[⋯]Loading

Built solo in Lille, FR·v0.6

Dev & AI feed

The best of dev and AI, scored every day by an agent. Filtered, summarized, ranked. No color, no noise — just the substance.

Issue: No. 138
Date: MAY 18, 2026
Edition: EN · DAILY
Sources: 14 active
Articles: 35 today

§ Feed·Vol. 02·No. 138

Last ingest·08:00 UTC+0·Next·08:00

Filters

Reference PanelA.1

01. Type— 5

02. Period— 3

03. Source— 7

04. Score— min.

0 active

$⌘K

Articles / day35

7-day avg.52

Mon → Sun-91%

Feed · 822 articles

sort byscore·DESC ↓

541OCT 2700:00

articleHuggingFace Blog·7 mo. ago

huggingface_hub v1.0: Five Years of Building the Foundation of Open Machine Learning

huggingface_hub v1.0 marks a mature foundation for open ML, powering over 200k dependent libraries and access to 2M public models, 0.5M datasets, and 1M Spaces. The release introduces a new httpx backend, a redesigned Typer-based hf CLI, and full adoption of hf_xet for transfers, replacing legacy components. Most libraries remain backward compatible, though transformers requires v0.x in v4 and v1.x in v5; a migration guide is provided.

★★★★★·HuggingFace Blog

542OCT 2400:00

articleHuggingFace Blog·7 mo. ago

LeRobot v0.4.0: Supercharging OSS Robot Learning

LeRobot v0.4.0 introduit des datasets v3.0 avec un format par episodes segmentés et un streaming optimisé, prenant en charge l’échelle d’OXE. Des outils d’édition de datasets, un plugin matériel intégré et une nouvelle formation RL pour robots sont au programme.

★★★★★·HuggingFace Blog

543OCT 2300:00

articleHuggingFace Blog·7 mo. ago

Building the Open Agent Ecosystem Together: Introducing OpenEnv

Meta and Hugging Face launch OpenEnv Hub, a shared open community hub for agentic environments that define tools, APIs, credentials, and sandboxed execution context for training and deployment. The post introduces the OpenEnv 0.1 Spec (RFC) and initial integrations to supercharge agentic development with secure, semantically clear environments. It targets developers building and sharing environments compatible with RL training stacks (TRL, TorchForge, verl).

★★★★★·HuggingFace Blog

544OCT 2200:00

articleHuggingFace Blog·7 mo. ago

Hugging Face and VirusTotal collaborate to strengthen AI security

Hugging Face and VirusTotal collaborate to continuously scan the 2.2M+ public model and dataset repositories on the Hugging Face Hub for malware. The integration checks file hashes against VirusTotal’s threat-intelligence database, surfacing detection metadata without sharing raw files to preserve privacy. This boosts safety and transparency for the ML community.

★★★★★·HuggingFace Blog

545OCT 2200:00

articleHuggingFace Blog·7 mo. ago

Sentence Transformers is joining Hugging Face!

Sentence Transformers is moving from TU Darmstadt to Hugging Face, with Tom Aarsen continuing to lead. The library, widely used for semantic embeddings and tasks like semantic search and clustering, will benefit from Hugging Face's CI/testing and broader ecosystem. It remains open-source under Apache 2.0, with ongoing contributions welcomed.

★★★★★·HuggingFace Blog

546OCT 2100:00

articleHuggingFace Blog·7 mo. ago

Supercharge your OCR Pipelines with Open Models

Open-weight models offer cost efficiency and privacy for modern OCR, with vision-language models extending document AI beyond transcription to retrieval and QA. The guide compares latest OCR models, explains when to fine-tune vs. use out-of-the-box, and outlines key selection factors and workflows for multimodal document retrieval and QA.

★★★★★·HuggingFace Blog

547OCT 2100:00

toolHuggingFace Blog·7 mo. ago

Unlock the power of images with AI Sheets

Hugging Face AI Sheets ajoute le support des images en mode open-source, permettant d’extraire des données de documents, de générer et éditer des visuels directement dans une feuille. Les utilisateurs peuvent structurer des recettes, des factures ou des graphiques via des modèles de vision, puis itérer sur les prompts ou valider les résultats. Les données enrichies sont exportables en CSV/Parquet.

★★★★★·HuggingFace Blog

548OCT 1622:38

articleHuggingFace Blog·7 mo. ago

AI for Food Allergies

AI for Food Allergies surveys how AI and big biological data are accelerating allergy research, from protein structure prediction (AlphaFold) to allergenicity models (AllergenBERT). The project aims to create a community-driven research lab bridging AI with biomedical science, leveraging open data layers (protein, clinical, food) and shared resources such as SDAP, AllerBase, and DAVIS.

★★★★★·HuggingFace Blog

549OCT 1600:00

articleHuggingFace Blog·7 mo. ago

Google Cloud C4 Brings a 70% TCO improvement on GPT OSS with Intel and Hugging Face

Intel and Hugging Face demonstrate real-world gains running GPT OSS on Google Cloud C4 VMs with Granite Rapids, achieving up to 1.7x lower TCO and 1.4–1.7x higher TPOT throughput per vCPU/dollar versus C3. The work optimizes MoE expert execution to avoid redundant computation, improving utilization on large models.

★★★★★·HuggingFace Blog

550OCT 1500:00

articleHuggingFace Blog·7 mo. ago

Get your VLM running in 3 simple steps on Intel CPUs

Cet article présente une procédure en 3 étapes pour faire tourner un Vision Language Model localement sur CPU Intel, en utilisant Optimum Intel et OpenVINO avec SmolVLM. Il détaille la conversion en IR OpenVINO et deux approches de quantisation (WOQ et quantification statique) pour réduire mémoire et accélérer l'inférence.

★★★★★·HuggingFace Blog

551OCT 1323:00

articleHuggingFace Blog·7 mo. ago

Nemotron-Personas-India: Synthesized Data for Sovereign AI

NVIDIA lance Nemotron-Personas-India, un jeu de données open source de 21M de personas synthétiques alignées sur les distributions démographiques, géographiques et culturelles de l’Inde, en anglais et en hindi (Devanagari/Latin), construit avec NeMo Data Designer pour soutenir le développement de LLM multilingues et de copils culturels.

★★★★★·HuggingFace Blog

552OCT 0709:37

articleHuggingFace Blog·7 mo. ago

BigCodeArena: Judging code generations end to end with code executions

BigCodeArena is a human-in-the-loop platform that evaluates AI code generation by executing code in sandboxed environments across multiple languages and frameworks. It enables interactive testing, multi-turn conversations, and community voting to rank models, addressing key evaluation gaps in code generation. The platform has gathered over 14,000 conversations since February 2025.

★★★★★·HuggingFace Blog

553OCT 0200:00

articleHuggingFace Blog·8 mo. ago

SOTA OCR with Core ML and dots.ocr

L’article décrit la conversion du modèle OCR 3B paramètres dots.ocr pour fonctionnement on-device via Core ML et MLX. Il montre comment capturer le graphe PyTorch puis le compiler en .mlpackage, en simplifiant le modèle (une seule image, vision encoder en Core ML, LM en MLX). Résultat : OCR performant sans API ni réseau, avec un gain d’efficacité puissance notable sur le Neural Engine.

★★★★★·HuggingFace Blog

554OCT 0100:00

articleHuggingFace Blog·8 mo. ago

Introducing RTEB: A New Standard for Retrieval Evaluation

L’article présente RTEB, un nouveau benchmark de retrieval conçu pour mesurer fidèlement la généralisation des modèles d’embeddings en mixant données publiques et privées. Il critique les benchmarks existants, trop corrompus par le « teaching to the test » et un décalage avec les cas d’usage réels. RTEB vise à offrir une évaluation transparente et reproductible pour orienter le développement de modèles robustes.

★★★★★·HuggingFace Blog

555SEP 2900:00

articleHuggingFace Blog·8 mo. ago

VibeGame: Exploring Vibe Coding Games

L'article explore les limites du « vibe coding » pour le développement de jeux, où les modèles d'IA peinent à gérer la croissance du contexte et la complexité des plateformes. Il analyse Roblox MCP, Unity MCP et le web, concluant à l'importance d'un bon context management et d'abstractions de haut niveau. Pour y remédier, l'auteur propose Shallot, un système de gestion de contexte léger et générique.

★★★★★·HuggingFace Blog

556SEP 2900:00

articleHuggingFace Blog·8 mo. ago

Accelerating Qwen3-8B Agent on Intel® Core™ Ultra with Depth-Pruned Draft Models

L’article présente l’accélération du Qwen3-8B (modèle agentique) sur Intel Core Ultra via la speculative decoding avec un modèle Qwen3-0.6B comme brouillon, puis un affinage par pruning de profondeur (6/28 couches) et finetuning, atteignant jusqu’à ~1,4× de speedup. Ces optimisent sont intégrables via OpenVINO.GenAI et compatibles avec smolagents pour déployer un agent local performant.

★★★★★·HuggingFace Blog

557SEP 2606:25

articleHuggingFace Blog·8 mo. ago

Nemotron-Personas-Japan: ソブリン AI のための合成データセット

Nemotron-Personas-Japan は、日本の公的統計に沿った合成ペルソナデータセットで、総計600万件の日本語ペルソナを含みます。データは CC BY 4.0 で公開され、NeMo Data Designer を用いた合成データ生成パイプラインと複数の生成バックエンドで、日本語AIのファインチューニングやソブリンAI開発を支援します。個人を特定できる情報は含まず、教育・職業・地域・文化背景などの統計属性を自然言語で表現します。

★★★★★·HuggingFace Blog

558SEP 2600:00

articleHuggingFace Blog·8 mo. ago

Swift Transformers Reaches 1.0 – and Looks to the Future

Swift Transformers 1.0 apporte une stabilité et une maturité accrues pour les développeurs Apple intégrant modèles locaux. La release rend les modules Tokenizers et Hub en modules de premier ordre et s’appuie sur swift-jinja pour les templates de chat complexes. L’objectif est de renforcer les cas d’usage MLX et agentic à venir.

★★★★★·HuggingFace Blog

559SEP 2300:00

articleHuggingFace Blog·8 mo. ago

Smol2Operator: Post-Training GUI Agents for Computer Use

L’article présente Smol2Operator, une méthode de post-entraînement qui donne à un VLM léger (SmolVLM2-2.2B-Instruct) des capacités de compréhension et d’interaction avec les interfaces graphiques. En deux phases — d’abord l’ancrage perçu, puis la cognition/agenticité — les auteurs transforment des données hétérogènes en un espace d’actions unifié et open source. Ils libèrent modèles, données, outils et recettes pour reproduire et étendre la recherche.

★★★★★·HuggingFace Blog

560SEP 2206:45

articleHuggingFace Blog·8 mo. ago

SyGra: The One-Stop Framework for Building Data for LLMs and SLMs

SyGra est un framework low‑code/no‑code qui simplifie la création, la transformation et l’alignement de données pour LLM et SLM. Il propose une librairie Python, supporte plusieurs backends d’inférence et couvre de nombreux scénarios (Q&A, DPO, raisonnement, cross‑langue, filtrage de qualité). L’outil vise à accélérer l’alignement et réduire le travail manuel de curatage de données.

★★★★★·HuggingFace Blog

Page 28 / 42

← Prev.Next →

20 of 822 shown

Issue 138 · Digest

The weekly digest, every Sunday.

20 articles ranked by an agent. No noise, no ads. One-click unsubscribe.

Subscribe →

[top 7 days]B.1

01.
I turned a $80 RK3562 Android tablet into a Debian Linux workstation
Hacker News (100+ pts)
02.
Mullvad exit IPs as a fingerprinting vector
Lobsters
03.
Granite Embedding Multilingual R2: Open Apache 2.0 Multilingual Embeddings with 32K Context — Best Sub-100M Retrieval Quality
HuggingFace Blog
04.
what 262,715 regex questions on stack overflow haven't answered
Lobsters
05.
int a = 5; a = a++ + ++a; a = ? (2011)
Lobsters

Colophon · MakerC.1

Quentin Lecocq · @celdama

Fullstack dev · CRO freelance · Lille, FR

Lantern is a side-project — aggregation, AI scoring, weekly digest. Built with Next.js 16, Drizzle, Neon & Claude. One maintainer.

[X][GitHub][RSS][Site]

ShortcutsC.2

Search⌘ K
Next articleJ
Previous articleK
OpenEnter
FavoriteF

Dev & AI feed

§Feed · 822 articles

Feed · 822 articles