Hugging Face 发布 FineVideo 数据集及构建管线
Hugging Face 发布 FineVideo 数据集，包含 4.3 万个视频、3.4k 小时时长及丰富的结构化标注。文章详细披露了从 YouTube-Commons 中筛选动态内容、构建分类法，以及利用 Gemini 1.5 Pro 和 GPT4o 进行时间级语义标注的完整技术管线。
推荐理由：文章详细披露了构建4.3万小时高质量视频数据集的过滤与标注管线，为多模态模型训练提供了可复用的工程方法。
数据与训练
全部主题训练侧的门道：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。
最新精选
第 21–23 条 · 共 23 条Hugging Face Blog精选AI 评分6868
Hugging Face Blog精选AI 评分7070 Hugging Face 推出数据集 SQL Console 功能
Hugging Face 推出数据集 SQL Console 功能，允许用户直接在浏览器中运行 SQL 查询、过滤和发现数据集。该功能基于 DuckDB WASM 引擎，无需后端依赖，支持导出 Parquet 格式结果，并内置了数据格式转换等实用示例。
推荐理由：基于浏览器端 DuckDB WASM 实现零依赖查询，提供数据探索与格式转换的便捷入口。
Hugging Face Blog精选AI 评分6868 Hugging Face 联合 Albumentations 发布文档图像多模态增强教程
Hugging Face 联合 Albumentations AI 发布 TextImage Augmentation 教程，介绍一种同时修改文档图像和文本的多模态数据增强方法。该方法支持随机插入、删除、替换和停用词插入，可生成合成数据并保留修改后的文本标注，适用于视觉语言模型（VLM）在文档图像上的微调。
推荐理由：提供结合文本与图像修改的文档增强方法，帮助解决视觉语言模型在文档数据上的微调难题。