如何用 NVIDIA Warp 和 MJWarp 加速机器人仿真与学习工作流
Hugging Face 博客教程演示如何把 SO-101 follower arm 的 MuJoCo 场景迁移到基于 NVIDIA Warp 的 MJWarp，并扩展到最多 2,048 个并行 GPU 环境。
推荐理由：文章用 SO-101 场景串起 CPU 基线、单环境一致性、批量扩容和吞吐测量，适合迁移机器人仿真工作流时参考。
教程实践
全部主题拿来就能用的实操内容：提示词技巧、工作流搭建、工具用法与踩坑经验。
最新精选
第 21–37 条 · 共 37 条Hugging Face Blog精选AI 评分6262
Claude：Blog（网页）精选AI 评分7474 Anthropic 指南：如何准备 AI 驱动的代码现代化项目
Anthropic 发布企业代码现代化准备指南，提出用 Claude Code 动态工作流前应完成六步：定义目标、建立变更证书、制定分级上线策略、准备环境与审批、构建并试运行智能体工作流、先小规模验证再扩展。指南区分 Uplift、Transform、Reimagine 三类现代化，并说明测试、差分验证、人工审查、CI/CD、安全合规和 token 成本估算等关键准备事项。
推荐理由：文章把企业代码现代化拆成目标、证据、上线策略和工作流等六步，适合准备用 Claude Code 推进大规模改造的团队对照落地。
GitHub Blog · AI & ML精选AI 评分8383 GitHub 借助 Copilot 将 Copilot agent runtime 迁移到 Rust
GitHub 借助 GitHub Copilot app 和 Copilot CLI，将 Copilot agent runtime 从 TypeScript、Node.js 与 V8 技术栈完整重写为 832,378 行生产 Rust，另有 468,689 行 Rust 单元测试。
推荐理由：文章用真实迁移数据拆解了渐进式重写、跨会话协作和人工审查边界，可为大型代码库的 AI 辅助迁移提供方法参照。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 营销团队如何用 Copilot 和 Actions 自动化活动全流程
GitHub 日本与韩国营销负责人用 GitHub Copilot、Issue forms、Labels、Actions 和 Copilot agent skills，把活动从策划、报名筛选到会后 CRM 上传与报告自动化。
推荐理由：文章把市场活动运营拆成 Issue、标签、Actions 与 SKILL.md，可作为非工程团队用 API 或 CLI 改造重复流程的参考。
Hugging Face Blog精选AI 评分6767 Hugging Face 教程：用 LoRA、Storage Bucket 和代理跨 HF Jobs 运行 Async GRPO
Hugging Face 介绍 TRL v1.14 的 AsyncGRPOTrainer LoRA 支持，并展示训练器与 vLLM 分离到不同 HF Jobs 的方案。
推荐理由：文章给出跨 HF Jobs 部署 Async GRPO 与 LoRA 的完整架构、代理路由方法和五次调优实验，便于复用到分布式 RL 训练工程。
Hugging Face Blog精选AI 评分7272 Gradio Workflow 教程：用 Workflow1111 复刻 AUTOMATIC1111 工作流
Hugging Face 展示 Workflow1111，用 Gradio Workflow 的 73 个节点和 11 条媒体管线复刻 AUTOMATIC1111 stable-diffusion-webui 的大部分功能。
推荐理由：文章用 73 个节点复刻 AUTOMATIC1111 的主要功能，可帮助理解如何把多模型能力组织成可调用的可视化工作流。
Hugging Face Blog精选AI 评分7272 用 TRL 和 OpenEnv 训练编码模型绘制水彩画的开源复现实践
作者在 Hugging Face 上用 TRL 与 OpenEnv 复现让语言模型编写 JavaScript、借助 p5.brush 绘制水彩画的方案，并公开参考池、RL 环境、训练脚本和模型。
推荐理由：文章把审美偏好转成可复现的 RL 训练流程，并公开数据集、环境、脚本和模型，适合借鉴主观奖励的工程搭建。
Hugging Face Blog精选AI 评分7070 用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出能力
Hugging Face 教程展示用 TRL 的 GRPO 对 LFM2.5-350M 做 100 步结构化输出微调，IFStruct 通过率从 22.6% 提升到 29.7%。
推荐理由：给出可在免费 GPU 复现的 GRPO 微调流程、奖励函数和 IFStruct 前后对比，适合参考小模型结构化输出优化。
Hugging Face Blog精选AI 评分6767 Sentence Transformers 多向量嵌入模型训练与微调指南
Sentence Transformers v6.0 引入 MultiVectorEncoder，支持 ColBERT 风格的晚交互检索模型训练与微调。
Hugging Face Blog精选AI 评分6161 Papers with Code 如何用 Hugging Face Inference Endpoints、Jobs 和 Buckets 构建论文搜索
Hugging Face 介绍了 Papers with Code 混合搜索系统的生产架构，用 PostgreSQL 全文检索、pgvector 语义向量和 RRF 融合支持论文搜索。
推荐理由：文章拆解了 Papers with Code 混合搜索的离线构建、在线查询与降级机制，对设计 RAG 检索系统有直接参考价值。
Hugging Face Blog精选AI 评分6262 Strands Robots 结合 LeRobot 与 Hugging Face Storage Buckets 实现录制、训练和部署闭环
Hugging Face 发布教程，演示用 Strands Robots、LeRobot 和 Storage Buckets 在一个 AI 智能体中完成机器人示教录制、增量同步、流式训练和 checkpoint 部署。
推荐理由：文章用同一套 LeRobot 数据格式串起录制、同步、流式训练和硬件部署，适合搭建机器人数据闭环时参考。
Fireworks AI（网页）精选AI 评分6363 从 LoRA 转向 FullFT 前应运行的三项测试
Fireworks AI 基于 Qwen3.5-9B 的 SFT 实验提出，LoRA 落后 FullFT 时应依次检查数据覆盖、训练配方和 adapter rank，而不是直接改用 FullFT。
推荐理由：文章用 Qwen3.5-9B 的受控实验拆解 LoRA 与 FullFT 差距来源，给出数据覆盖、学习率和 rank 的排查顺序。
Fireworks AI（网页）精选AI 评分7272 Fireworks AI 教程：用低于 10 美元的成本微调 Qwen3-Embedding-8B 嵌入模型
Fireworks AI 发布教程，展示在其平台上用对比微调把 Qwen3-Embedding-8B 适配到特定领域，单次成本低于 10 美元。方法使用 query-positive 对、批内负样本和双向 InfoNCE，典型设置为 150 步、batch size 64、学习率 1e-5、temperature 0.02。
推荐理由：文章给出低于 10 美元的嵌入模型对比微调流程、参数配方和多任务评测，可直接迁移到私有 RAG 与语义检索场景。
Hugging Face Blog精选AI 评分6565 PyTorch 性能剖析系列第 3 部分：如何剖析 attention
Hugging Face 发布 PyTorch 性能剖析教程第 3 部分，在 NVIDIA A100-SXM4-80GB 上对比朴素 attention、in-place masking 与 SDPA 的 math、efficient、flash、cuDNN 后端。
推荐理由：文章用同一 A100 环境对比多种 attention 实现的 profiler trace，可帮助读者把 kernel 数量、显存访问和后端选择联系起来。
Hugging Face Blog精选AI 评分6767 PRX 系列第4部分：Photoroom 的文生图模型数据策略
Photoroom 公开 PRX 7B 文生图模型的数据管线：混合公共与内部数据集，用 VLM 为全部图片重新生成详细长描述，再写成可流式训练的 MDS 语料。
推荐理由：文章拆解了7B文生图模型从数据探索、VLM重标注到分桶、过滤和去重的完整管线，工程取舍可直接参考。
Mistral AI精选AI 评分7171 Mistral 详解如何用 Vibe 构建自动编写 Rails RSpec 测试的智能体
Mistral 介绍了一个基于开源编码助手 Vibe 构建的自治智能体，可读取 Rails 源文件、生成或改进 RSpec 测试，并在 CI/CD 中并行运行。
推荐理由：文章拆解了基于 Vibe 构建 Rails 自动测试智能体的上下文、技能和工具设计，并用 275 个文件实验呈现效果。
Mistral AI精选AI 评分6363 Mistral AI 复盘 vLLM 内存泄漏：定位 UCX mmap hook 并给出修复
Mistral AI 复盘了 vLLM 在 Mistral Medium 3.1、Prefill/Decode 分离服务和 graph compilation 条件下的内存泄漏，生产类流量中系统内存以 400 MB 每分钟增长并最终 OOM。
推荐理由：文章完整呈现从 Python 堆分析到内核追踪的排查路径，并给出可直接使用的 vLLM 内存泄漏规避配置。