مدلها
هوش مصنوعی روی TPU: معرفی TorchTPU برای اجرای بومی مدلها
Hugging Face TorchTPU را معرفی کرد تا مدلهای هوش مصنوعی بومی روی شتابدهندههای TPU گوگل اجرا شوند. این فناوری اجرای مدلهای Transformers و Diffusers را روی TPUs آسان میکند.
پژوهش
Transformers now runs llama.cpp quants
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
پژوهش
هوش مصنوعی: مدلهای چندبرداره هوش مصنوعی برای جستجوی دقیقتر
مدلهای چندبرداره (Multi-Vector) هوش مصنوعی با تکنیک Late Interaction، دقت جستجوی معنایی را به شکل قابل توجهی افزایش میدهند.
اخبار
سرعت بومی vLLM با کتابخانه Transformers در اکوسیستم هوش مصنوعی
Hugging Face اعلام کرد بکاند transformers در vLLM به سرعت بومی یا حتی بالاتر از پیادهسازیهای اختصاصی رسیده و توسعهدهندگان مدلهای زبانی میتوانند بدون هزینه اضافه، استنتاج فوقسریع داشته باشند.
سختافزار
Accelerating Transformers Fine-Tuning with NVIDIA NeMo AutoModel
A Blog post by NVIDIA on Hugging Face
پژوهش
Experimenting with the proposed Cross-Origin Storage API in Transformers.js
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
مدلها
هوش مصنوعی در ردهبندی: معرفی Ettin Reranker Family مدلهای برتر
در این گزارش به معرفی شش مدل ردهبندی مبتنی بر Sentence Transformers در خانواده Ettin رندرها میپردازیم؛ با سبک بندی و distillation، عملکرد برشی بر MTEB(eng,v2) و سایر نگهدارندگان نشان میدهد.
مدلها
هوش مصنوعی در OCR: PaddleOCR 3.5 با پشتیبانی از بکند Transformers
در آخرین بروزرسانی PaddleOCR 3.5 امکان اجرای مدلهای OCR و پردازش اسناد با بکندی بر پایه Transformers فراهم شد. این معهد جدید، دایره امکانات را برای توسعهدهندگان هل میدهد و سازگاری کامل با مدلهای PP-OCRv5 و PaddleOCR‑VL 1.5 را تضمین میکند.
سختافزار
چگونه از Transformers.js در افزونه کروم برای هوش مصنوعی جدید استفاده کنیم
راهنمای گامبهگام برای استفاده از Transformers.js در افزونه کروم: چگونه مدلهای هوش مصنوعی را محلی بارگذاری کنید، کش را مدیریت کرده و با سرویسورک ارتباط برقرار کنید.
مدلها
MLX & Transformers: چگونه مدلهای زبان را به سرعت به MLX منتقل کنیم
در این مقاله به بررسی راهنمایی برای انتقال مدلهای زبان Transformers به سیستم MLX میپردازیم؛ از ابزار Skill تا تستهای مورد نیاز و نکات کلیدی