پژوهش
هوش مصنوعی در نتایج: هابینگ فیس و arXiv در نمایش‌دعم‌کد‌های متن‌به‌عکس
همکاری Hugging Face و arXiv برای نمایش‌دموهای مبتنی بر مدل‌های متن‌به‌عکس را معرفی می‌کند؛ کاربران می‌توانند با یک کلیک به دموهای نمونه دسترسی پیدا کنند و سریعاً تعامل کنند.
پژوهش
هوش مصنوعی در Hugging Face: جایگزین جدید برای قیمت‌گذاری و امکانات اینکشاف
Hugging Face با معرفی طرح قیمت‌گذاری جدید، API درایج و امکانات فضاهای ابری را برای شرکت‌ها به‌روزرسانی کرده و به سوی هوش مصنوعی دموکراسی‌سازی پیش می‌رود.
پژوهش
هوش مصنوعی: با روش Contrastive Search، متن‌های انسانی تولید کنیم
در این مقاله به بررسی روش Contrastive Search در تولید متن انسانی می‌پردازیم؛ کاربرد آن در مدل‌های زبانی و دسترسی از طریق Hugging Face را به صورت کامل می‌فهمید.
پژوهش
به‌روزرسانی در آموزش Stable Diffusion با Dreambooth: راهنمای هوش مصنوعی 2023
در این مقاله، راهنمایی جدید برای آموزش Stable Diffusion با Dreambooth در محیط Diffusers بررسی می‌شود؛ نکات بهینه‌سازی، نرخ یادگیری، و تکنیک‌های جلوگیری از overfitting را پوشش می‌دهد.
اخبار
هوش مصنوعی : DALL·E API به‌صورت تجربه‌ی عمومی در دسترس توسعه‌دهندگان
OpenAI نسخه‌ی آزمایشی عمومی DALL·E API را رونمایی کرده و به توسعه‌دهندگان امکان ساخت تصاویر بر پایه متن را می‌دهد؛ این گام به‌عنوان یک پل بین هوش مصنوعی و کسب‌وکارهای دیجیتال مطرح شد.
آموزش
چگونه Whisper را برای شناسایی صدا چندزبانه تنظیم کنیم؟
در این مقاله، گام به گام روش تنظیم دقیق مدل Whisper در Google Colab را معرفی می‌کنیم تا برای هر دیتاست چندزبانه ASR عملکردی بالا داشته باشید.
محصولات
همه چیز درباره‌ی شتاب‌دهی مدل‌های هوش مصنوعی با OpenVINO و 🤗 Optimum
به‌دنبال بهبود سرعت مدل‌های هوش مصنوعی؟ با یکپارچگی 🤗 Optimum Intel و OpenVINO، می‌توانید مدل‌های Transformers را در پردازندۀ Intel به‌صورت سریع و کم‌یادگیری راه‌اندازی کنید.
پژوهش
هوش مصنوعی در برابر سوگیری: چگونه کتابخانه‌ی 🤗 Evaluate سوگیری مدل‌های زبانی را بررسی می‌کند
کتابخانه‌ی🤗 Evaluate از Hugging Face بر پایه معیارهای جدید، امکان سنجش سوگیری مدل‌های زبانی را فراهم کرده است؛ به سوی هوش مصنوعی بدون تبعیض پیش می‌رود.
آموزش
تسلط بر آموزش توزیع‌شده در هوش مصنوعی با PyTorch DDP و Accelerate
در این مقاله مراحل آموزش توزیع‌شده با PyTorch DDP و ابزارهای Accelerate و Trainer بررسی می‌شود، به‌منظور تسهیل فراگیری توسعه مدل‌های هوش مصنوعی بزرگ.
پژوهش
هوش مصنوعی: محدودیت های شناسایی بیش از حد مدل پاداش در آموزش RLHF
قانون مقیاس در هوش مصنوعی نشان می‌دهد که بیشینه‌سازی مدل‌های پاداش می‌تواند کارایی را کاهش دهد. این مقاله به بررسی چالش‌ها و راهکارهای کاهش این ناهماهنگی می‌پردازد.