Hugging Face 與 Kaggle 的模型存取整合

Hugging Face 與 Kaggle 推出了一項新整合，旨在提升 AI 開發者對 Hugging Face 模型的可發現性與可用性。此整合使用戶能在兩個平台之間無縫切換，從而在 Kaggle 筆記本中更快速地部署模型，並提升社群範例的可見度。

無縫模型部署與導覽

使用者現在可以透過直接整合，在 Kaggle 筆記本中啟動使用 Hugging Face 模型。於 Hugging Face 模型頁面，使用者可點擊「Use this model」並選擇「Kaggle」，即可開啟一個已預先填入載入模型程式碼片段的 Kaggle 筆記本。相反地，使用者也可以在 Kaggle 上託管的 Hugging Face 模型頁面點擊「Code」按鈕，以達成相同的結果。

當執行引用 Hugging Face Hub 模型的 Kaggle 筆記本時，系統會自動在 Kaggle 上產生相應的 Hugging Face 模型頁面（若尚未存在）。若該筆記本設為公開，則會自動列於 Kaggle 模型頁面的「Code」分頁中。使用者可於 https://www.kaggle.com/models 探索 Hugging Face 模型及相關的公開筆記本範例。

處理私有與同意門檻模型

此整合保留了受限模型現有的安全性與存取控制：

• Private Models（私有模型）：若要在 Kaggle 筆記本中使用私有的 Hugging Face 模型，使用者必須透過在筆記本編輯器的「Add-ons > Secrets」選單中加入 HF_TOKEN，以其 Hugging Face 帳號進行驗證。私有模型不會觸發生成 Kaggle 模型頁面。
• Consent-Gated Models（同意門檻模型）：存取此類模型需使用者透過其 Hugging Face 帳號申請存取，並遵循 Hugging Face 模型頁面上的標準提示。取得存取權限後，整合的行為與非門檻模型相同。

未來離線競賽的整合

Hugging Face 與 Kaggle 正在開發一項解決方案，以在需要離線筆記本提交的 Kaggle 競賽中無縫使用 Hugging Face 模型。此功能預計於數個月內完成。

此功能的開發重點在於防止資料外洩與模型污染，以維護 AI 競賽的實證嚴謹性與完整性。此舉亦呼應 Kaggle 的立場，即 AI 競賽是生成式 AI 評估的黃金標準。