12 articles
Hugging Face introduit les Decision Transformers, des modèles de transformers entraînés par renforcement pour la prise de décision autonome. Ces modèles peuvent être utilisés pour des tâches de contrôle et de planification sans nécessiter de code personnalisé.
Portrait de Margaret Mitchell, experte en ML et cofondatrice du DAIR (Distributed AI Research Institute). Ses travaux portent sur l'éthique de l'IA, l'interprétabilité des modèles et les impacts sociétaux de l'apprentissage automatique.
Hugging Face lance un programme de résidence en recherche IA pour former les talents émergents. Le programme offre une immersion dans les projets de recherche open-source et les défis pratiques de l'IA moderne.
Hugging Face publie un guide pour affiner un modèle de segmentation sémantique sur un dataset personnalisé. La méthode couvre la préparation des données, le fine-tuning et l'évaluation du modèle.
Hugging Face et AWS optimisent l'inférence BERT sur AWS Inferentia. Les benchmarks montrent une accélération significative et une réduction des coûts pour les déploiements en production.
Hugging Face intègre la recherche d'images dans sa plateforme datasets. Les utilisateurs peuvent désormais indexer et interroger des collections d'images via des embeddings vectoriels, facilitant la découverte et l'organisation de données visuelles à grande échelle.
OpenAI déploie de nouvelles versions de GPT-3 et Codex capables d'éditer ou d'insérer du contenu dans un texte existant, au-delà de la simple complétion.
Hugging Face intègre la recherche par faisceau contrainte dans Transformers pour guider la génération de texte selon des contraintes spécifiées. Cette technique améliore le contrôle sur les sorties du modèle en appliquant des règles pendant le décodage.
OpenAI partage ses apprentissages sur la sécurité des modèles de langage et la prévention des abus. L'entreprise expose sa réflexion actuelle pour aider d'autres développeurs IA à aborder ces enjeux critiques.
OpenAI publie une agenda de recherche pour évaluer les impacts économiques des modèles de génération de code. L'étude examine comment ces outils affectent la productivité, l'emploi et les salaires des développeurs, sans conclusions définitives actuellement.
OpenAI lance un appel à manifestations d'intérêt pour étudier les impacts économiques des grands modèles de langage. Initiative de recherche visant à documenter les effets macroéconomiques et sectoriels des LLM.
Article explicatif sur BERT, le modèle NLP fondateur de Google (2018). Couvre l'architecture Transformer bidirectionnelle, le pré-entraînement sur corpus massif, et les applications en classification de texte et extraction d'entités.