OpenAI 数据合作伙伴关系
OpenAI 宣布与数据合作伙伴共同创建用于 AI 训练的开源和私有数据集。该合作旨在通过多方协作丰富训练数据来源,支持人工智能模型的持续开发与优化。
OpenAI 宣布与数据合作伙伴共同创建用于 AI 训练的开源和私有数据集。该合作旨在通过多方协作丰富训练数据来源,支持人工智能模型的持续开发与优化。
Hugging Face Hub 推出存储区域功能,允许用户选择模型和数据的存储位置,以符合监管和法律要求,并提升数据主权和性能。目前支持美国和欧盟区域,预计未来还将支持亚太地区。该功能通过提高上传和下载速度来显著提升性能,例如,在欧洲存储数据比在美国存储快4-5倍。
OpenAI 正在开发针对高能力 AI 系统的灾难性风险准备方法,以支持其安全性。为此,OpenAI 组建了 Preparedness 团队并发起了一项挑战。
OpenAI 联合 Anthropic、Google 和 Microsoft 宣布 Frontier Model Forum 新任命执行董事,并设立 1000 万美元的 AI Safety Fund。
Hugging Face Inference Endpoints 提供了一种简单、安全的方式部署机器学习模型,支持快速部署、自动扩展、成本效益和高级安全功能。Text Embeddings Inference (TEI) 是专为部署和托管开源文本嵌入模型而构建的解决方案,支持所有 MTEB 排行榜前 10 的模型,并实现了多种性能优化功能。
Hugging Face 积极参与 AI 伦理讨论,向欧盟、英国和美国立法者提供 AI 监管建议,CEO Clem 向美国国会作证,首席伦理科学家 Meg 向民主党核心小组发表评论。此外,Hugging Face 与媒体合作,就 AI 能源使用、偏见、性别问题等发表观点,并推出 AI 音频课程、开放访问临床语言模型资源等。
OpenAI 在爱尔兰都柏林开设新办公室,扩大其在欧洲的业务范围。
OpenAI 宣布将于11月6日在旧金山举办首届开发者大会。线下参会注册将在未来几周开放,全球开发者可通过直播观看主题演讲。
OpenAI 推出 ChatGPT Enterprise,提供企业级安全和隐私保护,并具备最强大的 ChatGPT 版本。
OpenAI 与 Scale 合作,允许客户利用 Scale 的 AI 专业知识来定制 OpenAI 最先进的模型。
OpenAI 宣布收购 Global Illumination,其整个团队已加入 OpenAI。
OpenAI 宣布联合成立行业组织 Frontier Model Forum,旨在促进前沿 AI 系统的安全与负责任发展。该论坛将推进 AI 安全研究、确立最佳实践与标准,并协助政策制定者与产业界进行信息共享。
Hugging Face于7月7日至11日举办了首届开源AI游戏马拉松,共有88款游戏提交,其中Snip It获得冠军。活动鼓励开发者使用开源AI工具,如Stable Diffusion和GPT-4,展示了开源AI在游戏开发中的潜力。
OpenAI 与美国新闻项目(American Journalism Project)建立价值超过 500 万美元的合作关系。该计划旨在探索人工智能如何支持繁荣创新的本地新闻领域,并确保本地新闻组织参与塑造这一新兴技术的未来。
Hugging Face 推出 Inference Endpoints,简化开源 LLM 模型部署,支持 Falcon、LLaMA 等模型,提供自动扩缩、成本优化和高级安全功能。用户可通过简单操作部署模型,并使用 JavaScript 和 Python 进行流式响应测试。
OpenAI 宣布在英国伦敦设立首个国际办公室,标志着其首次国际扩张。
Hugging Face 于 6 月 12 日对美国商务部 NTIA 的人工智能问责政策请求作出回应,强调文档和透明度规范在推动人工智能问责过程中的作用,并指出需要依靠技术众多利益相关者的全面专业知识、观点和技能来应对技术快速增长带来的挑战。
Hugging Face Hub 提供超过 19 万个机器学习模型、3.3 万个数据集和 10 万个应用和演示,涵盖预训练语言模型、图像和音频分类模型、目标检测模型以及各种生成模型。该平台支持 GLAM 领域的用户分享和访问机器学习模型和数据集,并提供了模型和数据的搜索、使用和分享功能。
Hugging Face Hub新增使用DuckDB分析数据集的功能,支持用户对存储在Hub上的数据集进行SQL查询,提高数据分析效率。该功能将所有公共数据集自动转换为Parquet文件,方便用户通过简单的HTTP调用访问。
Hugging Face 举办首届开源 AI 游戏马拉松,鼓励开发者利用 AI 工具如 Stable Diffusion 创作游戏,活动将于 7 月 7-9 日举行,支持个人或团队参与,要求游戏可在网页或 Windows 上运行,并融入至少一个开源 AI 工具。
Hugging Face Hub 现已集成 BERTopic,一个基于语言的模型,支持多种任务,包括对话、语音识别、调优、摘要、问答、情感分析、临床医学、翻译。
OpenAI 非营利组织宣布启动一项资助计划,向十个项目各提供 $100,000 拨款。该计划旨在资助建立民主流程的实验,以决定在法律界定范围内 AI 系统应遵循的规则。
Q8-Chat模型通过SmoothQuant技术实现8位量化,在保持模型质量的同时,将模型大小缩小约2倍,显著降低推理延迟,在Xeon CPU平台上实现高效运行。
Databricks 推出与 Hugging Face 的合作,通过 Apache Spark™ dataframe 直接创建 Hugging Face Dataset,简化模型训练和调优流程。新功能将 Spark 的数据处理效率和 Hugging Face 的数据集优化相结合,将 16GB 数据集的处理时间从 22 分钟缩短至 12 分钟,速度提升超过 40%。
Hugging Face 推出面向中文用户的博客,提供包括 Transformer、扩散模型和强化学习等资源的翻译,旨在促进中西方 AI 社区合作。博客强调中国 AI 社区的成就,如 HuggingGPT、ChatGLM 等,并计划加强与中国合作伙伴的合作,共同推动 AI 发展。
Snorkel AI 与 Hugging Face 合作,推出 Snorkel Flow 开发平台,帮助企业适应和优化基础模型。平台支持用户从 Hugging Face 的 150,000 个开源模型中选择,并通过程序化标注和微调提高模型质量。此合作使企业能够更灵活地利用开源模型,加速数据驱动的 AI 应用开发。
OpenAI 强调确保 AI 系统安全构建、部署和使用是其使命的核心。
Hugging Face 推出伦理开放机器学习计划,旨在通过促进伦理机器学习工具和案例,帮助用户发现和参与伦理相关的机器学习工作。该计划包括六个高层次的伦理类别标签,以及一系列保障措施,如标记功能、社区讨论板监控、模型卡片详细记录等,以降低潜在危害。
Intel Xeon Sapphire Rapids CPU 通过 Optimum Intel 和 OpenVINO 工具包,将 Stable Diffusion 模型推理速度提升至 4.7 秒,相比 Ice Lake Xeon 提升近 10 倍。此外,通过 jemalloc 和 libiomp 等系统级优化,进一步提升了内存操作和并行处理效率。
OpenAI 公布 ChatGPT 3月20日宕机事件的调查结果、已采取的行动及 Bug 技术细节。该更新旨在解释故障原因并说明修复措施,未披露具体参数或性能数据。
Hugging Face Hub 现已增强对 Jupyter 笔记本的支持,提供更直观的渲染功能,并支持一键在 Google Colab 中直接打开笔记本,以促进模型和数据的共享与使用。
Witty Works利用Hugging Face的专家加速计划,通过迁移学习预训练的spaCy模型,构建了写作助手,用于检测和过滤潜在偏见词汇。Hugging Face专家建议使用Sentence Transformers架构和SetFit库进行微调,以减少标注数据量并提高效率。最终,Witty Works在Azure上部署了模型,实现了低延迟。
Fetch公司利用Hugging Face和AWS平台,开发了自己的AI工具,用于处理用户上传的收据,实现数据分析和存储。通过这种方式,Fetch将开发时间缩短了30%,并提高了数据处理速度,同时降低了成本。
Hugging Face推出Inference Endpoints服务,旨在简化Transformer模型的部署。该服务支持在AWS、Azure和GCP等云平台上部署模型,并支持多种实例类型,包括GPU。
OpenAI 与微软宣布延长双方合作伙伴关系。
PaddlePaddle,自2016年起由百度开源的深度学习平台,已拥有超过535万开发者和20万家企业用户。PaddlePaddle提供多种开源库,如PaddleOCR、PaddleDetection、PaddleNLP等,并计划逐步将其库与Hugging Face Hub集成,预计将提供全系列预训练模型。
Hugging Face发布2023实习生招聘计划,涵盖开源团队、科学团队及其他职位,旨在推动AI和机器学习领域的发展,并强调多元化和包容性。实习生将参与前沿项目,如加速库集成、文本到语音、具身AI、分布式训练框架等。申请者可通过Hugging Face招聘门户直接申请。
Hugging Face 博客发布机器学习洞察系列第四部分,邀请多位机器学习行业领导者分享他们对机器学习在各行业影响的看法。Javier Mansilla,Shaun Gittens,Samuel Franklin 和 Evan Castle 等人分享了他们在电子商务、工程和金融等领域对机器学习的应用和挑战的看法。
Hugging Face 提供免费推理小部件和 API,支持模型快速测试和部署;Inference Endpoints 可在 AWS 或 Azure 上部署模型,支持自动扩展和多种安全级别;Spaces 可在简单 UI 框架上部署模型,支持硬件升级。
Hugging Face 与 arXiv 合作,将 Hugging Face Spaces 集成到 arXivLabs,通过演示标签提供社区或作者创建的演示链接。自 2021 年 10 月推出以来,Hugging Face Spaces 已被用于构建和分享超过 12,000 个开源机器学习演示。用户现在可以在 arXiv 摘要页面上找到最受欢迎的演示。