Hugging Face 与 Kaggle 的模型访问集成

Hugging Face 与 Kaggle 推出了全新的集成，以提升 AI 开发者对 Hugging Face 模型的可发现性和可用性。该集成使用户能够在两个平台之间无缝切换，从而在 Kaggle 笔记本中更快速地部署模型，并提升社区示例的可见度。

无缝模型部署与导航

用户现在可以通过直接集成，在 Kaggle 笔记本中启动使用 Hugging Face 模型的流程。 在 Hugging Face 模型页面，用户可以点击“Use this model”（使用此模型）并选择“Kaggle”，即可打开一个预填充了加载模型代码片段的 Kaggle 笔记本。 相反，用户也可以在托管于 Kaggle 的 Hugging Face 模型页面上点击“Code”（代码）按钮，以实现相同的效果。

当执行引用 Hugging Face Hub 模型的 Kaggle 笔记本时，系统会自动在 Kaggle 上生成对应的 Hugging Face 模型页面（如果尚不存在）。如果该笔记本被设为公开，它将自动出现在 Kaggle 模型页面的“Code”（代码）标签页中。用户可以在 https://www.kaggle.com/models 浏览 Hugging Face 模型及其相关的公开笔记本示例。

处理私有模型和同意门控模型

该集成保留了受限模型现有的安全性和访问控制：

• 私有模型：要在 Kaggle 笔记本中使用私有的 Hugging Face 模型，用户必须通过在笔记本编辑器的 “Add-ons > Secrets”（插件 > 密钥）菜单中添加 HF_TOKEN 来使用其 Hugging Face 账户进行身份验证。私有模型不会触发生成 Kaggle 模型页面。
• 同意门控模型：访问同意门控模型需要用户通过其 Hugging Face 账户请求访问权限，并遵循 Hugging Face 模型页面上的标准提示。获得访问权限后，集成的行为与非门控模型完全相同。

未来离线竞赛的集成

Hugging Face 与 Kaggle 正在研发一种解决方案，以在需要离线笔记本提交的 Kaggle 竞赛中实现 Hugging Face 模型的无缝使用。该功能预计将在数月内完成。

此功能的开发重点在于防止数据泄漏和模型污染，以保持 AI 竞赛的实证严谨性和完整性。此举与 Kaggle 的立场相吻合，即 AI 竞赛是生成式 AI 评估的黄金标准。