پژوهش
MTEB: استانداردی برای ارزیابی تعبیه متن در هوش مصنوعی و چالشهای برتر
معرفی MTEB، بینالمللیترین بنچمارک برای مدلهای تعبیه متن، نحوه استفاده، درک خروجیها و چگونگی جایگاه شرکت در لیست بهترینها در حوزه هوش مصنوعی.
محصولات
هوش مصنوعی در دسترس: راهنمای سریع راهاندازی Inference Endpoints توسط Hugging Face
هستهٔ سریع و امن برای پیادهسازی مدلهای هوش مصنوعی، سرویس Inference Endpoints در Hugging Face، به توسعهدهندگان امکان میدهد بدون پیچیدگی، مدلهای خود را بر روی ابر مدیریتشده فراخوانی و مقیاسپذیری کنند.
مدلها
همکاری هوش مصنوعی: اجرای Stable Diffusion با JAX/Flax بر روی TPU
در این مقاله به بررسی راهاندازی نسخهای از مدل Stable Diffusion با JAX/Flax، استفاده از TPU برای تعلیق سریع و نکات عملی برای توسعهدهندگان عزیز میپردازیم.
پژوهش
هوش مصنوعی در حالتهای سرعت: بهینهسازی دقت بالا در BLOOM با Hugging Face
در این گزارش، تیمهای Open Source بهینهسازی سرور پیشبینی مدل BLOOM را انجام دادند؛ عملکرد 5 برابر سریعتر و 50 برابر قدرتمندتر بهدست آمد.
محصولات
هوش مصنوعی را با DOI، هفنگفیس به استناد و دسترسپذیری علمی برسانید
هفنگفیس با افزودن قابلیت DOI، مدلها و دیتاستها را به راحتی استناد میکند؛ راهنمایی کوتاه برای تولید و بهاشتراکگذاری در پژوهشهای هوش مصنوعی.
مدلها
هوش مصنوعی در حال انقلاب: مدل Stable Diffusion ژاپنی، تصاویر را با زبان جاپانی تولید میکند
با استفاده از مدلی تحت عنوان Japanese Stable Diffusion، تولید تصاویر متنپایه به زبان جاپانی امکانپذیر شد؛ این مدل نمونهای از دستاوردهای هوش مصنوعی باز در حوزه کدگذاری تصویر میباشد.
پژوهش
هوش مصنوعی: چگونه مدلهای بزرگ زبانی بدون نمونهچین آزمایش شوند
این مقاله به بررسی روشهای بدون نمونهچین (Zero‑Shot) برای ارزیابی مدلهای زبان عظیم در هاب هوش مصنوعی میپردازد و ابزارهای جدید را معرفی میکند.
محصولات
AutoTrain: طبقهبندی تصویر بدون کدنویسی با هوش مصنوعی در Hugging Face
AutoTrain بر پایهی Hugging Face مدلهای تشخیص تصاویر را بدون کدنویسی آموزش میدهد و به کاربران اجازه میدهد با انتخاب خودکار مدل بهترین را انتخاب کنند. با بهرهگیری از AutoTrain میتوانید به سرعت مدلهایی با دقت بالا ایجاد کنید که در مسایل روزمره کاربردی هستند.