AI 最新资讯
汇集 OpenAI、Google DeepMind、Hugging Face、NVIDIA 等官方博客与 TechCrunch、The Verge、MIT Technology Review、量子位等媒体的 AI 新闻,AI 自动整理成中文标题与摘要,每 2 小时更新。点击标题跳转原文。
- Hugging Face·研究进展
为什么微调任务比 FLOPs 估算更耗时
Hugging Face 发布文章,分析微调任务实际耗时为何常超出按 FLOPs 估算的结果。
阅读原文 → - Hugging Face·研究进展应用案例
Hugging Face 谈时间序列模型新方向
Hugging Face 发文介绍时间序列模型这一新兴方向,并讨论其典型应用场景,为关注时序预测与相关落地的开发者提供参考。
阅读原文 → - Hugging Face·开源研究进展
Transformers 实现 180B MoE 模型 32GB 内存推理
Hugging Face 发布技术内容,展示如何借助 Transformers 在 32GB 内存条件下完成 180B 参数 MoE 模型的推理。这意味着内存有限的开发者也有机会尝试运行超大规模 MoE 模型。
阅读原文 → - Hugging Face·研究进展
用 SimReady 资产搭建机器人抓放仿真
Hugging Face 发布教程,介绍如何用 SimReady 资产搭建机器人抓取与放置(pick-and-place)的仿真环境,方便开发者测试机器人操作策略。
阅读原文 → - Hugging Face·研究进展
XYBench:关注问题背后的问题
Hugging Face 上线 XYBench 基准,定位为帮助解决「问题背后的问题」,即关注提问本身隐含的偏差与需求。目前公开信息有限,具体评测方法与适用场景尚未在标题外说明。
阅读原文 → - Hugging Face·研究进展
Hugging Face 发布 3D 生成模型微调指南
Hugging Face 发布面向 3D 生成模型的微调指南,面向希望基于现有模型做定制训练的开发者,梳理相关流程与要点。
阅读原文 → - Hugging Face·研究进展开源
BotPsy:亚十亿参数端侧智能助手模型
Hugging Face 上出现名为 BotPsy 的项目,基于亚十亿参数的智能体语言模型打造端侧个人助理,主打在本地设备上完成助手任务。
阅读原文 → - Hugging Face·研究进展
多向量嵌入模型的 Token Pooling 训练
Hugging Face 收录一项关于多向量嵌入模型的研究,主题为 Token Pooling 感知训练方法。
阅读原文 → - Hugging Face·研究进展
Hugging Face 探讨专家模型的协同保持
Hugging Face 发布题为《Your Experts Have Partners. There's HOPE for Keeping Them Together》的内容,关注专家模型与其搭档之间的协同与保持问题。
阅读原文 → - Hugging Face·研究进展开源
ToyBlocks:面向机器人学习与评估的受控世界
研究团队(Hugging Face 上发布)推出 ToyBlocks,一个用于机器人学习与评估的受控环境,旨在为机器人训练和性能对比提供统一、可复现的测试场景。
阅读原文 → - Hugging Face·研究进展开源
Open ASR 排行榜新增埃及与尼日利亚英语
Hugging Face 的 Open ASR Leaderboard 新增埃及英语与尼日利亚英语两个评测类别,使语音识别模型的评估覆盖更多地区口音。这将帮助开发者更准确地比较模型在多样化英语场景下的表现。
阅读原文 → - Hugging Face·研究进展
StateBench:测试模型长文档状态追踪
StateBench 是一个面向语言模型的评测基准,用于检验模型在长文档中跟踪状态变化的能力,具体评测方法与结果尚未在公布内容中说明。
阅读原文 → - Hugging Face·研究进展
同一模型不同框架:CUGA、Hermes 与 Deep Agents 对比
Hugging Face 发布文章,比较 CUGA、Hermes 与 Deep Agents 三种智能体框架在相同模型下的表现差异,并讨论在什么场景下应优先选择 CUGA。
阅读原文 → - Hugging Face·开源研究进展
CWE-bench v2 发布,覆盖与透明度提升
Hugging Face 上发布了 CWE-bench v2,官方称新版本在覆盖范围、数据质量和透明度方面均有改进。该基准用于评估相关模型能力,更新后有助于开发者更可靠地比较不同方案。
阅读原文 → - Hugging Face·研究进展
Project ProtoStar 公布:让公共科研数据适配 AI
Project ProtoStar 项目正式公布,目标是让公共资助的科研成果变得“AI 就绪”,更方便地用于模型训练与相关研究。
阅读原文 → - Hugging Face·研究进展
LLM能否可靠评判研究想法的新颖性
研究者探讨大语言模型在判断科研想法是否具有新颖性方面是否值得信赖,这一问题关系到 AI 能否用于科研评审环节。
阅读原文 → - Hugging Face·研究进展
LitPivot:在文献全景中动态情境化研究想法
Hugging Face收录论文LitPivot,该方法通过在文献全景中进行动态情境化,帮助研究者生成并完善研究想法。
阅读原文 → - Hugging Face·研究进展
ThinkingBox:将数据库评分转为 RL 奖励
Hugging Face 发布内容介绍 ThinkingBox,提出把数据库评分转化为强化学习奖励,并用于智能体的后训练。
阅读原文 → - Hugging Face·研究进展模型发布
IBM Granite 时序模型用于集成预测
IBM 发布内容,介绍如何借助 IBM Granite 时序模型进行集成预测(ensemble forecasting),即组合多个模型的预测结果来完成预测任务。
阅读原文 → - Hugging Face·研究进展
NVIDIA Kumo Relational 无需训练处理关系数据
NVIDIA 发布 Kumo Relational,针对关系型数据,无需额外训练即可使用。据其介绍,该方法在关系数据上的表现优于有监督机器学习。
阅读原文 →