پژوهش
هوش مصنوعی: چگونه تولید خروجی ساختاریافته انتظارهای پایدار را برانگیزد
تجربههای جدید حاکی از حساسیت ارزیابی مدلهای زبانی به فرمتهای مدخل است. روش ساختاردهی خروجی در Hugging Face، ثبات را بهبود میبخشد.
مدلها
معرفی JAT؛ هوش مصنوعی همهکاره Hugging Face برای محیطهای متنوع
مدل JAT یک عامل چندمنظوره هوش مصنوعی است که با دادههای تخصصی از محیطهایی مانند Atari، BabyAI، Meta-World و MuJoCo آموزش دیده و اکنون بهصورت متنباز در دسترس است
اخبار
جدول تازه سنجش هوش مصنوعی در پزشکی؛ ارزیابی مدلهای زبانی بالینی
هوگینگ فیس با انتشار جدول ردهبندی باز Medical-LLM، معیاری تازه برای ارزیابی مدلهای زبانی در حوزه سلامت ارائه کرده تا عملکرد هوش مصنوعی در کارهای بالینی شفافتر شود.
اخبار
معرفی Llama 3؛ عصر جدیدی از هوش مصنوعی متنباز متا
مدل جدید Llama 3 متا با دو اندازه ۸B و ۷۰B منتشر شد. این مدل متنباز با پشتیبانی کامل Hugging Face، قدرت را به دست توسعهدهندگان میدهد.
پژوهش
CodeGemma: گوگل معرفی مدل هوش مصنوعی ویژه کدنویسی بر پایهٔ Gemma
مدل CodeGemma از گوگل، نسخهٔ کد‑محور عاملهای Gemma با دو بایلیومتری 2B و 7B را به صورت پرسش‑پاسخ متن‑تک تکمیل میکند. این نسخهٔ متنباز، عملکرد برتر در تشخیص ساختار کد را ارائه میدهد.
سیاست و قانون
هوش مصنوعی پایدار: سیاستهای نوآورانه Hugging Face برای شفافیت
Hugging Face رونمایی از رویکردی چندرشتهای برای سیاستگذاری هوش مصنوعی، بر وکالتپذیری شفافیت، امانت و همفکری جامعه علمی، و تلاش برای بازسازی اکوسیستم متنباز و دستی.
پژوهش
کمتر شدن هزینه و افزایش سرعت بازیابی دادهها با کوانتیزهسازی هوش مصنوعی
Hugging Face روشهای کوانتیزهسازی باینری و اسکالر را برای کاهش بهمراتب مصرف حافظه و افزایش سرعت بازیابی مدلهای ادغام در ۴۱ میلیون سند ویکیپدیا معرفی کرد. این فناوری دموکراتیزاسیون هوش مصنوعی را تسهیل میکند.