aeon-huggingface-trending

Par bankrbot · skills

Modèles, datasets et spaces Hugging Face tendance — filtrés par cohérence de licence, dédupliqués par rapport aux quantizations de la même semaine, avec une ligne « pourquoi c'est notable » par sélection (changement d'architecture, palier de taille, changement de licence, auteur remarquable). Met en avant ce qui évolue réellement plutôt que ce qui est simplement populaire. Déclencheurs : « trending on HF », « what models are hot », « huggingface trending », « new spaces today », « best new datasets ».

npx skills add https://github.com/bankrbot/skills --skill aeon-huggingface-trending

aeon-huggingface-trending

Scan quotidien filtré sur les trois surfaces trending de HF — modèles, datasets, espaces — classés par cluster plutôt que par téléchargements bruts.

Endpoints

curl -s "https://huggingface.co/api/models?sort=trending&direction=-1&limit=30"
curl -s "https://huggingface.co/api/datasets?sort=trending&direction=-1&limit=30"
curl -s "https://huggingface.co/api/spaces?sort=trending&direction=-1&limit=30"

Filtres

  • Repos vides, aucun commit, aucune model card → supprimés.
  • Quantization de la même semaine d'un modèle déjà trending → rétrogradés à la queue "Quantizations".
  • Fork sans delta README vs upstream → supprimés.
  • Auteurs avec > 5 entrées trending en 24h → rétrogradés (généralement des agrégateurs).
  • License floue ou absente → signalée inline, non supprimée.

Ligne "Why notable"

Par entrée surfacée, un tag d'une phrase : nouvelle architecture / saut de taille / augmentation de context window / affiliation d'auteur notable / changement de licence. Si aucune raison concrète n'existe, l'entrée dit "no clear why — popular but unremarkable" plutôt que d'en inventer une.

Output

Trois sections — Models, Datasets, Spaces — chacune avec les entrées survivantes, "why notable", licence, et compteurs de téléchargement/vue. Section queue pour les quantizations.

Rules

  • "Why notable" est une exigence stricte. Pas de raison → pas de surface.
  • Les flags de licence apparaissent inline (Apache 2.0, MIT, OpenRAIL-M, custom-no-commercial). Les opérateurs qui font commerce de la sortie du modèle s'en soucient.
  • La section Spaces surpasse souvent Models pour le signal builder-tier — une démo fonctionnelle est une validation plus forte qu'une affirmation sur une card.

Skills similaires