Hugging Face 发布 Falcon 180B 开源语言模型
Hugging Face 发布了 Falcon 180B 开源语言模型，具有1800亿参数，在多个自然语言任务上取得了最先进的成果，并提供了使用指南。
推荐理由：Falcon 180B 是目前最大的开源语言模型，具有1800亿参数，在多个自然语言任务上取得了最先进的成果，读者可以了解其性能和如何使用。
#Hugging Face
#Hugging Face
今日 0 条Hugging Face Blog精选AI 评分8585
Hugging Face BlogAI 评分5252 Fetch 使用 Amazon SageMaker 和 Hugging Face 降低机器学习处理延迟 50%
Fetch 公司使用 Amazon SageMaker 和 Hugging Face 优化了其机器学习流程，使扫描处理速度更快，准确性更高，并将延迟降低了 50%。
Hugging Face BlogAI 评分5252 AudioLDM 2 优化：更快地生成音频
Hugging Face 博客介绍了 AudioLDM 2 的优化方法，包括代码优化和模型优化，将音频生成时间从 14 秒缩短到不到 1 秒。
Hugging Face Blog精选AI 评分8585 Code Llama：Llama 2 学习编码
Code Llama 是一系列针对代码任务的 Llama 2 开放访问版本，它被集成到 Hugging Face 生态系统中。Code Llama 可以通过在 IDE 中提供代码补全来提高软件工程师的生产力，处理编写文档字符串或创建单元测试等重复或令人烦恼的任务。
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 Blog精选AI 评分7272 Hugging Face集成AutoGPTQ库，使LLM量化更便捷
Hugging Face在Transformers中集成了AutoGPTQ库，使用户能够以8、4、3或2位精度量化模型，同时保持推理速度与fp16基准相当。
推荐理由：原文介绍了AutoGPTQ库的集成，使LLM量化更加便捷，读者可以了解其如何改变现有工作流。
Hugging Face Blog精选AI 评分6767 Hugging Face 发布 SafeCoder 代码助手解决方案
Hugging Face 发布了 SafeCoder，一款面向企业的代码助手解决方案，旨在提高软件开发效率。SafeCoder 以安全和隐私为核心原则，允许企业自行托管和训练自己的代码大型语言模型，无需将代码分享给第三方。
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 Blog精选AI 评分7272 Hugging Face 发布开源多模态视觉语言模型 IDEFICS
Hugging Face 发布了开源多模态视觉语言模型 IDEFICS，该模型基于 Flamingo，能够接受图像和文本输入并生成文本输出，性能与闭源模型相当，并提供了开源的数据集和模型。
推荐理由：IDEFICS 是一个开源的多模态视觉语言模型，其性能与闭源模型相当，为多模态 AI 系统的研究提供了新的可能性。
Hugging Face BlogAI 评分4545 Hugging Face Hub 登陆 AWS Marketplace：使用 AWS 账户支付
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 BlogAI 评分4040 Hugging Face Transformers 优化 BARK 语音合成模型
Hugging Face 的 🤗 Transformers 提供了优化 BARK 语音合成模型的工具，通过三种优化技术，显著提升推理速度和内存使用效率。BARK 模型自 v4.31.0 版本起加入 🤗 Transformers 库，支持生成多种音频输出，包括语音、音乐、背景噪音和简单音效。优化过程依赖于 🤗 Transformers、Optimum 和 Accelerate 库。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 Swift Transformers：在 Apple 设备上运行设备端 LLM
Hugging Face 发布了 Swift Transformers，这是一个用于在 Apple 设备上运行设备端 LLM 的工具。它包括 alpha 库和工具，旨在帮助开发者构建更快的应用程序，并支持多种模型和转换工具。
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 BlogAI 评分5252 Hugging Face 推出 DPO 方法用于微调 Llama 2 模型
Hugging Face 推出 DPO 方法，用于微调 Llama 2 模型，并介绍了在 TRL 库中如何使用该方法。
Hugging Face BlogAI 评分4545 Hugging Face Hub 利用机器学习改进语言元数据
Hugging Face Hub 上有约 50K 个公共数据集，其中约 87% 未指定语言信息。Hugging Face 使用机器学习模型检测未标记语言的数据集，并通过 librarian-bots 添加元数据，以提高数据集的可搜索性。该模型使用 Meta 的 fastText 模型进行语言识别，可检测 217 种语言。
Hugging Face BlogAI 评分4545 Hugging Face开源SD-Small和SD-Tiny压缩模型知识蒸馏代码和权重
Segmind开源了其压缩模型SD-Small和SD-Tiny的知识蒸馏代码和权重，这些模型在知识蒸馏技术训练下，参数量分别比基础模型减少了35%和55%，同时保持了与基础模型相当的图像保真度。开源代码和预训练检查点可在Hugging Face上获取，蒸馏模型在推理速度上比原始模型快100%。
Hugging Face Blog精选AI 评分6767 Hugging Face 发布 Stable Diffusion XL 并提供 Core ML 支持
Hugging Face 发布了新的 Stable Diffusion XL 模型，并提供了 Core ML 支持，使得模型可以在 macOS 上运行。同时，还介绍了混合位调色板化技术，以减小模型大小并提高性能。
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 BlogAI 评分4242 Hugging Face 推出 Agents.js：使用 JavaScript 为 LLMs 提供工具访问权限
Hugging Face 推出 Agents.js，这是一个新的 JavaScript 库，允许在浏览器或服务器中使用 JavaScript 为 LLMs 提供工具访问权限。
Hugging Face Blog精选AI 评分7272 Hugging Face Diffusers 庆祝一周年发布多项新功能
Hugging Face 的 Diffusers 库庆祝一周年，发布了多项新功能，包括支持更逼真的图像生成、视频生成、3D 模型生成、图像编辑、更快的扩散模型、伦理和安全功能、LoRA 支持和 PyTorch 2.0 优化。
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 Blog精选AI 评分8585 Meta 发布 Llama 2 模型，支持 Hugging Face 集成
Meta 发布了 Llama 2 模型，这是一个从 7B 到 70B 参数的开源大型语言模型家族，支持 Hugging Face 集成，包括预训练模型和微调模型。
推荐理由：原文介绍了 Llama 2 模型的特点和功能，读者可以了解其性能和适用场景。
Hugging Face Blog精选AI 评分7777 Hugging Face 发布开源文本生成和大型语言模型生态系统
Hugging Face 发布了新的开源文本生成和大型语言模型生态系统，包括 Llama 2 模型和其他开源模型，以及用于模型部署和微调的工具。
推荐理由：原文介绍了 Hugging Face 平台上开源文本生成和大型语言模型生态系统的最新发展，读者可以了解最新的模型和工具，以及它们如何改变现有工作流。
Hugging Face BlogAI 评分3535 Transformers.js 打造实时机器学习网页游戏：Doodle Dash 案例分析
Hugging Face 博客介绍了如何使用 Transformers.js 库创建实时机器学习网页游戏 Doodle Dash。该游戏基于 Google 的 Quick, Draw!
Hugging Face BlogAI 评分3535 Hugging Face Expert Acceleration Program助力Writer开源模型贡献
Writer创始人Waseem Alshikh分享了公司从Hugging Face用户到贡献开源模型的历程，强调了Hugging Face Expert Acceleration Program对Writer的价值，并探讨了在CPU和GPU上大规模部署LLM的效率问题。
Hugging Face Blog精选AI 评分6565 Open LLM 领导板上的情况如何？
Hugging Face 博客文章探讨了 Open LLM 领导板上的 MMLU 评估结果差异，分析了不同评估方法对模型性能的影响。
推荐理由：原文探讨了不同评估方法对模型性能的影响，读者可以了解如何选择合适的评估方式。
Hugging Face BlogAI 评分4545 MMS Adapter 模型微调助力低资源语言语音识别
Hugging Face 博客介绍了如何使用 MMS Adapter 模型进行低资源语言语音识别的微调，该模型在 10-20 分钟的微调后实现了惊人的低词错误率。MMS 模型能够识别和转录 1100 多种语言，包括濒危语言，有助于保护语言多样性。
Hugging Face BlogAI 评分3232 Livebook笔记本在Hugging Face Spaces中的应用部署
Hugging Face推出Livebook笔记本在Hugging Face Spaces中的应用部署，用户可通过Livebook构建基于Whisper模型的聊天应用，并自动将音频消息转换为文本。该应用展示了Livebook和Elixir机器学习生态系统的集成，包括与Hugging Face模型的集成、多玩家机器学习应用和并发机器学习模型服务等功能。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 Core ML 优化版 Stable Diffusion，支持 6 位调色板量化
Hugging Face 发布了优化后的 Stable Diffusion 模型，支持 6 位调色板量化，可在 iPhone、iPad 和 Mac 上运行，提高了模型速度并减少了内存使用。
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 Blog精选AI 评分7070 Hugging Face 与 AMD 合作加速 CPU 和 GPU 平台上的最先进模型
Hugging Face 与 AMD 合作，旨在为 CPU 和 GPU 平台提供最先进的 transformer 模型性能。该合作将支持多种模型架构和框架，包括自然语言处理、计算机视觉和语音模型，并预计将提高成本效益。
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 BlogAI 评分4040 Hugging Face Hub for Galleries, Libraries, Archives and Museums
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 BlogAI 评分4545 Hugging Face Hub 携手 Meta AI 推出 fastText 库
Hugging Face Hub 现已提供 fastText 库的官方镜像，包括 157 种语言的词向量以及语言识别模型，方便用户下载和使用。fastText 库支持文本分类和特征提取小部件，并可通过 Hugging Face API 进行调用。
Hugging Face Blog精选AI 评分8585 Falcon 模型发布：Hugging Face 生态系统中新的大型语言模型
Falcon 模型由阿布扎比的科技创新研究所创建，是 Hugging Face 生态系统中的新大型语言模型。Falcon-40B 是第一个具有与许多当前闭源模型相媲美能力的“真正开放”模型。
推荐理由：原文介绍了 Falcon 模型的特点和功能，以及如何在 Hugging Face 生态系统中使用它们，读者可以了解 Falcon 模型的最新进展和应用潜力。
Hugging Face BlogAI 评分3030 Hugging Face Hub 集成 BERTopic
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。
Hugging Face BlogAI 评分3737 Hugging Face LLM Inference Container for Amazon SageMaker 推出
Hugging Face 推出专为 Amazon SageMaker 定制的 LLM 推理容器，支持部署开源 LLM 如 BLOOM，并优化了 Pythia Open Assistant Model 的部署，提供高性能文本生成和推理功能。
Hugging Face BlogAI 评分5252 使用 NNCF 和 🤗 Optimum 优化 Stable Diffusion 以适应 Intel CPU
Hugging Face 博客介绍了如何使用 NNCF 和 🤗 Optimum 优化 Stable Diffusion 模型，以提升其在 Intel CPU 上的性能，包括 5.1 倍的推理加速和 4 倍的模型尺寸缩减。
Hugging Face Blog精选AI 评分7070 Hugging Face 与微软合作推出 Azure 上的 Hugging Face 模型目录
Hugging Face 与微软合作，将 Hugging Face Hub 上的开源模型引入 Azure Machine Learning，简化了大型语言模型在 Azure 上的部署过程，并提供了安全可扩展的环境进行实时推理。
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 Blog精选AI 评分8585 Hugging Face 发布 bitsandbytes 库，实现 4 位量化并推出 QLoRA 技术
Hugging Face 发布了 bitsandbytes 库，支持 4 位量化，并推出了 QLoRA 技术，用于在 4 位量化模型上进行微调。这项技术使得在单个 48GB GPU 上微调 65B 参数模型成为可能，同时保持了 16 位微调任务的全性能。
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 BlogAI 评分4242 InstructPix2Pix：通过指令微调 Stable Diffusion 进行图像处理
Hugging Face 探索了使用 InstructPix2Pix 指令微调 Stable Diffusion，使其能够根据用户指令对输入图像进行编辑。通过创建指令提示数据集，研究人员成功地将 FLAN V2 的指令微调理念应用于图像翻译和图像处理任务，如卡通化、去雨和去噪。实验结果表明，这种方法能够有效地提高模型对特定图像编辑指令的执行能力。
Hugging Face Blog精选AI 评分7070 Hugging Face 安全审计确认 Safetensors 库安全，将成为默认格式
Hugging Face 与 EleutherAI 和 Stability AI 合作，对 Safetensors 库进行了安全审计，确认其安全性，并计划将其作为默认格式。Safetensors 是一个用于保存和加载张量的库，具有安全、懒加载和快速加载等特性。
推荐理由：Hugging Face 对 safetensors 库进行了安全审计，确认其安全性，并计划将其作为默认格式。读者可以了解其安全特性和应用场景。
Hugging Face Blog精选AI 评分6565 Hugging Face 与 IBM 合作推出 watsonx.ai，下一代企业 AI 工作室
Hugging Face 与 IBM 合作推出 watsonx.ai，下一代企业 AI 工作室，旨在帮助 AI 构建者训练、验证、调整和部署传统机器学习和新的生成式 AI 能力。该平台基于 RedHat OpenShift，支持云和本地部署，并集成了 Hugging Face 的开源库。
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 BlogAI 评分4545 Q8-Chat：基于Xeon的高效生成式AI体验
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。
Hugging Face BlogAI 评分4545 BigCode 大规模文档级近似去重技术揭秘
Hugging Face 博客介绍了 BigCode 的大规模文档级近似去重技术，旨在解决数据重复问题，提高模型训练效率和数据质量。该技术通过 MinHash LSH 等方法，在 OpenWebText2、Pile-CC 等大型数据集上实现了显著的去重效果，同时验证了其在代码模型上的有效性。
Hugging Face BlogAI 评分4545 Vicuna 13B 模型在单张 AMD GPU 上运行指南
Vicuna 13B，一款由UC Berkeley等机构开发的13亿参数开源聊天机器人，在GPT-4的参考下达到90%以上质量。本文介绍了如何在单张AMD GPU上使用ROCm运行Vicuna 13B模型，包括系统要求、ROCm安装、Docker容器设置、模型量化和推理等步骤。
Hugging Face Blog精选AI 评分6060 Hugging Face 推出 RWKV 模型：结合 RNN 和 Transformer 优势的新架构
Hugging Face 推出 RWKV 模型，结合了 RNN 和 Transformer 的优势，具有长上下文处理能力和高效的训练速度。该模型已集成到 Hugging Face transformers 库中，并支持多种应用场景。
推荐理由：原文介绍了 RWKV 模型的特点和优势，读者可以了解其在自然语言处理领域的应用潜力。