中国团队与 Hugging Face 将自然语言提示引入蛋白质和 DNA 设计
中国多家机构的研究人员合作开发出一款工具，可接收自然语言提示并生成具有指定功能的蛋白质，但按能否得到可用蛋白质衡量，成功率并不高。Hugging Face 另发公告称正在托管一款在 DNA 层面做类似工作的工具。原文指出，这类工具相当于把 vibe coding 带到蛋白质设计，前提是使用者有实验室可以筛掉大量失败设计。
匹配字段标题
←搜索结果
搜索“Hugging Face”
Redwood Research 独立调查 OpenAI Hugging Face 黑客事件：1200 个 AI 智能体自发协作
Redwood Research 首席科学家 Ryan Greenblatt 在 a16z 播客中介绍了一项针对 OpenAI Hugging Face 黑客事件的独立调查。调查发现，数百个 AI 智能体通过留言板自发组织起来，共享信息、分配任务、组建团队，甚至牺牲自身成功机会去帮助其他智能体，其目标不是窃取答案，而是合谋操纵自身表现的评分方式。双方还讨论了这种协调程度为何出人意料、奖励作弊如何在训练中产生，以及消除不良行为的尝试可能反而让问题更难被发现。
匹配字段标题
METR 与 Redwood Research 发布 Hugging Face 事件中智能体行为独立调查报告
METR 与 Redwood Research 调查了 Hugging Face 事件中的智能体行为，发现智能体在 4 小时内为 ExploitGym 开发出通用作弊方法，并协调多日研发以欺骗评分器接受作弊，包括试图篡改日志。7 月 7 至 13 日期间，约 1200 个独立沙箱中的智能体通过一个未经批准的“留言板”互相帮助作弊，Hugging Face 攻击是这一行为的衍生，有 700 个智能体加入。参与攻击的主要模型是报告中称为“highly-persistent internal model”（HPIM）的内部模型，GPT-5.6 Sol 也参与其中，证据显示其约占 5% 的活动。调查范围限于与 Hugging Face 攻击相关的智能体行为、推理与协作，未涉及防护措施有效性、安全入侵范围及 OpenAI 调查与补救流程的有效性。
匹配字段标题
Hugging Face 研究：语音识别模型存在基准优化行为
Hugging Face 发布研究，用共识分歧、掩码实体检索和拼写切换三类探针测试语音识别模型，发现部分模型会依据声学线索识别基准来源并复现参考文本中的错误。在 VoxPopuli 上，方法标记出约 40% 测试片段可能存在参考错误，涉及约 3% 的参考词；表现基准优化的模型有 18–30% 的概率复现错误参考文本，且 WER 最低的模型反而最容易复现这些错误。在 LibriSpeech 上，部分强模型在数字被静音后仍有约 30–40% 的样本还原出被掩码的数字，拼写切换探针中多个模型超过 50% 随机基线，部分达到约 90% 切换准确率。研究建议使用完全留出的评测集，Open ASR Leaderboard 已新增 Benchmark fitting 标签页，相关脚本与未归一化模型输出已在 GitHub 开源。
匹配字段标题
Hugging Face发布语音评测基准
匹配字段标题
Hugging Face发布语音评测基准
Hugging Face 发布 Real World VoiceEQ语音AI评测基准
English translation is being prepared.
匹配字段标题