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。
Hugging Face
全部主题Hugging Face 开源社区动态：热门模型与数据集、排行榜变化与开源生态的晴雨表。
最新精选
第 341–360 条 · 共 381 条Hugging Face Blog精选AI 评分6060
Hugging Face Blog精选AI 评分6060 Hugging Face 推出低延迟文本生成新方法：辅助生成
Hugging Face 推出辅助生成，一种新的低延迟文本生成方法，通过使用较小的辅助模型来加速文本生成过程，实现高达 10 倍的延迟降低。
推荐理由：原文介绍了低延迟文本生成的新方法，读者可以了解其如何优化现有工作流。
Hugging Face Blog精选AI 评分7070 使用 StarCoder 创建编码助手
BigCode 的 StarCoder 模型发布，一个基于 80 多种编程语言、GitHub 问题和 Jupyter 笔记本训练的 1600 亿参数模型。该模型可用于创建个性化的编码助手，并支持多查询注意力机制和快速的大批量推理。
推荐理由：原文展示了如何将 StarCoder 模型微调为聊天机器人，读者可以了解其如何改变现有工作流。
Hugging Face Blog精选AI 评分6565 文本到视频模型研究进展
本文深入探讨了文本到视频模型的研究进展，包括挑战、方法和最新成果，如Phenaki、Make-A-Video、NUWA、VideoGPT、CogVideo、Video Diffusion Models (VDM)、MagicVideo、Tune-a-Video、Video LDM、Text2Video-Zero、Runway Gen1和Gen2、NUWA-XL等。
推荐理由：本文深入探讨了文本到视频模型的研究进展，包括挑战、方法和最新成果，对了解该领域的发展具有重要意义。
Hugging Face Blog精选AI 评分8585 StarCoder：一款领先的代码大语言模型发布
StarCoder 是一款基于 GitHub 数据训练的代码大语言模型，具有超过 15B 参数和 1 万亿个 token 的上下文长度。它在多个编程基准测试中优于现有的开源代码 LLM，并与 OpenAI 的 Codex 模型相媲美。StarCoder 可以用于自动完成代码、根据指令修改代码以及用自然语言解释代码片段。
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6060 在免费 Google Colab 上运行 IF 模型：开源图像生成工具教程
Hugging Face 博客介绍了如何使用开源模型 IF 在免费 Google Colab 上运行，并展示了其在图像生成方面的能力，包括图像变体和图像修复。
推荐理由：介绍了如何使用开源模型 IF 在免费 Google Colab 上运行，并展示了其在图像生成方面的能力。
Hugging Face Blog精选AI 评分7070 Hugging Face 与 AWS 合作优化 Transformers，推出 AWS Inferentia2 加速器
Hugging Face 与 AWS 合作，推出 AWS Inferentia2 加速器，用于优化 Hugging Face Transformers 的性能。该加速器提供了前所未有的吞吐量、延迟、性能功耗比和可扩展性。通过 AWS Neuron SDK 的原生集成，开发者只需一行代码即可将模型编译为 Inferentia2。
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 发布 Habana Gaudi2 加速器上的 BLOOMZ 大语言模型快速推理功能
Hugging Face 发布了 Habana Gaudi2 加速器上的 BLOOMZ 大语言模型快速推理功能，使用 🤗 Optimum Habana 库可以轻松部署百亿参数的大型语言模型，如 BLOOM，并实现比市场上任何 GPU 更快的推理速度。
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7777 Hugging Face发布TRL和PEFT集成，实现大规模语言模型微调
Hugging Face发布TRL和PEFT集成，允许用户在24GB消费级GPU上微调20B参数的大型语言模型，提高了RLHF微调的易用性。
推荐理由：原文介绍了如何使用TRL和PEFT库在24GB消费级GPU上微调20B参数的大型语言模型，读者可以了解如何利用这些工具进行大规模语言模型的微调。
Hugging Face Blog精选AI 评分8585 Kakao Brain 发布 ViT 和 ALIGN 模型
Kakao Brain 和 Hugging Face 发布了新的开源图像-文本数据集 COYO 和基于该数据集训练的两个视觉语言模型 ViT 和 ALIGN。这是首个公开的免费和开源的 ALIGN 模型，也是首个与训练数据集一起发布的 ViT 和 ALIGN 模型。Kakao Brain 的 ViT 和 ALIGN 模型在性能上与 Google 的版本相当，并且演示了如何使用这些模型。
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 ControlNet 在 Diffusers 中的应用
ControlNet 是一种框架，允许用户通过不同的空间上下文（如深度图、分割图、涂鸦、关键点等）来定制生成过程。该框架支持多种条件模型，并已集成到 Diffusers 中，允许用户通过控制网络来控制图像生成过程。
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6565 Hugging Face 发布 Swift Diffusers - 快速稳定的 Mac 版本
Hugging Face 发布了 Swift Diffusers，一个基于最先进的扩散模型的 Mac 本地应用程序。它利用了社区贡献给 Hugging Face Hub 的 SoTA 文本到图像模型，并转换为 Core ML 以实现闪电般的性能。
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 Blog精选AI 评分6565 大型语言模型红队测试：评估安全性和潜在风险
本文探讨了大型语言模型（LLM）的安全性和潜在风险，提出了红队测试作为评估模型安全性的方法，并讨论了相关的研究和开源数据集。
推荐理由：文章探讨了大型语言模型的安全性和潜在风险，并提出了红队测试作为评估模型安全性的方法。
Hugging Face Blog精选AI 评分7070 Hugging Face 与 AWS 合作使 AI 更易于访问
Hugging Face 与 Amazon Web Services (AWS) 合作，旨在通过使下一代机器学习模型更易于访问，以加速其可用性，并帮助开发者以最低的成本实现最高性能。Hugging Face 将利用 AWS 作为首选云服务提供商，使开发者能够访问 AWS 的先进工具，以训练、微调和部署模型。
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6767 BLIP-2：零样本图像到文本生成
Salesforce 研究推出的 BLIP-2 可用于图像字幕、提示图像字幕、视觉问答和基于聊天的提示，它是一种零样本视觉语言模型，可用于多种图像到文本任务，具有高效和有效的方法，适用于多种图像理解场景，特别是示例稀缺的情况下。
推荐理由：BLIP-2 是一种零样本视觉语言模型，可用于多种图像到文本任务，具有高效和有效的方法，适用于多种图像理解场景，特别是示例稀缺的情况下。该模型通过在预训练模型之间添加一个 Transformer 来弥合视觉和自然语言模态之间的差距。新的预训练范式使该模型能够跟上各个模态的进步。
Hugging Face Blog精选AI 评分7070 Hugging Face发布PEFT库，实现高效参数微调
Hugging Face发布了PEFT库，提供参数高效的微调技术，用于在下游任务和数据集上微调大型语言模型，同时节省计算和存储资源。
推荐理由：原文介绍了PEFT方法在微调大型语言模型时的效率和效果，读者可以了解其如何应用于不同任务和数据集，以及如何使用PEFT库进行模型微调。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 SpeechT5 模型，支持语音合成、识别等多种功能
Hugging Face 发布了 SpeechT5 模型，这是一个支持语音合成、识别等多种功能的模型，它基于 🤗 Transformers 开源库，并提供了多种预训练模型和演示。
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 发布计算机视觉功能更新
Hugging Face 发布了计算机视觉功能更新，包括支持 8 个核心视觉任务、3000 多个模型和 100 多个数据集，以及与其他第三方库的集成。
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推出LoRA技术，用于高效Stable Diffusion模型微调
Hugging Face推出LoRA技术，用于高效Stable Diffusion模型微调。LoRA技术通过冻结预训练模型权重并注入可训练层，大大减少了可训练参数数量和GPU内存需求，从而提高了模型微调的效率和效果。
推荐理由：原文介绍了LoRA技术及其在Stable Diffusion模型微调中的应用，读者可以了解如何利用LoRA提高模型微调的效率和效果。
Hugging Face Blog精选AI 评分7070 Hugging Face Optimum+ONNX Runtime - 更简单、更快的 Hugging Face 模型训练
Hugging Face 的 Optimum 库通过集成 ONNX Runtime 进行训练，为许多流行的 Hugging Face 模型提供了开源解决方案，以提高训练时间 35% 或更多。Optimum 集成了机器学习加速器如 ONNX Runtime 和专用硬件，如 Intel 的 Habana Gaudi，以在训练和推理中实现显著加速。
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。