محصولات اجرای سه‌مرحله‌ای مدل VLM با OpenVINO بر روی پردازنده‌های Intel برای کسب‌وکارهای کوچک Hugging Face با بهره‌گیری از OpenVINO و Optimum Intel، راهنمای ساده‌ای در سه گام برای راه‌اندازی مدل‌های Vision‑Language بر روی پردازنده‌های Intel ارائه داد؛ در این راهنما به کاهش نیاز به منابع، بهینه‌سازی مدل و اجرای در محیط‌های محلی پرداخته شد. ۲۳ مهر ۱۴۰۴ ۳ دقیقه مدل‌ها Llama Nemotron Nano‑VL: هوش مصنوعی OCR برتر با NVIDIA 8B پارامتر نویسندهٔ Llama Nemotron Nano‑VL از NVIDIA با 8 میلیارد پارامتر، OCR قدرتمند تصویر را شناسایی می‌کند؛ در حسابداری، قراردادها و بهداشت کاربرد دارد. ۷ تیر ۱۴۰۴ ۲ دقیقه پژوهش ScreenSuite: جامع‌ترین مجموعه ارزیابی ایجنت‌های GUI در هوش مصنوعی ScreenSuite به‌عنوان اولین سوییتم جامع برای سنجش عملکرد ایجنت‌های GUI در هوش مصنوعی معرفی شد؛ در کمتر از ۳۰ ثانیه می‌توانید مدل‌های VLM را برپایه معیارهای دقیق مقایسه کنید. ۱۶ خرداد ۱۴۰۴ ۲ دقیقه پژوهش کاهش زمان تولید متن با کش KV در مدل nanoVLM – هوش مصنوعی 2025 در این مقاله، مفصل‌ترین تجربه‌ ما از پیاده‌سازی کش کلید–مقدار (KV) صفر-زیر در کدهای گویا nanoVLM را بررسی می‌کنیم؛ سرعت تولید متن 38 ٪ ارتقا یافته و نکاتی آموزشی برای همه مدل‌های تولیدی ارائه می‌دهیم. ۱۴ خرداد ۱۴۰۴ ۲ دقیقه اخبار Holo1: خانواده جدیدی از VLM های اتوماسیون رابط کاربری گرافیکی که عامل رابط کاربری گرافیکی Surfer-H را تقویت می‌کنند یک پست وبلاگ از شرکت H در مورد Hugging Face ۱۳ خرداد ۱۴۰۴ ۲ دقیقه آموزش نانوVLM: ساده‌ترین راه برای آموزش مدل دید و زبان با هوش مصنوعی نانوVLM کتاب‌خانهٔ خالص پایتورچ برای ساخت مدل‌های دید‑زبان ساده است، که امکان آموزش در کلاب رایگان و بدون پیچیدگی را فراهم می‌کند. ۳۱ اردیبهشت ۱۴۰۴ ۲ دقیقه پژوهش هوش مصنوعی در مدل‌های دید و زبان: جدیدترین پیشرفت‌های Hugging Face پیشرفت‌های اخیر در Vision Language Models توسط Hugging Face، توانایی‌های جدیدی در درک تصاویر، متن و ویدئو ایجاد کرده و روند باز‌فراز Open Source را تسریع می‌کند. ۲۲ اردیبهشت ۱۴۰۴ ۲ دقیقه پژوهش هوش مصنوعی: AutoRound شرکت اینتل برای کمینه‌سازی مدل‌های LLM و VLM AutoRound از اینتل، یک ابزار کوانتایزیشن وزن-فقط برای LLMs و VLMs است که با دقت بالا در بیت‌های 2 تا 8، حجم مدل را تا ۳۰٪ کاهش می‌دهد. ۹ اردیبهشت ۱۴۰۴ ۲ دقیقه مدل‌ها SmolVLM2: هوش مصنوعی درک ویدیو برای هر دستگاه SmolVLM2 هوش مصنوعی جدیدی از Hugging Face است که با مدل‌های کم‌حجم و مصرف پایین، درک ویدیو را در دستگاه‌های همه‌کاره و محدود منابع قابل اجرا می‌کند و امکان استفاده آسان از هوش مصنوعی برای تجزیه و تحلیل ویدیو فراهم می‌آورد. ۲ اسفند ۱۴۰۳ ۲ دقیقه مدل‌ها افزایش توانایی هوش مصنوعی smolagents با پشتیبانی از مدل‌های بینایی با به‌روزرسانی جدید smolagents، مدل‌های زبانی بینایی به عوامل هوش مصنوعی اضافه شدند و مرور وب کاملاً خودمختار ممکن شد. ۵ بهمن ۱۴۰۳ ۲ دقیقه