

    Hugging Face propose MIC, un contrat de test d'intégration de modèles basé sur des fixtures réduites

    Hugging Face présente transformers-mic, un standard proposé pour empaqueter les tests d'intégration de modèles sous forme de contrats. Chaque contrat comprend une fixture de modèle réduit.

    Motif de la recommandation :L'article détaille la méthode de réduction des points de contrôle et le mécanisme de test par contrat, utile pour comprendre comment les régressions de modèles sont interceptées avant la fusion.

30 octobreven.
  1. BleepingComputer78

    Une campagne malveillante sur Hugging Face détourne des GPU pour du minage de cryptomonnaies

    Une campagne de minage de cryptomonnaies et de backdoor abusant des dépôts de modèles Hugging Face est réapparue quelques jours après son retrait.

    Motif de la recommandation :Le texte détaille comment l'option trust_remote_code de Hugging Face est exploitée pour exécuter du code malveillant et pourquoi les scans antivirus ne détectent pas ces modèles.

29 octobrejeu.
  1. Hugging Face Blog62

    Hugging Face présente AnySpeechRecognizer et AnyDecisionModel pour la reconnaissance vocale et la décision sur les plateformes Apple

    Hugging Face publie deux packages Swift open source, AnySpeechRecognizer et AnyDecisionModel.

    Motif de la recommandation :L'article détaille les API Swift, les moteurs interchangeables et les taux d'erreur mesurés, ce qui permet d'évaluer le choix d'un moteur local pour la reconnaissance vocale et la prise de décision.

28 octobremer.
23 octobreven.
  1. Hugging Face Blog62

    Transformer la notation de bases de données en récompense RL : Microsoft et Hugging Face entraînent des agents avec ThinkingBox

    Microsoft et Hugging Face publient ThinkingBox-Training sur GitHub.

    Motif de la recommandation :Le texte détaille la sélection de tâches par difficulté relative à la politique et la boucle de récompense par état final, transférables à d'autres entraînements d'agents.

  2. Hugging Face Blog78

    AllenAI publie OlmoEarth v1.3, un modèle d'embedding satellite pour toute la planète

    AllenAI publie OlmoEarth v1.3, un modèle d'embedding satellite qui produit un vecteur de 128 dimensions par pixel de 10 mètres à partir des séries temporelles Sentinel-1.

    Motif de la recommandation :Le modèle d'embedding satellite est publié avec ses poids, ses données et son code, et les embeddings mondiaux précalculés permettent de tester directement des cartes sans GPU.

22 octobrejeu.
  1. The Decoder78

    Recursive publie Flint, un modèle MoE de codage agentique issu de son processus de recherche automatisé

    Recursive a publié Flint, son premier modèle de langage, développé en quatre mois avec l'aide d'un système IA nommé Eureka Machine qui a proposé.

    Motif de la recommandation :Un modèle MoE de 40B construit en quatre mois avec un système de recherche automatisé, poids ouverts et débits d'inférence locale chiffrés.