اخبار
OpenEnv گامی بزرگ در آموزش عاملهای هوش مصنوعی با منبع باز
OpenEnv به ابزاری کلیدی برای آموزش عاملهای هوش مصنوعی تبدیل شده و حالا با مدیریت جامعهمحور، آیندهای شفافتر در پیش گرفته است. گامی مهم برای متنباز.
مدلها
نمُوترون ۳.۵ انویدیا: ایمنی چندوجهی هوش مصنوعی برای سازمانها
انویدیا از نمُوترون ۳.۵ رونمایی کرد؛ مدلی یکپارچه برای ایمنی محتوای چندوجهی، چندزبانه و قابل تنظیم با پشتیبانی از استدلال و سیاستهای سفارشی سازمانی در هوش مصنوعی.
محصولات
بازطراحی hf CLI برای عاملهای هوش مصنوعی؛ کاهش ۶ برابری مصرف منابع
بازطراحی hf CLI توسط Hugging Face برای کارایی بهتر عاملهای هوش مصنوعی؛ کاهش ۶ برابری مصرف توکن و گامها در کارهای پیچیده.
پژوهش
چگونه ابزار MCP به روبات Reachy Mini اضافه کنیم: گام به گام با هفنگ فی
دستگاه Reachy Mini با ابزارهای MCP میتواند به راحتی سرویسهای Hugging Face را فراخوانی کرده، امکاناتی مثل پیشبینی هوا و جستجوی آنلاین را اضافه کند. راهنمای گام به گام.
پژوهش
همراهی هزارتن پارامتر: همگامسازی دلتای وزن در هاب با هوش مصنوعی
Hugging Face با فناوری Delta Weight Sync در TRL، همزمانی وزن مدلهای بزرگ را با استفاده از هاب باتک به صورت امن و بهسرعت بالا اجرا میکند؛ راهکاری ساده برای انتقال هزارتن پارامتر.
پژوهش
هوش مصنوعی: حداکثر بهرهوری GPU با Continuous Batching و انکپسولیشن ناهمزمان
Continuous Batching و انکپسولیشن ناهمزمان در هوش مصنوعی، بهترین راه برای بهینهسازی GPU و کاهش هزینههای عملیاتی در مدلهای LLM و بهرهوری را به ۳۰۰٪ افزایش میدهد.
پژوهش
Hugging Face وارد «Benchmaxxer Repellant» میشود: محافظت از دادههای خصوصی ASR
در آخرین بروزرسانی، هگینگ فِیس دیتاستهای خصوصی صدای English از Appen و DataoceanAI را در لیست ASR مخفی کرد تا از برتری در آزمون جلوگیری کند.
اخبار
رونمایی گاما ۴؛ هوش مصنوعی چندوجهی و متنباز گوگل دیپمایند
خانواده مدلهای جدید گاما ۴ با قابلیتهای چندوجهی، مجوز Apache 2 و پشتیبانی از ابزارهای محبوب روی Hugging Face منتشر شد. هوش مصنوعی متنباز برای همه.
اخبار
گرادیو.سرور؛ اتصال فرانتاند دلخواه به قدرت هوش مصنوعی Gradio
با gradio.Server، توسعهدهندگان میتوانند از React، Svelte یا HTML ساده با Gradio کار کنند و از زیرساختهایی مثل صف، API، MCP و ZeroGPU بهره ببرند.
محصولات
TRL v1.0 منتشر شد: تحولی در آموزش پسین مدلهای هوش مصنوعی
TRL v1.0 با پشتیبانی از بیش از ۷۵ روش آموزش پسین، به ابزاری پایدار برای تولید تبدیل شده است و طراحی آن برای حرکت با نیازهای میدان تکامل مییابد.