Ryght Preview:Hugging Face赋能医疗和生命科学领域的AI平台
Ryght推出面向医疗和生命科学领域的AI平台Ryght Preview,通过Hugging Face的专家支持,提供行业特定的AI协作者和定制解决方案,加速研究、分析和文档工作。
Ryght推出面向医疗和生命科学领域的AI平台Ryght Preview,通过Hugging Face的专家支持,提供行业特定的AI协作者和定制解决方案,加速研究、分析和文档工作。
Hugging Face Hub 推出 Deploy on Google Cloud 功能,允许用户将数千个开源基础模型轻松部署到 Google Cloud,使用 Vertex AI 或 Google Kubernetes Engine (GKE)。该功能简化了开源生成式 AI 模型的访问和部署流程,为开发者提供了便捷的解决方案。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
MotherDuck 和 Numbers Station 推出 DuckDB-NSQL-7B,一款针对 DuckDB SQL 的先进 LLM,可轻松从数据中提取洞察。
OpenAI 宣布为微调 API 添加新功能,帮助开发者更精准地控制微调过程。同时,OpenAI 推出了构建自定义模型的新方式,进一步扩展了其自定义模型计划。
Hugging Face 与 Cloudflare Workers AI 集成,为开发者提供无服务器 GPU 推理服务,简化了开源生成式 AI 模型的访问和部署。开发者可以无需管理 GPU 基础设施和服务器,以极低的运营成本构建强大的生成式 AI 应用。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Oscar 将 AI 技术引入健康保险领域,旨在降低运营成本并提升患者护理质量。该举措通过智能化手段优化保险服务流程,直接针对成本控制与用户体验两大核心痛点进行改进。
OpenAI 宣布用户无需注册即可立即体验 ChatGPT。此举旨在降低门槛,让人们更轻松地享受 AI 带来的益处。
OpenAI 分享了其自定义语音生成模型 Voice Engine 在小规模预览阶段所面临的挑战与机遇。该模型旨在创建定制化的合成语音,目前仅处于小范围测试状态。
Zelma 使用 GPT-4 模型使教育数据更易于访问。该应用通过集成 OpenAI 的 GPT-4 技术,旨在提升教育领域数据的可用性与透明度。
OpenAI 自上月向全球推出 Sora 以来,一直与艺术家合作以探索该模型如何辅助其创作流程。
Pollen Robotics发布开源库Pollen-Vision,用于机器人视觉感知,支持3D物体检测和分割,旨在帮助机器人自主抓取未知物体。
推荐理由:原文介绍了Pollen-Vision库,这是一个用于机器人视觉感知的开源工具,读者可以了解其功能和应用场景。
Hugging Face 与英特尔合作,推出Phi-2模型在Intel Meteor Lake笔记本电脑上运行,通过硬件加速、小型语言模型和量化技术,实现了在个人电脑上运行大型语言模型的可能性,提高了隐私性、降低了延迟和成本。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Superhuman 宣布与 OpenAI 合作,开启 AI 驱动的全新电子邮件时代。该举措旨在通过引入人工智能技术,彻底重构用户的邮件处理体验。
Holiday Extras 在团队中全面部署 ChatGPT Enterprise,使每周生产力提升 500 小时。
Quanto 是一个针对 Optimum 的 PyTorch 量化后端,旨在降低深度学习模型的计算和内存成本,支持多种量化方案,包括线性量化、分组量化等,适用于各种模态。Quanto 可作为 pip 包安装,提供从浮点模型到动态量化模型再到静态量化模型的流畅工作流程,并支持 PyTorch weight_only 和 Safetensors 的序列化。
Hugging Face 推出 Train on DGX Cloud 服务,支持使用 NVIDIA DGX Cloud 的加速计算基础设施进行模型训练,简化了开放生成式 AI 模型的训练和部署。
Paradigm 使用 OpenAI 的 API 来改善患者获取临床试验的机会。
Lifespan 采用 GPT-4 模型显著提升了健康素养及患者治疗结果。该应用旨在通过人工智能技术改善医疗场景下的信息理解能力与患者整体福祉。
Hugging Face和Argilla推出数据共建计划,通过Argilla和Hugging Face Spaces共同构建数据集,已有350名社区贡献者参与,构建了包含10,000个提示语的评分数据集。
Hugging Face 推出 Llama 2 模型的文本生成流水线,支持 7b、13b 和 70b 版本,通过 Optimum Habana 和自定义流水线类实现,仅需几行代码即可运行;流水线提供高抽象级别,支持预处理和后处理,兼容 LangChain。
Mistral AI 推出多语言聊天助手 Le Chat Vibe,支持与 Mistral 模型交互,提供教育性和娱乐性体验;Le Chat 可使用 Mistral Large、Mistral Small 或 Mistral Next 模型,具备系统级调节机制,目前为测试版,无法访问互联网。
Hugging Face Hub 提供多种 AI 水印工具,用于标记 AI 生成内容以验证其真实性。这些工具包括在生成过程中嵌入可见或不可见水印,以及使用数据中毒和签名技术来防止非授权图像操纵。水印技术适用于不同类型的数据,如图像、音频、文本等,并面临独特的挑战。Hugging Face Hub 提供开源工具,帮助用户进行不同类型的水印操作。
Hugging Face开源工具通过使用LLM创建合成数据,帮助用户训练更高效、更专业的模型,同时降低成本和碳排放。
推荐理由:原文提供了使用开源LLM创建合成数据的方法,读者可以了解如何通过这种方法提高模型效率和降低成本。
AMD与Hugging Face合作,举办Pervasive AI开发者大赛,提供700个AMD平台,总奖金高达16万美元,鼓励开发者创建独特的AI应用。Hugging Face和AMD为AMD GPU提供原生支持,并支持ONNX模型执行、Optimum-Benchmark、DeepSpeed等工具,助力开发者快速构建AI应用。
OpenAI 宣布正在测试 ChatGPT 的记忆功能,使其能够记住用户讨论过的内容以优化后续对话体验。官方强调用户拥有对 ChatGPT 记忆功能的控制权。
Hugging Face 推出 Messages API,实现与 OpenAI 兼容的文本生成推理和推理端点,允许用户无缝地从 OpenAI 模型过渡到开源 LLM。API 可直接用于 OpenAI 的客户端库或第三方工具,如 LangChain 或 LlamaIndex。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Hugging Face 宣布 Hugging Face Text Generation Inference (TGI) 在 AWS Inferentia2 和 Amazon SageMaker 上正式可用。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Hugging Face 与 Google Cloud 合作,旨在通过开放模型和开源技术,帮助公司构建自己的 AI。合作将涵盖开放科学、开源、云和硬件领域,以促进 AI 研究的普及和 AI 技术的创新。
推荐理由:Hugging Face 与 Google 的合作将推动 AI 技术的开放和普及,对行业有重要影响。
本教程介绍了如何将复杂的 ComfyUI 工作流转换为简单的 Gradio 应用,并在 Hugging Face Spaces 的 ZeroGPU 服务器上免费部署和运行。
OpenAI 正式推出面向各规模团队的 ChatGPT Team 计划。该方案提供安全且协作的工作空间,旨在帮助用户在工作中更充分地利用 ChatGPT。
Hugging Face发布Unsloth库,一个用于加速LLM微调的工具,支持多种NVIDIA GPU和架构,可显著提高微调速度和降低内存使用。
推荐理由:原文介绍了Unsloth库,一个用于加速LLM微调的工具,读者可以了解其功能和性能提升。
WHOOP 采用 GPT-4 模型,为用户提供个性化的健身和健康指导服务。该方案通过大语言模型技术优化了健康建议的针对性与体验。
Summer Health 与 OpenAI 合作,重新构想儿科医生问诊流程以提升就诊记录准确性。该方案旨在通过 AI 技术优化医疗文书工作,改善儿科诊疗体验。
Mistral AI 发布了 La Plateforme 平台,提供三种文本生成端点和一种嵌入端点,支持使用指令生成文本和嵌入模型。平台使用 Mistral 7B Instruct、Mixtral 8x7B 和原型模型,并支持 API 查询和系统提示词设置。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Hugging Face 推出 Optimum-NVIDIA inference library,通过简单的 API 在 NVIDIA 平台上实现 LLM 推理速度提升至 28 倍,并支持 FP8 格式和 NVIDIA TensorRT-LLM 软件。
推荐理由:Optimum-NVIDIA inference library 可以显著加速 LLM 在 NVIDIA 平台上的推理速度,读者可以了解其如何改变现有工作流。
Hugging Face 与 AMD 合作,推出针对 AMD GPU 的 AI 模型加速方案,支持所有 Transformers 模型和任务在 AMD Instinct GPU 上运行,并提供一系列优化工具和性能提升。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Hugging Face 推出 Prodigy-HF,允许用户直接在标注数据上训练和重用 Hugging Face 模型,并支持将标注数据集发布到 Hugging Face Hub,方便数据共享和协作。
推荐理由:原文介绍了 Prodigy-HF 插件,该插件允许用户直接在标注数据上训练和重用 Hugging Face 模型,并支持将标注数据集发布到 Hugging Face Hub,方便数据共享和协作。
Hugging Face 推出 Llama 2 在 AWS Inferentia2 上的高效文本生成方案,通过 Optimum Neuron 部署,实现快速部署和模型导出,支持多种生成策略,并提供预编译模型版本。
OpenAI 宣布推出 GPT-4 Turbo,该模型支持视觉输入,知识截止日期更新至 2023 年 12 月,并拥有 128K 上下文窗口。同时发布的还有 DALL·E 3 和新的 Assistants API,旨在简化智能体开发流程。
推荐理由:官方公告明确了 GPT-4 Turbo 的多项核心能力升级,包括视觉输入、知识截止日更新及上下文窗口扩展,为开发者评估技术选型提供直接依据。
OpenAI 推出 GPTs,用户可创建结合指令、额外知识和技能组合的 ChatGPT 自定义版本。