Hugging Face 发布企业级代码助手 SafeCoder
Hugging Face 发布 SafeCoder，一款面向企业的全栈代码助手解决方案，支持在客户自有基础设施上自托管部署。该方案基于 StarCoder 模型，提供从数据准备、微调训练到硬件加速推理的完整容器化流程，确保代码数据不出 VPC，并支持 VMware 等主流云及本地环境。
推荐理由：提供企业级私有化代码助手方案，通过自托管和合规训练解决代码安全与隐私顾虑。
AI 编码
全部主题AI 写代码的一切：编码助手、Vibe Coding、代码模型评测与开发工作流变革。
最新精选
第 121–131 条 · 共 131 条Hugging Face Blog精选AI 评分6565
OpenAI News精选AI 评分6868 OpenAI 宣布 API 更新：支持函数调用、更长上下文及降价
OpenAI 宣布 API 更新，包括更可控的模型、函数调用功能、更长的上下文窗口以及更低的价格。
推荐理由：官方宣布API更新，涵盖函数调用、更长上下文及降价，开发者可据此评估功能升级与成本优化。
Hugging Face Blog精选AI 评分7373 Hugging Face 发布 StarChat Alpha 编程助手
Hugging Face 发布基于 StarCoder 微调的编程助手 StarChat Alpha，采用 ChatML 格式与 OpenAssistant 数据集训练，提供代码、数据集及模型下载。
推荐理由：文章展示了基于StarCoder微调出StarChat Alpha的过程，提供了ChatML格式和DeepSpeed训练代码供开发者复用。
Hugging Face Blog精选AI 评分8282 StarCoder 发布：面向代码的大语言模型
Hugging Face 发布 StarCoder 和 StarCoderBase 代码大语言模型，在 HumanEval 等基准上达到开源 SOTA。模型基于 The Stack 数据集训练，提供完整训练数据、PII 移除工具及 BigCode OpenRAIL-M 许可证。
推荐理由：模型在HumanEval等基准上达到开源SOTA，提供完整训练数据与治理工具，适合二次开发。
Hugging Face Blog精选AI 评分6565 StackLLaMA：手把手教你用RLHF微调LLaMA模型
Hugging Face 发布 StackLLaMA 模型及完整训练管线，详细演示了如何结合 SFT、奖励建模和 PPO 算法，利用 PEFT 技术在单卡或集群上对 LLaMA 进行 RLHF 微调，并分享了训练中的稳定性问题与解决方案。
推荐理由：文章完整展示了基于LLaMA 7B、PEFT和TRL库进行RLHF微调的实操流程，包含代码与踩坑经验。
Hugging Face Blog精选AI 评分6565 Transformers 新增受限束搜索功能
Hugging Face Transformers 库新增受限束搜索（Constrained Beam Search）功能，允许在文本生成过程中强制包含特定词汇或短语。该功能支持强制词、析取约束及自定义约束对象，通过 Bank 轮询机制平衡约束满足与输出合理性。
推荐理由：原文介绍了如何在生成阶段强制包含特定词汇或短语，为需要精确控制输出的场景提供了可迁移的方法。
OpenAI News精选AI 评分7272 WebGPT：通过网页浏览提升语言模型的事实准确性
OpenAI 发布 WebGPT，通过微调 GPT-3 并结合文本浏览器，探索了提升大语言模型回答开放性问题事实准确性的方法。
推荐理由：通过微调GPT-3结合文本浏览器，探索了提升大模型事实准确性的方法。
OpenAI News精选AI 评分6666 OpenAI 发布改进版 Codex API 私有测试
OpenAI 发布了改进版 Codex，这是一款能将自然语言转换为代码的 AI 系统，并通过 API 以私有测试形式开放。
推荐理由：OpenAI 通过 API 以私有测试形式发布了改进版 Codex，为开发者提供了将自然语言转换为代码的新途径。
OpenAI News精选AI 评分7777 OpenAI 发布 GPT-2 7.74亿参数模型及开源法律协议
OpenAI 发布拥有 7.74 亿参数的 GPT-2 语言模型，此前已发布 1.24 亿和 3.55 亿参数版本。同时发布开源法律协议以促进组织间模型共享，并公布关于协调发布规范的技术报告。
推荐理由：GPT-2 7.74亿参数版本发布，并配套开源法律协议与技术报告，展示了模型迭代与社区协作规范。
OpenAI News精选AI 评分9696 OpenAI发布Better language models论文
OpenAI发布论文介绍大规模无监督语言模型，该模型无需任务特定训练即可在多项语言建模基准上取得SOTA，并具备基础阅读理解、机器翻译、问答和摘要能力。
推荐理由：展示了无监督预训练模型在多项NLP任务上的通用能力，为后续大语言模型发展提供了关键范式参考。
OpenAI News精选AI 评分9595 OpenAI 发布无监督学习提升语言理解研究
OpenAI 发布研究，提出结合 Transformer 与无监督预训练的方法，在多项语言任务中取得当时最优结果。
推荐理由：提出结合Transformer与无监督预训练的方法，在多项语言任务中取得当时最优结果。