Hugging Face 发布 riidolaya difficulty 实验性 MPS 试点 v0.2
Hugging Face 上线 riidolaya difficulty 实验性 MPS 试点 v0.2,在完全冻结的 Laya 编码器上训练了一个 5,123 参数的 LayerNorm/Linear 固定档位分类器,输出 fast、standard、strong 三档,仅以任务文本为输入。
Hugging Face 上线 riidolaya difficulty 实验性 MPS 试点 v0.2,在完全冻结的 Laya 编码器上训练了一个 5,123 参数的 LayerNorm/Linear 固定档位分类器,输出 fast、standard、strong 三档,仅以任务文本为输入。
StartLux-Decision-4B 在 Hugging Face 发布,可对状态回答选择题、是/否题和评分题,每个选项返回概率,请求响应沿用 TypeSafe /v1/systemone 格式。
Hugging Face Hub 上线 toniotgz/act_pick_box,这是一个用 LeRobot 0.6.2 训练的 ACT 模仿学习策略,在 so_follower 机器人上执行“从桌上拿起盒子”任务。
Hugging Face 上线了 maria715 的 CAT_llama3b_likeZephyr_eps0150_42_relativelr_utility_500_NEW_weight000371875 模型页面。该页面未提供模型参数、训练数据或评测结果等具体信息,仅保留 Hugging Face 推进开源与开放科学的平台说明。
Hugging Face 上出现了一个名为 maria715/CAT_adv_eps02_42_relativelr_REFAIT 的模型仓库。该页面未提供模型架构、训练数据、任务类型或性能指标等具体信息,仅包含 Hugging Face 推进开源与开放科学的使命声明。
bartowski 基于 llama.cpp b11259 为 OmniJev 的 OneJev-9B 模型发布 GGUF 量化版本,覆盖 bf16 到 IQ2_M 共 22 个文件,默认推荐 Q4_K_M(5.84GB)。该模型支持文本与图像输入,仓库同时提供 mmproj 多模态投影文件,可搭配任意量化版本使用。
Hugging Face Hub 上出现了一个由 transformers 推送的模型卡,模型 ID 为 Nat1an/cerulean-lab4-f-e570cde2。该模型卡为自动生成,开发者、模型类型、语言、许可证、微调来源、训练数据与评估结果等信息均标注为待补充。
Hugging Face Hub 上出现了一个由 Nat1an 分享的 transformers 模型,模型 ID 为 cerulean-lab4-e-d8d5d8e9。该模型卡为自动生成,开发方、模型类型、语言、许可证、训练数据与评测结果等信息均标注为待补充。
Hugging Face 上发布 fanqi-robo/molmoact2_insert_gear_in_gripper_base_fft,对 allenai/MolmoAct2 在 50 集双臂 YAM 插齿轮数据集上做全组件微调,global batch 32、20k 步、seed 1000,发布 step 20000 检查点。
fanqi-robo 在 Hugging Face 发布 π0.5 微调检查点 pi05_insert_gear_in_gripper_b0,基于 lerobot/pi05_base 在 50 集双臂 YAM 插齿轮数据集上全量微调,训练 20k 步、全局 batch 32、lr 2.5e-5,采用 QUANTILES 归一化与绝对关节、3 路相机、无图像增强。
Hugging Face 上发布 fanqi-robo/molmoact2_insert_gear_in_gripper_yam_fft,基于 allenai/MolmoAct2-BimanualYAM 检查点在双臂 YAM 数据上做全参数微调。
Hugging Face 上 fanqi-robo 发布 π0.5 微调消融实验 insert_gear_in_gripper 的 expert_only 变体。
Hugging Face 上出现 ribeiroyuri/CampoVivo-Qwen3-4B-Instruct-v3 模型页面。该页面未提供模型能力、训练数据或评测结果等具体信息,仅附有 Hugging Face 推进开源与开放科学的使命说明。
Hugging Face Hub 上线 bezzam/omniasr-ctc-1b-v2 的 transformers 模型卡,该卡由系统自动生成。卡内模型类型、语言、许可、训练数据与评测结果等字段均标注为待补充,未给出具体指标。
基于 lerobot/smolvla_base 微调的 SmolVLA 策略 mongster7/smolvla_dice_50k 在 LeKiwi 移动机械臂上完成"把红色骰子放进篮子"任务。
Hugging Face 上出现名为 emmanuel-v/policy_2026-09-30_shake_it_up_on_cart_100kHz_nfft4096 的模型条目,名称包含 100kHz 与 nfft4096 等参数标识。该条目页面未提供更多模型细节,仅附有 Hugging Face 推进人工智能开源与开放科学的使命说明。
ECHO-G 发布,可从语音和文本生成宇树 G1 的全身动作,所有模型输出 39 通道机器人运动,帧率 30 FPS。代码版本 v0.2.0,提供音频加文本、纯音频、纯文本及 HumanRetarget 多组权重,新输入支持最长 20 秒或 600 帧、256 个文本 token,更长输入需先分段。
推荐理由:ECHO-G 开源了从语音和文本生成宇树 G1 全身动作的模型权重与推理流程,读者可据此了解输入规格与复现入口。
Hugging Face 上线 jevhome-L-int8,这是 jevhome-L 的动态 int8 量化版本,约 396M 参数,可在普通 CPU 上单次前向返回校准概率,速度更快且体积约为原来的 1/4。
Hugging Face 上线 jevhome-ettin-1b-int8,这是 jevhome-ettin-1b 的动态 int8 量化版本,采用 ONNX Runtime quantize_dynamic 与 int8 token 嵌入表,体积约为原版四分之一,可在普通 CPU 上单次前向返回校准概率。
Hugging Face 上线 jevhome-L,一个约 396M 参数的交叉编码器类型化决策模型,接收状态与是/否、单选或评分问题,一次前向传播即返回校准概率,可在普通 CPU 上运行。
Hugging Face 上线 jevhome-ettin-1b,一个约 1.0B 参数、fp32 的类型化决策模型,可对状态给出是/否、单选或分级问题,并在一次前向传播中返回校准概率,纯 CPU 即可运行。
Hugging Face 上出现一个用 LeRobot 训练并推送至 Hub 的 ACT(Action Chunking with Transformers)模仿学习策略,它从遥操作数据学习,预测短动作块而非单步动作。该策略采用 apache-2.0 许可,可用 lerobot-train 从零训练,并用 lerobot-record 配合 so100_follower 机器人本体运行推理与评估。
EWAM 是一个统一具身模型,在单个 flow-matching Diffusion Transformer 中联合处理视觉语言、未来视频和动作 token,无需显式阶段设计即出现按深度分工:浅层从视觉语言专家取指令与当前场景语义,中层转向预测的未来帧表示,深层由动作自注意力主导做运动细化。
推荐理由:EWAM 把视觉语言、未来视频与动作 token 放进同一扩散 Transformer,并公开各阶段权重与下载方式,便于对照其分层分工与基准结果。
alexhegit 在 Hugging Face 发布 SO-101 Lab01 抓放任务的 ACT 策略检查点,基于 yaw-aware agent v4 数据集训练,仅使用 15 维 observation.state 中的前 6 维关节位置。
mradermacher 为 SEAD-SAGE-4B 发布了 GGUF 静态量化版本,暂未提供 weighted/imatrix 量化。已提供从 Q2_K(1.9 GB)到 f16(8.9 GB)的多档量化,其中 Q4_K_S 与 Q4_K_M 标注为快速、推荐,Q6_K 为质量很好,Q8_0 为快速且最佳质量。
Hugging Face 上线 yanggangu/CLIP-ViT-base-patch32-SMAT-DTD,这是 SMAT(Simple and Efficient Merge-Aware Training)论文表 2 中 seed 42 的专家模型,训练时即考虑模型合并。
Hugging Face 上线 yanggangu/CLIP-ViT-base-patch32-SMAT-SVHN,这是 SMAT(Simple and Efficient Merge-Aware Training)论文表 2 中针对 SVHN 的专家模型,seed 42。
Hugging Face 上线 CLIP-ViT-base-patch32-SMAT-RESISC45,这是 SMAT(Simple and Efficient Merge-Aware Training)论文表 2 中的专家模型,训练种子为 42。
Hugging Face Hub 上线 pigProfessional/act_so101_stack_green,这是一个用 LeRobot 0.6.2 训练的 ACT 模仿学习策略,机器人类型为 so_follower,输入 6 维状态与前置、腕部两路 480×640 图像,输出 6 维动作。
Hugging Face Hub 上出现了一个用 LeRobot 训练的 ACT(Action Chunking with Transformers)模仿学习策略模型 lenawngr/ACT_SWITCH-2-bottom_half1_test,采用 apache-2.0 许可。
cagataydev 在 Hugging Face 发布 strands-isaaclab-shadow-reorient-policy,这是用 strands-robots 的 isaaclab train_policy provider(PR #4227)训练的 rsl_rl PPO 策略,任务为 Isaac-Reorient-Cube-Shadow 手中方块重定向。
推荐理由:读者可据此了解用 strands 工具链在 Isaac Lab 中训练并导出 Shadow Hand 转方块策略的完整流程与实测指标。
Hugging Face Hub 上线 klinzw/pi05_autolife_fridge,这是基于 Physical Intelligence π₀.₅、用 LeRobot 0.6.0 微调并推送的视觉语言动作策略,机器人本体为 autolife_s1,执行“open fridge”和“close fridge”任务。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-mining-no-cf-divl,这是一个基于父代冻结扩散 actor 与分布式 DIVL critic 的状态型智能体,训练步数 150001,含 5 个随机种子检查点。
Hugging Face 在 Mulligan 项目下发布基于状态的 IDQL 智能体检查点 sim-square-narrow-r03,采用扩散 actor 加标量 IQL critic,训练步数 150001,覆盖 5 个随机种子。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-mulligan-divl 检查点,基于父代冻结扩散 actor 与分布式 DIVL critic,在 sim-square-narrow 任务训练至 150001 步,含 5 个随机种子。
Hugging Face 的 Mulligan 项目发布 sim-square-narrow-r03-mining-no-cf-idql,这是一个基于状态的 IDQL 智能体,采用扩散 actor 与标量 IQL critic,包含 policy.pt 和 stats.json 归一化器。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-baseline-repair-r3roll-idql,是基于状态的 IDQL 智能体,含扩散 actor 与标量 IQL critic,提供 policy.pt 和 stats.json。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-baseline-repair-r3roll-divl 检查点,基于父代冻结扩散 actor 与分布式 DIVL critic,训练至 150001 步,含 5 个随机种子。
Mulligan 在 Hugging Face 发布基于状态的 IDQL 智能体 sim-square-narrow-r03-auto-plain-il-n1-idql,用于 sim-square-narrow 任务,包含 5 个随机种子、训练步数 150001 的 PyTorch 检查点。
Hugging Face 上的 Mulligan 组织发布 sim-square-narrow-r03-auto-iql-success-bc-n32-idql,这是一个基于状态的 IDQL 智能体,采用扩散 actor 与标量 IQL critic,任务为 sim-square-narrow,训练步数 150001,含 5 个随机种子检查点。