DALL·E: Introducing outpainting
OpenAI déploie l'outpainting pour DALL·E, permettant d'étendre les images générées au-delà de leurs dimensions initiales. Fonctionnalité disponible pour les utilisateurs de la plateforme.
18 articles
OpenAI déploie l'outpainting pour DALL·E, permettant d'étendre les images générées au-delà de leurs dimensions initiales. Fonctionnalité disponible pour les utilisateurs de la plateforme.
Hugging Face présente OpenRAIL, un cadre de licence ouvert et responsable pour l'IA. Le projet vise à équilibrer l'accès ouvert aux modèles avec des garde-fous éthiques et légaux, en définissant des conditions d'utilisation responsables.
OpenAI améliore la capacité de ses systèmes IA à apprendre du feedback humain et à assister l'évaluation d'IA. L'objectif : construire un système suffisamment aligné pour résoudre tous les autres problèmes d'alignement.
Hugging Face lance un outil de visualisation de protéines sur Spaces. L'interface permet d'explorer les structures 3D et les propriétés moléculaires directement dans le navigateur.
Hugging Face publie un guide complet pour pré-entraîner BERT avec Transformers et les accélérateurs Habana Gaudi. Le tutoriel couvre la préparation des données, la configuration du modèle et l'optimisation des performances sur hardware spécialisé.
Hugging Face présente Diffusers, une bibliothèque pour implémenter et utiliser des modèles de diffusion comme Stable Diffusion. L'outil simplifie l'accès aux modèles de génération d'images avec une API modulaire et des pipelines pré-configurés.
Hugging Face publie un guide de déploiement du modèle Vision Transformer (ViT) sur Vertex AI de Google. Le tutoriel couvre l'intégration, la configuration et la mise en production d'un modèle de vision par ordinateur sur l'infrastructure cloud Google.
Hugging Face Optimum intègre les Vision Transformers sur processeurs Graphcore. Le guide détaille l'optimisation des modèles de vision pour l'inférence sur IPU, avec benchmarks de performance et code reproductible.
Hugging Face publie un guide sur la multiplication matricielle 8-bit pour les transformers à grande échelle, utilisant les bibliothèques transformers, accelerate et bitsandbytes. Technique de quantification réduisant la mémoire et accélérant l'inférence sans perte significative de précision.
Hugging Face expose sa philosophie TensorFlow : priorité à l'accessibilité, intégration native des modèles pré-entraînés, et écosystème ouvert. L'accent porte sur la démocratisation du ML et l'interopérabilité avec PyTorch.
Hugging Face présente Skops, une bibliothèque pour sauvegarder, charger et partager des modèles scikit-learn avec versioning et traçabilité. Intégration native avec le Hub Hugging Face pour faciliter la collaboration et la reproductibilité.
Hugging Face publie un guide de déploiement du modèle Vision Transformer (ViT) sur Kubernetes via TensorFlow Serving. Couvre la containerisation, la configuration d'inférence et l'orchestration en production.
OpenAI lance un nouvel outil de modération de contenu gratuit pour les développeurs API. L'endpoint Moderation remplace le filtre précédent avec des améliorations de détection.
Hugging Face publie un guide complet pour entraîner et affiner les modèles Sentence Transformers. Le tutoriel couvre les techniques de fine-tuning, l'optimisation des embeddings et l'intégration avec la plateforme Hugging Face pour déployer des modèles de représentation textuelle performants.
Article sur l'algorithme Proximal Policy Optimization (PPO), technique fondamentale du reinforcement learning utilisée pour l'entraînement de modèles IA. PPO améliore la stabilité et l'efficacité de l'apprentissage par renforcement comparé aux méthodes antérieures.
Hugging Face lance Private Hub, une plateforme permettant aux entreprises de construire des modèles ML en environnement privé et sécurisé. Offre accès aux modèles open-source, outils de fine-tuning et infrastructure dédiée sans exposition publique.
Nyströmformer approxime l'auto-attention en temps et mémoire linéaires via la méthode de Nyström. Cette technique réduit la complexité quadratique des transformers standards, permettant de traiter des séquences plus longues avec moins de ressources computationnelles.
Hugging Face commente le rapport intérimaire de la National AI Research Resource (NAIRR) américaine. L'organisation souligne l'importance d'un accès démocratisé aux ressources de calcul et aux données pour la recherche en IA, tout en appelant à des politiques favorisant l'open-source et la collaboration.