Hugging Face Daily Papers 页面功能探索
Hugging Face Daily Papers 页面自推出以来,已收录超过 3,700 篇论文,拥有超过 12k 订阅者。该页面提供作者论文认领、论文提交、与作者互动、相关资源链接、点赞推荐、相似论文推荐、多语言评论和翻译、订阅等功能,旨在帮助开发者、研究人员及时了解 AI 领域最新研究进展。
Hugging Face Daily Papers 页面自推出以来,已收录超过 3,700 篇论文,拥有超过 12k 订阅者。该页面提供作者论文认领、论文提交、与作者互动、相关资源链接、点赞推荐、相似论文推荐、多语言评论和翻译、订阅等功能,旨在帮助开发者、研究人员及时了解 AI 领域最新研究进展。
Hugging Face 与 TruffleHog 合作,将 TruffleHog 的秘密扫描功能集成到平台中,以增强安全性。TruffleHog 是一款开源工具,可检测和验证代码中的秘密泄露。Hugging Face 已将 TruffleHog 集成到其自动扫描流程中,并创建了一个原生 Hugging Face 扫描器,以帮助用户主动扫描账户数据中的泄露秘密。
OpenAI 测试了 SearchGPT,这是一个新搜索功能原型,提供快速、及时且来源清晰的答案。
Hugging Face 与 Polyconseil 合作,利用 RAG 解决方案优化法国环境项目 EduRénov,旨在通过数据主权和性能保障,简化、支持并资助公共学校建筑的能源改造。该方案旨在提高 Banque des Territoires 对社区的支持响应速度,并确保计算服务和模型使用的自主权。
Hugging Face 推出通过 AWS 账户升级 Enterprise Hub 的服务,为企业提供高级安全功能、访问控制、协作工具和计算选项,支持在符合 GDPR 和 SOC2 Type 2 认证的平台内安全构建 AI。升级后,企业可享受单点登录、资源组管理、存储区域选择、审计日志、高级计算选项、私有数据集查看器、在 DGX Cloud 上训练 LLM 等功能。
Zama 公司的隐私保护机器学习框架 Concrete ML 现已支持在 Hugging Face Endpoints 上部署,使用全同态加密 (FHE) 技术保护用户数据隐私,预编译模型可直接部署,支持 scikit-learn、ONNX、PyTorch 和 TensorFlow 等传统机器学习框架。
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 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 推出基于 Hugging Face Leaderboard 模板的 HHEM 欺幻觉榜,用于评估大型语言模型(LLM)生成文本的幻觉程度。该榜支持开源和商业模型,如 Llama 2、GPT-4 和 Claude,旨在推动 LLM 幻觉评估的民主化。HHEM 使用 Hugging Face Leaderboard 模板,支持动态更新,并鼓励社区提交新模型进行评估。
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。
Gradio-Lite是一个JavaScript库,允许用户在浏览器中直接运行Gradio应用程序,无需服务器端基础设施。它利用Pyodide在浏览器环境中执行Python代码。Gradio-Lite的主要优势包括无服务器部署、低延迟交互和增强的隐私与安全性。然而,目前其最大的局限性是应用程序在浏览器中的初始加载时间较长(通常为5-15秒)。
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。
Hugging Face Hub 现已登陆 AWS Marketplace,用户可通过 AWS Marketplace 订阅 Hugging Face Hub,并使用 AWS 账户直接支付 Hugging Face 使用费用。
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。
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。
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 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。
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。
Stripe 引入 GPT-4 模型,提升用户体验并加强欺诈防御能力。
Hugging Face 发布了 Diffusers 库的伦理框架,旨在指导维护者关于社区贡献的技术决策,强调透明度、一致性、简洁性和可访问性,并提供一系列安全特性和机制,如社区标签、偏见探索和评估、安全 Stable Diffusion 等。
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 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 发布了首期 Ethics and Society Newsletter,强调公司对协作、责任和透明度的重视,并探讨了AI伦理与透明度的重要性。该刊由公司内部一群关注AI社会影响和Hugging Face角色的平等成员共同编写,旨在通过社区讨论、工具开发等方式,推动AI伦理的实践和价值观的体现。
Geth v1.9.0 发布,包含数据库架构变更、性能优化、新的同步模式、硬件钱包支持等新功能。
推荐理由:原文详细介绍了 Geth v1.9.0 的多项新功能和改进,包括性能优化、数据库架构变更、新的同步模式、硬件钱包支持等,读者可以据此了解该版本对 Ethereum 网络的影响。
Solidity 0.4.25 版本修复了两个重要漏洞,包括指数运算中短类型导致的无效结果和多维数组解码中的内存损坏问题。此外,还解决了事件中结构体编码无效的问题。
zkSNARKs 通过将程序编译为多项式方程、随机采样、同态加密和零知识证明等四种技术,实现了无需执行计算即可验证其正确性,同时保护计算过程不被泄露。这种技术对于区块链和加密领域具有重要意义。