پژوهش
هوش مصنوعی خودتنظیم: معرفی روش قانونمحور برای همترازی مدلهای زبانی باز
با Constitutional AI، مدلهای زبانی باز میتوانند خودشان را بر اساس اصول تعریفشده اصلاح کنند. هاگینگفیس ابزار جدیدی برای تولید داده مصنوعی ارائه کرده است.
مدلها
هوش مصنوعی در دنیای واقعی: جدول ردهبندی مدلها برای کاربردهای شرکتی
هفتمان مه جدید، جدول ردهبندی ارزیابی عملکرد مدلهای زبانی در سناریوهای واقعی شرکتی را از سوی هیوگینگ فیند معرفی کرده؛ بخشهای مالی، قانون، خدمات مشتری و شناسایی حساسیت را پوشش میدهد.
پژوهش
هوش مصنوعی: SetFitABSA راهحلی خلاق برای تحلیل احساسات بر محور ویژگی
SetFitABSA، یک مدل کمنشانداد (few-shot) مبتنی بر SetFit، برای تحلیل دقیق احساسات پیرامون ویژگیهای خاص در متن، با سرعت و دقت بالا در دسترس است.
محصولات
Gradio Lite: اجرای بدون سرور در مرورگر با هوش مصنوعی—راهحلی سریع برای توسعه مدلها
Gradio Lite با استفاده از Pyodide به شما امکان میدهد نرمافزارهای هوش مصنوعی Gradio را بهصورت کاملاً سرورسور (Serverless) در مرورگر اجرا کنید. این تکنولوژی سرعت، حریمخصوصی و سهولت انتشار را بهبود میبخشد۔
پژوهش
کشف مزایا و معایب کوانتیزهسازی مدلهای هوش مصنوعی در Transformers
متن به بررسی مزایا و معایب دو روش کوانتیزهسازی، BitsAndBytes و AutoGPTQ، در کتابخانه Transformers میپردازد و راهنمایی برای انتخاب مناسب ارائه میدهد.
اخبار
Hugging Face: احراز هویت گیت بدون پسورد، گامی امن برای هوش مصنوعی
اعتبارسنجی گیت بهدستگیری از پسورد بر روی Hugging Face تنظیم شد. از ۱ اکتبر، فقط توکن شخصی یا کلید SSH مجاز بوده؛ هدف ارتقای امنیت و تسهیل دسترسپذیری مدلهای هوش مصنوعی.
آموزش
ایجاد ویرایش 3D با هوش مصنوعی: راهنمای گام به گام
این مقاله بهصورت گامبهگام، هوش مصنوعی متن‑به‑3D را توضیح میدهد؛ از Shap‑E تا Unity، تا تولید مدلهای سهبعدی کم‑فidelity بدون نیاز به تخصص زیاد.
پژوهش
هوش مصنوعی در عمل: Writer و Hugging Face برای ایجاد مدلهای مولد پیشرفته
مقالهای دربارهی چگونگی استفاده Writer از Hugging Face برای ساخت مدلهای مولد پیشرفته، و همکاری با جامعه متنباز و منابع یادگیری ماشین، علاوه بر این.
اخبار
انقلاب در تشخیص گفتار چندزبانه: آموزش تطبیقی MMS با هوش مصنوعی
با آداپتورهای MMS متا و تکنیک آموزش تطبیقی Hugging Face، تشخیص گفتار چندزبانه وارد فاز جدیدی میشود. این رویکرد به ویژه برای زبانهای کممنبع، دقت بینظیری را با آموزش سریع به ارمغان میآورد.