# 一个Agent如何通过链式调用两个Hugging Face Space构建3D巴黎画廊
5 min read
Mishig Davaadorj展示了一个编码Agent如何仅通过调用两个Hugging Face Space（图像生成和3D重建），自动构建出巴黎地标的3D高斯泼溅画廊，无需手动使用任何AI工具。
/ tags/ 工具
# Olmo-Eval：专为模型开发循环打造的评估工作台
5 min read
Allen AI发布olmo-eval评估工作台，它超越传统基准测试，专为LLM开发过程中的反复评估设计，支持agent评估和深入分析。
# olmo-eval：专为模型开发循环打造的开源评估工作台
5 min read
Allen AI 发布 olmo-eval，一个面向 LLM 开发过程的评估工作台，支持灵活添加基准、跨检查点运行、逐提示分析结果，并原生支持智能体和多轮评估。
# Agent 通过链式调用 Hugging Face Spaces 自动构建3D巴黎画廊
5 min read
作者展示了一个编码Agent仅通过调用两个Hugging Face Spaces（图像生成和3D重建）就自动构建了包含巴黎地标3D高斯溅射的交互式网站，体现了“构建块经济”在多媒体AI中的应用。
# 智能体链式调用：一个编码代理如何用两个 Hugging Face Spaces 搭建 3D 巴黎画廊
5 min read
Hugging Face 成员演示：一个编码代理通过调用两个 Gradio Space（图像生成和 3D 重建）自动构建了交互式 3D 巴黎纪念碑画廊，展示了基于 agents.md 的“积木经济”模式。
# 从 nn.Linear 到融合 MLP：PyTorch 性能剖析实战（第二篇）
5 min read
Hugging Face 团队发布 PyTorch 性能剖析系列第二篇，深入分析 nn.Linear 层的 GPU 内核调度、转置开销，并展示如何通过内核融合优化 MLP 模块。