21 articles
Hugging Face publie sa troisième newsletter sur l'éthique et la société, explorant le concept d'« ouverture éthique » dans le développement de l'IA. La lettre d'information aborde les tensions entre transparence, accessibilité et responsabilité dans l'écosystème open-source.
Hugging Face démontre l'inférence rapide de BLOOMZ sur l'accélérateur Habana Gaudi2. Le modèle 176B atteint 1 000 tokens/sec avec optimisations spécifiques au matériel. Benchmark reproductible sur infrastructure Habana.
Hugging Face optimise l'inférence de Stable Diffusion sur processeurs Intel via quantification et optimisations bas niveau. Les benchmarks montrent des accélérations significatives sur architectures CPU modernes sans perte de qualité visuelle.
Hugging Face et Flower lancent une intégration pour l'apprentissage fédéré. Les utilisateurs peuvent entraîner des modèles de langage sur des données distribuées sans centraliser les données sensibles. La solution combine les modèles HF avec le framework Flower pour la coordination décentralisée.
OpenAI détaille une panne de ChatGPT survenue le 20 mars. L'article expose les causes techniques du bug, les mesures correctives et les conclusions de l'enquête interne.
Hugging Face publie un guide pour entraîner des ControlNet avec la librairie diffusers. Le tutoriel couvre la configuration, les données d'entraînement et l'optimisation des modèles de contrôle pour la génération d'images.
OpenAI déploie un support initial des plugins dans ChatGPT. Ces outils, conçus spécifiquement pour les modèles de langage avec la sécurité en priorité, permettent à ChatGPT d'accéder à des informations à jour, d'exécuter des calculs ou d'utiliser des services tiers.
Hugging Face et Jupyter collaborent pour intégrer les modèles et datasets de la plateforme directement dans les notebooks Jupyter. Cette intégration facilite l'accès aux ressources IA sans quitter l'environnement de développement.
OpenAI publie une analyse sur l'impact potentiel des LLM sur le marché du travail. L'étude examine comment les modèles de langage pourraient affecter différents secteurs et professions, en évaluant l'exposition aux tâches automatisables par l'IA.
L'Islande utilise GPT-4 pour préserver sa langue face à la domination de l'anglais. Le projet vise à enrichir les ressources linguistiques islandaises et améliorer la capacité des modèles IA à traiter l'islandais.
Be My Eyes intègre GPT-4 pour améliorer l'accessibilité visuelle. Le service aide les personnes malvoyantes à interpréter des images et du contenu visuel en temps réel via l'IA.
Stripe intègre GPT-4 pour améliorer l'expérience utilisateur et renforcer la détection de fraude sur sa plateforme de paiement.
OpenAI et Duolingo intègrent GPT-4 pour améliorer l'apprentissage des langues. Le modèle renforce les conversations et comble les lacunes pédagogiques dans la plateforme.
Khan Academy teste GPT-4 dans un programme pilote limité pour explorer son potentiel dans l'éducation virtuelle en classe.
OpenAI déploie GPT-4, modèle multimodal acceptant images et texte. Performances au niveau humain sur benchmarks professionnels et académiques, mais capacités inférieures aux humains dans de nombreux scénarios réels.
Hugging Face présente Informer, un modèle de prévision de séries temporelles multivariées basé sur l'attention. L'approche utilise un mécanisme d'attention sparse pour traiter efficacement les longues séquences temporelles, surpassant les méthodes traditionnelles sur plusieurs benchmarks.
Hugging Face démontre le fine-tuning par RLHF d'un modèle 20B sur GPU consumer 24GB (RTX 4090). Utilise quantization et optimisations mémoire pour réduire les besoins de 780GB à 24GB. Code et benchmarks disponibles.
Kakao Brain publie de nouveaux modèles Vision Transformer (ViT) et ALIGN optimisés pour la vision par ordinateur et la recherche multimodale. Les modèles sont disponibles sur Hugging Face avec poids pré-entraînés et code d'inférence.
Hugging Face intègre ControlNet dans sa bibliothèque Diffusers, permettant un contrôle spatial précis des modèles de génération d'images. ControlNet ajoute des conditions (cartes de profondeur, poses, contours) pour guider la synthèse d'images sans réentraînement.
Hugging Face publie des directives éthiques pour le développement de sa bibliothèque Diffusers, couvrant les responsabilités des contributeurs face aux risques de génération d'images (deepfakes, contenu illégal, biais). Framework de gouvernance pour encadrer les modèles de diffusion.
Hugging Face a accéléré le développement de l'assistant d'écriture Witty Works en fournissant infrastructure et modèles optimisés. La collaboration a réduit les délais de mise en marché et amélioré les performances du produit.