Hugging Face
社区供稿 | Hugging Face 又出新教程啦！手把手教你构建 DeepSeek-R1 推理模型
间进行了学习，下面是整理的课程内容
课程链接：
https://hf.co/learn/nlp-co
从文件到块: 提高 Hugging Face 存储效率
Hugging Face 使用基于 Git LFS 的存储方案在 GitHub Hub 上存储模型、数据集和 Spaces。Xet 团队提出了一个创新的解决方案——基于内容的分块 (CDC)，通过只传输变化的数据块来提升存储效率和迭代速度，目前该技术已应用于多个仓库，并实现了数据去重。
让 LLM 来评判 | 设计你自己的评估 prompt
第三篇《让LLM来评判》系列文章总结了评估模型的通用设计原则，包括清晰的任务描述、精细的评分标准、加入推理步骤和明确输出格式等。同时，也提到使用成对比较、引用参考内容及思维链等方式提升评估准确性，并探讨了奖励机制和社区机制的作用。
社区供稿 | 阿里国际 Ovis2 系列模型开源: 多模态大语言模型的新突破
Ovis2是阿里巴巴提出的新型多模态大模型架构，显著提升了小规模和大规模模型的能力密度，并增强了思维链推理能力、视频处理能力和多语言OCR能力。它已在OpenCompass上展示了卓越的性能，并在多个数学推理榜单中排名前列。
让 LLM 来评判 | 奖励模型相关内容
奖励模型通过学习人工标注的成对 prompt 数据来预测分数，用于评估语言模型的表现。它们比传统LLM评估模型更快速且具有确定性，但需要特定微调和考虑位置偏差影响。