Pages de documents Hugging Face : documents quotidiens, liens arXiv et métadonnées de modèles

Une page d’article sur Hugging Face se trouve à l’adresse huggingface.co/papers/<identifiant-arXiv> (par exemple /papers/2310.06825, le Mistral 7B pour un article). Elle reprend le résumé arXiv et ajoute des votes positifs, des commentaires, des auteurs vérifiés, ainsi que des listes automatiquement générées des modèles, jeux de données et Spaces qui citent l’article. huggingface.co/papers elle-même est « Articles quotidiens », un flux de soumissions sélectionnées.

Deux autres interprétations courantes de cette requête : les articles publiés directement par l’équipe de Hugging Face, et les mécanismes de métadonnées qui relient un article aux poids téléchargeables. Ces deux sujets sont abordés ci-dessous.

Que contient réellement une page d’article ?

Section	Qu’est-ce que c’est	Qui en a le contrôle ?
Abstrait	Texte en miroir, accompagné d’un lien vers le PDF arXiv	arXiv
Votes positifs	Un indicateur de popularité. Pas une évaluation ni une validation expérimentale.	Tout compte connecté
Auteurs	Noms des auteurs, liés à leurs profils sur le Hub dès lors que leur paternité est revendiquée et confirmée	Hugging Face vérifie les revendications d’auteur
Modèles / Jeux de données / Spaces citant cet article	Déduits automatiquement des fiches de dépôts faisant référence à l’identifiant arXiv	Propriétaires de dépôts
Onglet Communauté	Commentaires organisés en fils de discussion, souvent avec des réponses des auteurs	Tout compte connecté

En pratique, une page d’article existe dès que l’article a été soumis à « Articles quotidiens » ou référencé depuis un dépôt du Hub. Si vous suivez un lien arXiv et aboutissez sur une erreur 404, personne n’a encore établi ce lien avec le Hub.

« Articles quotidiens » versus pages d’articles

Il s’agit d’objets distincts. La page d’article est permanente et identifiée par l’identifiant arXiv. « Articles quotidiens » est le flux chronologique situé à l’adresse huggingface.co/papers, où les soumissions communautaires sont regroupées par jour et classées principalement selon le nombre de votes positifs.

La soumission est restreinte : vous devez généralement être un auteur vérifié de l’article pour le proposer au flux, et un quota limite le nombre d’articles que vous pouvez soumettre. Ce quota exact et l’heure limite de soumission ont varié au fil du temps ; consultez donc l’avis affiché sur le formulaire de soumission plutôt que de vous fier à une valeur trouvée dans un billet de blog.

Schémas d’URL utiles à connaître

URL	Ce que vous obtenez
huggingface.co/papers	Les « Articles quotidiens » d’aujourd’hui
huggingface.co/papers?date=2026-03-04	Le fil d’actualités de cette journée précise
huggingface.co/papers/2310.06825	La page dédiée à cet article sur arXiv
huggingface.co/papers?q=speculative+decoding	Rechercher parmi les articles indexés

La date et les paramètres de recherche sont suffisamment stables pour être enregistrés en tant que favori. Les onglets de l’index (tendances, vues hebdomadaires, vues mensuelles) ont été réorganisés plusieurs fois ; naviguez donc vers ceux-ci directement depuis la page elle-même.

Comment les modèles sont associés à un article : README.md et model-index

Chaque dépôt sur le Hub — modèle, jeu de données ou Space — comporte un fichier README.md à sa racine. Ce fichier est constitue la fiche descriptive (« card »). Il commence par un bloc YAML délimité par deux lignes --- ; le Hub analyse ce bloc YAML afin d’en extraire des métadonnées structurées, tandis que tout le contenu situé après la ligne de fermeture est rendu au format Markdown.

Accéder à la section « Modèles citant cet article »

Deux mécanismes sont disponibles, et vous pouvez utiliser les deux :

• Insérez l’URL arXiv brute (https://arxiv.org/abs/2310.06825) dans le corps de la README.md, généralement au sein du bloc de citations. Le Hub extrait automatiquement les liens arXiv présents dans les fiches descriptives.
• Ajoutez explicitement le tag arxiv:2310.06825 à la liste des tags dans l’en-tête YAML. Il s’agit de la forme non ambiguë, qui permet également de filtrer les dépôts selon ce tag.

Rapporter les résultats numériques de l’article à l’aide de « model-index »

model-index est une clé YAML située dans le même en-tête YAML. Elle permet de rendre les résultats d’évaluation auto-déclarés exploitables par machine, plutôt que de les laisser sous forme de tableau Markdown impossible à interroger. Il s’agit d’un tableau de modèles, chacun comportant une liste de résultats, chaque résultat associant une tâche, un jeu de données et une ou plusieurs métriques :

---
license: apache-2.0
language:
- en
library_name: transformers
pipeline_tag: text-generation
base_model: mistralai/Mistral-7B-v0.3
datasets:
- squad
tags:
- arxiv:2310.06825
model-index:
- name: my-paper-reproduction
  results:
  - task:
      type: question-answering
      name: Question Answering
    dataset:
      type: squad
      name: SQuAD v1.1
      split: validation
    metrics:
    - type: exact_match
      value: 87.3
      name: Exact Match
      verified: false
---

Trois détails susceptibles de prêter à confusion. La clé est écrite avec un trait d’union (model-indexmodel-index model_index). task.type doit correspondre à un identifiant de tâche valide sur le Hub, tel que text-generation ou question-answering; dans le cas contraire, le bloc est simplement ignoré, sans générer d’erreur explicite. Enfin, verified: false constitue la valeur par défaut honnête : seuls les résultats vérifiés proviennent des propres exécutions d’évaluation menées par Hugging Face, et non de simples affirmations de votre part.

Si votre fichier YAML est mal formé, la fiche descriptive s’affichera tout de même, mais les métadonnées disparaîtront silencieusement. Vérifiez la page du dépôt après avoir validé vos modifications, et comparez les spécifications affichées de votre fiche avec une référence fiable, comme la Base de données des modèles Convly pour confirmer que les champs attendus sont bien arrivés.

Reproduire localement le modèle décrit dans un article

Avant de télécharger 30 Go de poids, vérifiez que le modèle tient sur votre carte. Passez les chiffres par le calculatrice VRAM, ou consultez le tableau des exigences VRAM par modèle. Le résultat principal d'un article est souvent produit sur 8×H100 ; le checkpoint sur la page de l'article peut être une distillation beaucoup plus petite.

L'outillage est un seul package Python sur les trois plateformes :

pip install -U huggingface_hub
hf auth login
hf download mistralai/Mistral-7B-Instruct-v0.3 --include "*.safetensors" "*.json" "tokenizer*"

L'interface de ligne de commande a été renommée de huggingface-cli pour hf dans une version 2025 de huggingface_hub. Les anciennes installations utilisent huggingface-cli download et huggingface-cli login; si hf n'est pas trouvé, c'est pour cela. Exécutez hf --help ou pip show huggingface_hub pour voir lequel vous avez.

Linux

Le cache par défaut est ~/.cache/huggingface/hub. Déplacez-le avec export HF_HOME=/mnt/models/hf avant de lancer quoi que ce soit. Pour les gros dépôts, pip install hf_transfer et export HF_HUB_ENABLE_HF_TRANSFER=1 augmente substantiellement le débit sur les connexions rapides. C'est le chemin où les noyaux CUDA personnalisés livrés avec le code d'un article se compileront réellement ; voir GPU picks for local LLMs si vous choisissez du matériel pour un travail de reproduction.

macOS

Même chemin de cache, ~/.cache/huggingface/hub. Sur Apple Silicon, le backend MPS de PyTorch couvre l'inférence ordinaire des transformers, mais les dépôts de papiers qui dépendent d'extensions CUDA écrites à la main ne se compileront pas du tout. Quand cela arrive, la route pragmatique est une conversion quantifiée GGUF via Ollama — vous perdez la parité numérique exacte avec l'article, donc ne la signalez pas comme une reproduction.

Windows

Le cache par défaut est C:Users<you>.cachehuggingfacehub. Définissez un emplacement différent dans PowerShell avec $env:HF_HOME="D:hf" pour la session, ou via les Propriétés système pour quelque chose de permanent. Sans le mode développeur ou un shell élevé, le cache Hub ne peut pas créer de liens symboliques et revient à dupliquer les fichiers, ce qui coûte du disque supplémentaire et affiche un avertissement à chaque téléchargement ; HF_HUB_DISABLE_SYMLINKS_WARNING=1 supprime le message sans changer le comportement. De nombreux dépôts de recherche supposent un shell Unix, donc WSL2 est généralement moins contraignant que Windows natif pour quoi que ce soit au-delà de l'inférence.

Plateforme	Cache par défaut	Principal piège
Linux	~/.cache/huggingface/hub	Aucun ; l'environnement de référence
macOS	~/.cache/huggingface/hub	Pas de CUDA ; les noyaux personnalisés ne se compileront pas
Windows	C:Users<you>.cachehuggingfacehub	La réserve de liens symboliques duplique les fichiers

Articles publiés par Hugging Face lui-même

Les deux plus cités sont faciles à identifier :

Article	ID arXiv
Transformers: State-of-the-Art Natural Language Processing	1910.03771
DistilBERT, a distilled version of BERT	1910.01108

Les travaux ultérieurs — les articles d'alignement Zephyr, l'article du dataset FineWeb, la série SmolLM — sont mieux localisés à partir de la source plutôt que d'un ID mémorisé. Ouvrez le profil org pertinent («huggingface.co/HuggingFaceTB», par exemple) et utilisez son onglet Papers, ou ouvrez une carte de modèle et lisez son bloc de citation. Les deux chemins vous donnent la référence canonique actuelle ; une liste en dur dans un article ne le fait pas.

Récupérer les données d’un article par programmation

La route stable et documentée est l'API Hub ordinaire, qui fonctionne parce que arxiv:<identifiant> est une balise normale :

curl "https://huggingface.co/api/models?filter=arxiv:2310.06825"

Cela renvoie tous les dépôts de modèles déclarant cet article. Il existe également un point de terminaison JSON derrière le flux « Daily Papers », mais il n’est pas documenté et ne comporte aucune garantie de compatibilité — parfaitement acceptable pour un script personnel de veille, mais inapproprié comme fondement d’un produit. Si vous avez besoin de métadonnées d’articles pérennes, procédez à un « scraping » depuis l’API officielle d’arXiv et associez les résultats à l’aide de l’identifiant.

Questions fréquemment posées

Une page d’article sur Hugging Face est-elle identique à la page arXiv correspondante ?

Non. Elle reprend uniquement le résumé (abstract) et fournit un lien vers le PDF arXiv, mais il s’agit d’un objet distinct disposant de ses propres votes positifs, commentaires et liens vers des dépôts (repos). Pour les références bibliographiques, utilisez toujours l’entrée arXiv ou la version publiée dans une revue scientifique. Citer l’URL Hugging Face dans une bibliographie constitue une erreur fréquente dans les prépublications, et les relecteurs la remarquent systématiquement.

Comment faire apparaître mon modèle dans la section « Modèles citant cet article » ?

Ajoutez le lien arXiv à la section README.md, ou ajoutez arxiv:<identifiant> à la liste des tags dans la partie YAML front matter de la fiche. Cette liste est générée à partir des métadonnées de la fiche, donc elle est mise à jour après validation de la fiche (commit), et non lors du téléchargement des poids. Si elle n’apparaît pas, la cause la plus fréquente est une erreur de syntaxe YAML dans la partie front matter.

Puis-je soumettre l’article d’un tiers au flux « Daily Papers » ?

Généralement non — la soumission est réservée aux auteurs vérifiés de l’article. Vous pouvez toutefois voter pour une page existante, y ajouter des commentaires, la partager, et inclure l’identifiant arXiv dans un dépôt que vous possédez afin qu’une page d’article soit automatiquement créée. Les revendications d’auteur sont effectuées depuis la page de l’article et confirmées par Hugging Face.

Les votes positifs signifient-ils qu’un article est de qualité ?

Cela signifie simplement qu’il a retenu l’attention le jour même de sa publication. Ce flux valorise autant le moment de la publication, une liste d’auteurs reconnus et un titre percutant que les résultats eux-mêmes. Traitez les affirmations relatives aux performances comme non vérifiées tant que vous ne les avez pas confirmées indépendamment — un Classement des grands modèles linguistiques (LLM) constitue une base de comparaison plus fiable qu’un tableau présenté dans l’article lui-même, et les Calculateur de coûts d’API sont plus utiles que les allégations d’efficacité figurant dans un article lorsque vous décidez concrètement quel modèle déployer.

D’où proviennent les chiffres d’évaluation affichés sur la fiche d’un modèle ?

À partir du bloc model-index de cette fiche modèle, README.mdque le propriétaire du dépôt rédige manuellement. Ces métriques sont auto-déclarées, sauf si elles portent la mention verified: true, ce qui indique qu’Hugging Face a effectué l’évaluation. Traitez les entrées non vérifiées comme toute donnée figurant dans un préprint : plausible, non auditée, et méritant d’être réexécutée sur vos propres données.