آموزش Vision Transformers بر روی Graphcore: آموزش سریع مدل های پزشکی با هوش مصنوعی در این مقاله بررسی می‌کنیم چطور می‌توان با استفاده از کتابخانهٔ Hugging Face Optimum و پردازندهٔ Graphcore IPU، مدل Vision Transformer را بر روی داده‌های رادیولوژیکی تنظیم کرد و سرعت و کارایی بالایی بدست آورد. ۲۷ مرداد ۱۴۰۱ ۲ دقیقه پژوهش پاسخ هوش مصنوعی در گام‌های NAIRR: توسعهٔ باز و مسئولیت‌پذیر Hugging Face در پاسخ به گزارش NAIRR، حمایت از دسترسی آزاد و مسئولانه به هوش مصنوعی را اعلام کرده؛ راهکارهای متن‌باز برای پیشرفت علمی را بررسی می‌کند. ۱۰ مرداد ۱۴۰۱ ۲ دقیقه پژوهش مستندات صوتی و تصویری جدید در 🤗 Datasets: راهنمای جامع برای هوش مصنوعی برای علاقه‌مندان به هوش مصنوعی، مطبوعات جدید Hugging Face در حوزه داده‌های صوتی و تصویری معرفی شده‌اند؛ راهنمای جامع و نمونه کد برای بارگذاری و پردازش این مجموعه‌های غنی. ۶ مرداد ۱۴۰۱ ۲ دقیقه پژوهش هوش مصنوعی در مقابل حملات: آموزش مدل با داده‌های تهاجمی در MNIST در این مقاله به بررسی روش آموزش پویا با استفاده از داده‌های تهاجمی پرداخته می‌شود؛ چگونه می‌توانید با ایجاد نمونه‌های فریبنده مدل MNIST خود را تقویت کنید و از مزایای معیارهای دینامیک بهره‌مند شوید. ۲۵ تیر ۱۴۰۱ ۲ دقیقه مدل‌ها هوش مصنوعی بلاوم: نخستین مدل زبان چندملیتی ۱۷۶ میلیارد پارامتر BLOOM، نهمین مدل زبانی بزرگ جهان، با ۱۷۶ میلیارد پارامتر، در ۴۶ زبان طبیعی و ۱۳ زبان برنامه‌نویسی کار می‌کند و دسترسی آزاد به داده‌ها و کدها را فراهم می‌آورد. ۲۱ تیر ۱۴۰۱ ۲ دقیقه پژوهش هوش مصنوعی در ذهن‌سازی بازی‌ها: مدل VPT چگونه می‌تواند Minecraft را یاد بگیرد OpenAI با مدل Video PreTraining (VPT) موفق شد با ویدیوهای غیر برچسب‌خورده، شبکه عصبی را برای بازی Minecraft آموزش دهد؛ می‌تواند ابزارهای یاقوتی بسازد و مهارت‌های انسانی را تقلید کند. ۲ تیر ۱۴۰۱ ۲ دقیقه پژوهش ابزار هوش مصنوعی برای بررسی داده‌ها: معرفی ابزار اندازه‌گیری داده‌های هوش مصنوعی این مقاله به بررسی ابزار Data Measurements Tool از Hugging Face می‌پردازد که با قابلیت تعاملی، اندازه‌گیری و مقایسه‌ی داده‌های یادگیری ماشین را ساده و سریع‌تر می‌کند، بودن ۸ آذر ۱۴۰۰ ۲ دقیقه پژوهش همکاری هوش مصنوعی: بهینه‌سازی XLSR‑Wav2Vec2 برای تشخیص گفتار چندزبانه آموزش مدل XLSR‑Wav2Vec2 در کم‌منابع با 🤗 Transformers، شناسایی گفتار را در زبان‌های کمتر مستندسازی‌شده بهبود می‌بخشد. کاهش نیاز به داده‌های برچسب‌خورده. ۲۴ آبان ۱۴۰۰ ۲ دقیقه پژوهش بهبود رفتار هوش مصنوعی با داده‌های انتخاب‌شده؛ پژوهش جدید OpenAI پژوهش جدید OpenAI نشان می‌دهد که با تنظیم دقیق مدل زبانی روی یک مجموعه داده کوچک و انتخاب‌شده، می‌توان رفتار آن را در زمینه ارزش‌های خاص بهبود بخشید. ۲۰ خرداد ۱۴۰۰ ۳ دقیقه مدل‌ها معرفی CLIP: هوش مصنوعی که تصاویر را با زبان طبیعی درک می‌کند آشنایی با CLIP؛ شبکه عصبی OpenAI که مفاهیم بصری را از زبان طبیعی می‌آموزد و با رویکرد صفرشات، دسته‌بندی تصاویر را بدون داده‌های برچسب‌دار ممکن می‌کند. ۱۶ دی ۱۳۹۹ ۲ دقیقه