A.I. 日报
Transformers推出小模型测试夹具以捕捉回归
Hugging Face介绍Transformers用小型fixture模型在CPU上运行集成测试的做法：UMT5 fixture仅66MB，而原始检查点为1227MB。该方案源于一次真实事故——2026年7月启用SDPA后UMT5解码器可看到未来token，该缺陷在主干代码中存在近两个月。
Transformers
7 篇报道Transformers 是 Hugging Face 维护的开源模型定义框架，用于文本、视觉、音频和多模态模型。近期报道集中在它的硬件适配进展：Hugging Face 推出 Trainium 模型支持查询工具，测试 Hub 上的文本生成和图文模型能否直接运行；同时加入原生 TorchTPU 后端，让 Transformers、Diffusers 和 Kernels 通过把模型发送到“tpu”即可在 TPU 上运行，不再需要 Optimum TPU。
相关话题
- Hugging Face4
- PyTorch2
- UMT51
- AWS Trainium1
- Neuron1
- TorchNeuron1
- Gemini1
- Google1
- TorchTPU1
- GGUF1
- llama.cpp1
- ONNX1
Hugging Face上线Trainium模型支持查询工具
Hugging Face推出Space工具，可查询Hub上热门模型能否不改动代码在AWS Trainium上运行。结果页同时给出分片核心数、含编译的运行耗时和峰值显存，并提供复现脚本。目前仅测试Transformers的文本生成与图文模型。
Hugging Face支持TorchTPU原生PyTorch后端
Hugging Face宣布TorchTPU为PyTorch带来原生TPU后端，Transformers、Diffusers和Kernels可直接在TPU上运行，只需将模型发送到“tpu”。该后端包含适配TPU的Pallas内核和分布式训练支持，此前所需的Optimum TPU不再必需。
OpenMed 3.0发布：本地运行的开源临床AI
开源医疗AI工具包OpenMed发布3.0版，采用Apache-2.0许可，数据全程留在本地、可离线运行。新版本加入Patient Journey功能，可将病历、FHIR、HL7、检验CSV等多来源数据整合为单一患者时间线，并对存疑信息拒绝猜测、保留双版本以待人工审核。
transformers
最先进机器学习模型的模型定义框架，涵盖文本、视觉、音频和多模态。
Transformers
文本、视觉、音频及多模态SOTA模型的定义框架，支持推理与训练。
可视化解析Transformer模型
一篇以可视化方式解释Transformer模型的技术文章在Hacker News上发布，链接为https://news.ycombinator.com/item?id=49792342。
已经到底了