AI 产品与应用的功能上新、改版与商业化动态——谁家的产品变强了、变贵了、能用了。
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。
Habana Gaudi®2 发布，性能比第一代 Gaudi 和 Nvidia A100 80GB 提升约两倍，支持更大模型训练和推理。
推荐理由：原文给出了 Habana Gaudi®2 的性能提升和可用性信息，读者可以据此评估其对现有工作流的影响。
Hugging Face Blog 发布了 Stable Diffusion Core ML 版本，兼容 Apple Silicon，提供了转换脚本和推理代码，并支持 CPU、GPU 和 Apple 的 Neural Engine。
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 博客介绍了文档 AI 的多种用例和开源模型，包括 OCR、文档图像分类、文档布局分析、文档解析、表格检测和文档问答等，并提供了构建自定义解决方案的指导。
推荐理由：原文详细介绍了文档 AI 的多种用例和开源模型，读者可以了解如何构建自定义解决方案，并评估其对现有工作流的影响。
Hugging Face发布了Contrastive Search文本生成工具，该工具基于Transformer架构，旨在提高文本生成的质量和连贯性。
推荐理由：原文介绍了Contrastive Search在文本生成中的优势，读者可以了解其如何改进现有工作流。
Hugging Face 优化了 BLOOM 模型的推理服务器，实现了 5 倍的延迟降低和 50 倍的吞吐量提升，并分享了优化过程中的挑战和经验。
推荐理由：本文详细介绍了如何优化 BLOOM 模型的推理服务器，包括多种优化策略和技术，读者可以从中学习到模型优化的方法和经验。
OpenAI 宣布 DALL·E 现已取消等待名单，新用户可直接开始创建图像。官方指出，部署过程中积累的经验以及安全系统的改进使得更广泛的可用性成为可能。
推荐理由：官方宣布取消排队机制并开放新用户直接使用，结合安全系统改进说明了扩大可用性的背景。
Hugging Face 开发了工具，利用 PyTorch 特性加载和运行大型模型，即使它们不适合大多数消费级硬件的内存。
推荐理由：原文介绍了如何使用 PyTorch 加速运行大型模型，读者可以了解如何利用这些工具优化模型运行效率。
Hugging Face 推出 SetFit，一种高效的少样本学习框架，无需提示即可在少量标记数据下实现高精度，支持多语言，并提供简单易用的训练方法。
推荐理由：SetFit 是一种高效的少样本学习框架，可以在少量标记数据的情况下实现高精度，读者可以了解其工作原理和应用方法。
Hugging Face 博客介绍了如何使用 DeepSpeed 和 Accelerate 极速推理 BLOOM 模型，包括不同 GPU 配置、量化方案和优化方法。
推荐理由：原文提供了多种加速 BLOOM 模型推理的方法，读者可以了解不同方案的优缺点，选择适合自己需求的方案。
Hugging Face 发布 Diffusers 2.0，新增图像到图像生成、文本逆转换、修复、Mac OS 支持、ONNX 导出器、新文档和社区功能，包括视频生成、模型可解释性、日语 Stable Diffusion、交叉注意力控制、可重用种子等。
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。
Stable Diffusion 是一个文本到图像的潜在扩散模型，由 CompVis、Stability AI 和 LAION 的研究人员和工程师创建。本文介绍了如何使用 🧨 Diffusers 库来使用 Stable Diffusion，解释了模型的工作原理，并深入探讨了如何使用 diffusers 定制图像生成流程。
推荐理由：原文详细介绍了如何使用 Stable Diffusion 模型，并解释了其工作原理，读者可以了解如何将其集成到自己的项目中。
Hugging Face 推出 LLM.int8() 技术，通过 8 位矩阵乘法降低大型语言模型对 GPU 的需求，提高模型的可访问性，对需要使用大型模型但资源有限的用户具有潜在价值。
推荐理由：Hugging Face 推出 LLM.int8() 技术，通过 8 位矩阵乘法降低大型语言模型对 GPU 的需求，提高模型的可访问性，对需要使用大型模型但资源有限的用户具有潜在价值。
OpenAI 宣布将 DALL·E 2 的访问权限扩展至一百万人，并计划在未来几周内逐步增加名额。新加入的用户每月可获得 100 个免费积分用于生成图像，超出部分需付费购买额外积分。由于需求巨大，目前仍有数百万人在等待列表中，系统将根据申请顺序陆续发放邀请。
推荐理由：官方宣布 DALL·E 2 向百万用户开放，提供了具体的使用额度与等待队列机制，有助于了解早期商业化落地细节。
OpenAI 宣布其 API 现已无需等待名单即可直接使用。官方称这一更广泛的可用性得益于安全方面的进展。
GPT-3 通过 API 为超过 300 个应用提供搜索、对话、文本补全和其他高级 AI 功能。
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。
Geth v1.10.0 发布，引入了柏林分叉、快照、同步算法改进、离线修剪、交易去索引、预图像丢弃、ETH/66 协议、ChainID 强制执行、数据库检查、标志弃用和未清洁关闭跟踪等新功能，旨在提高以太坊网络的性能和安全性。
推荐理由：原文详细介绍了 Geth v1.10.0 的主要更新，包括柏林分叉、快照、同步算法改进、离线修剪、交易去索引、预图像丢弃、ETH/66 协议、ChainID 强制执行、数据库检查、标志弃用和未清洁关闭跟踪等，读者可以了解这些更新对以太坊网络的影响。
OpenAI 发布了名为 DALL·E 的神经网络产品，该产品可以从文本描述中创建图像。
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。
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。
OpenAI 宣布其开发的 Dota 2 AI 系统在公开比赛中击败了顶级职业选手团队。这一成就标志着人工智能在需要长期规划和团队协作的复杂游戏环境中取得了重大进展。
推荐理由：作为 OpenAI 早期在强化学习领域的标志性成果，该发布展示了 AI 在复杂实时策略游戏中的突破能力。
