全部 · 2026-02-20

▸ 3 items · updated 3m ago

2026年2月

一二三四五六日

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 262 2722 285

2026年3月

一二三四五六日

13 22 35 44 519 616 71 81 97 109 117 126 137 14 15 167 1711 1844 1984 2069 2132 2241 2375 2477 2579 2670 2756 2824 2932 3058 3185

2026年4月

一二三四五六日

198 2101 379 432 535 691 7126 8129 9112 1087 1142 1271 13159 14140 15122 16246 1781 1853 1960 20347 21687 22363 23348 24256 259 26 273282930

2026-02-20 · 星期五2026年2月20日

18:46

65d ago

MIT 科技评论· rssEN18:46 · 02·20

独家电子书：2025 年 AI 狂热修正

MIT Technology Review 上线一本文字仅披露为订阅专享的电子书，主题是 2025 年 AI 狂热修正。RSS 摘要点名 4 个章节：LLM 不是全部、AI 不是速效药、泡沫类型、ChatGPT 不是起点也不是终点；正文未披露作者在书中的新增数据、样本或结论。真正该盯的是行业预期下修，不是又一轮产品发布。

#MIT Technology Review#Will Douglas Heaven#ChatGPT#Commentary

精选理由

有 H 与 R：标题抓住“AI 狂热修正”这个情绪点，也碰到预算与预期下修。硬排除 6 生效：正文只披露 4 个章节标题，没有数据、案例或结论，更像电子书导流页，所以排除并压到 39 以下。

HKR 分解

hook ✓knowledge —resonance ✓

→ 打开信源

SCORE

H1·K0·R1

00:00

66d ago

FEATUREDHugging Face 博客· rssEN00:00 · 02·20

GGML 和 llama.cpp 加入 Hugging Face，推动本地 AI 长期发展

Hugging Face 宣布 GGML 与 llama.cpp 团队加入公司，Georgi Gerganov 团队将继续把 100% 时间用于维护 llama.cpp。文章称项目仍保持 100% 开源、社区驱动，技术路线和社区治理继续由原团队自主负责。真正值得盯的是 HF 想把 transformers 的模型定义更直接落到 llama.cpp，目标接近“单击”发布；正文未披露时间表、人员规模和商业条款。

#Inference-opt#Tools#Code#Hugging Face

精选理由

这是本地 AI 基础设施的重要组织变动：GGML 与 llama.cpp 团队加入 Hugging Face，HKR 三轴都成立。分数停在 78，因为正文只确认全职维护与集成方向，时间表、人员规模和商业条款都未披露。

编辑点评

Hugging Face 吸收 GGML 团队，拿下的不是一个项目，而是本地推理分发入口。口头上说自治没变，我先保留意见。

深度解读

Hugging Face 让 GGML 与 llama.cpp 团队加入公司，想拿下的是本地推理的默认交付层，不只是给开源社区发工资。文章写得很温和：团队继续 100% 维护 llama.cpp，技术方向和社区治理保持自主。我的判断没这么温和。HF 这一步更像把“模型定义在 transformers，最终落地在 llama.cpp”这条链条收成一家公司内部协作，目标是把本地模型发布从适配工程活，压成接近一键分发。谁控制这条链，谁就更接近本地 AI 的发行平台。

HKR 分解

hook ✓knowledge ✓resonance ✓

→ 打开信源

SCORE

H1·K1·R1

00:00

66d ago

Hugging Face 博客· rssEN00:00 · 02·20

用 Unsloth 和 Hugging Face Jobs 免费训练 AI 模型

Hugging Face 联合 Unsloth 提供免费额度，可用 HF Jobs 微调 LiquidAI/LFM2.5-1.2B-Instruct，并附 1 个月 Pro 订阅。正文给出 `hf jobs` 提交示例：`a10g-small`、4 小时超时、数据集 `mlabonne/FineTome-100k`、1 个 epoch、0.2 验证集。真正值得盯的是成本结构：文中称 Unsloth 训练提速约 2 倍、显存降约 60%，但免费额度具体数额正文未披露。

#Fine-tuning#Code#Tools#Hugging Face

精选理由

这篇文章有可复现命令和训练参数，HKR-K 成立；免费额度加速与显存数据也能打到成本话题，HKR-R 成立。问题是它仍是 Hugging Face Jobs 的托管训练促销，命中云服务促销硬排除，tier 只能给 excluded，分数封顶 39 以下。

HKR 分解

hook —knowledge ✓resonance ✓

→ 打开信源

SCORE

H0·K1·R1

全部 · 2026-02-20

更多

频道

后台