Solving math word problems
OpenAI a entraîné un système résolvant les problèmes mathématiques de primaire avec une précision quasi double de GPT-3 fine-tuné. Le système atteint 55% de réussite sur des tests où des enfants de 9-12 ans obtiennent 60%.
7 articles
OpenAI a entraîné un système résolvant les problèmes mathématiques de primaire avec une précision quasi double de GPT-3 fine-tuné. Le système atteint 55% de réussite sur des tests où des enfants de 9-12 ans obtiennent 60%.
Hugging Face analyse si les LLM suivent une loi de Moore : doublement des capacités tous les 18-24 mois. L'article examine les courbes de scaling, les coûts d'entraînement et la trajectoire des modèles récents pour évaluer cette hypothèse.
Hugging Face publie un guide pour entraîner des modèles d'embeddings de phrases avec 1 milliard de paires d'entraînement. La méthode utilise des techniques de contrastive learning et des datasets massifs pour améliorer la qualité des représentations vectorielles.
Hugging Face annonce l'arrivée du machine learning en tant que code. La plateforme met l'accent sur l'intégration du ML dans les workflows de développement standard, avec des outils et frameworks permettant de traiter le ML comme du code logiciel classique.
Hugging Face publie un guide de fine-tuning de CLIP sur des images satellites et leurs descriptions textuelles. La méthode permet d'adapter le modèle de vision-langage à la télédétection, améliorant la reconnaissance d'objets et scènes géographiques spécifiques.
Hugging Face encourage les développeurs à présenter leurs projets IA via Spaces avec Gradio. La plateforme facilite le déploiement d'interfaces interactives sans infrastructure complexe.
Hugging Face propose un guide pour héberger modèles et datasets sur Spaces via Streamlit. La plateforme facilite le déploiement d'applications IA sans infrastructure complexe.