23 articles
OpenAI développe un cadre d'évaluation des risques biologiques liés aux LLM. Une étude avec experts et étudiants en biologie montre que GPT-4 offre au maximum une amélioration légère de la précision en création de menaces biologiques, insuffisante pour être concluante.
Hugging Face lance un leaderboard dédié aux cas d'usage réels en entreprise. Il évalue les modèles sur des scénarios pratiques plutôt que sur des benchmarks académiques traditionnels, permettant aux organisations de comparer les performances dans leurs contextes spécifiques.
Hugging Face optimise StarCoder via Optimum Intel sur processeurs Xeon avec quantification Q8/Q4 et décodage spéculatif. Les techniques réduisent la latence et augmentent le débit d'inférence pour les modèles de génération de code.
Hugging Face lance un leaderboard ouvert pour mesurer les hallucinations dans les LLM. L'initiative propose une méthodologie standardisée d'évaluation et un classement public des modèles selon leur tendance à générer du contenu factuel inexact.
Hugging Face lance un leaderboard dédié à l'évaluation de la sécurité des LLM. Cet outil mesure la robustesse des modèles face aux attaques adversariales et aux jailbreaks, fournissant des benchmarks standardisés pour comparer les défenses de sécurité.
OpenAI lance de nouveaux modèles d'embedding et met à jour son API. Les modèles offrent une meilleure performance et des coûts réduits pour les applications de recherche vectorielle et RAG.
Hugging Face et Google annoncent un partenariat pour accélérer la collaboration en IA ouverte. Les deux organisations vont travailler ensemble sur des modèles, des outils et des ressources pour démocratiser l'accès à l'IA.
Hugging Face intègre les LLMs open-source comme agents LangChain. Les modèles open-source peuvent désormais fonctionner nativement dans l'écosystème LangChain pour créer des agents autonomes.
Hugging Face intègre PatchTSMixer, un modèle de séries temporelles basé sur des patches. L'architecture divise les données en segments, applique des transformations linéaires et fusionne les résultats pour la prédiction. Disponible dans la bibliothèque Transformers.
Hugging Face publie un guide pour fine-tuner W2V2-Bert, un modèle de reconnaissance vocale, sur des ressources limitées avec la bibliothèque Transformers. La méthode permet d'adapter le modèle à des langues ou domaines peu dotés en données d'entraînement.
Hugging Face présente les méthodes d'optimisation directe des préférences (DPO) pour l'ajustement des LLM. Ces techniques permettent d'aligner les modèles sur les préférences humaines sans nécessiter de modèle de récompense séparé, réduisant la complexité computationnelle par rapport aux approches RLHF traditionnelles.
OpenAI a financé 10 équipes mondiales pour concevoir des outils de gouvernance collective de l'IA. Le programme partage ses innovations, apprentissages et appelle chercheurs et ingénieurs à poursuivre ce travail.
OpenAI annonce ses mesures pour les élections mondiales 2024 : prévention des abus, transparence sur le contenu généré par IA, et amélioration de l'accès aux informations électorales fiables.
Hugging Face optimise l'inférence de Stable Diffusion Turbo et SDXL Turbo via ONNX Runtime et Olive. Les techniques de quantification et compilation réduisent la latence et la consommation mémoire sur CPU et GPU.
Hugging Face permet d'exécuter les workflows ComfyUI gratuitement via Gradio sur Spaces. Les utilisateurs peuvent déployer des pipelines de génération d'images sans frais d'infrastructure.
Digital Green utilise OpenAI pour augmenter les revenus des agriculteurs via une base de données agricole. Le projet vise à fournir des informations et des outils numériques aux exploitants.
Hugging Face publie un guide complet pour créer un leaderboard personnalisé. Exemple concret : le leaderboard d'hallucination de Vectara, qui évalue les modèles sur leur capacité à générer des réponses factuelles sans inventer d'informations.
OpenAI lance ChatGPT Team, un plan dédié aux équipes offrant un espace de travail sécurisé et collaboratif pour utiliser ChatGPT en entreprise.
OpenAI lance le GPT Store, une plateforme permettant aux créateurs de partager et monétiser des GPTs personnalisés. Les utilisateurs ChatGPT Plus, Team et Enterprise peuvent accéder à des milliers de GPTs créés par la communauté, avec des revenus partagés entre OpenAI et les créateurs.
Hugging Face et Unsloth optimisent le fine-tuning des LLM pour le rendre 2x plus rapide. La collaboration intègre Unsloth dans TRL (Transformers Reinforcement Learning), réduisant la consommation mémoire et accélérant l'entraînement sans perte de qualité.
WHOOP intègre GPT-4 pour fournir du coaching fitness et santé personnalisé à ses utilisateurs.
Hugging Face présente aMUSEd, un modèle de génération d'images texte-vers-image efficace basé sur l'architecture MUSE. Le modèle utilise un tokenizer d'images et un décodeur pour générer des images de qualité avec une latence réduite comparée aux diffusion models classiques.
Hugging Face publie des scripts d'entraînement LoRA unifiés pour simplifier le fine-tuning des modèles. Initiative visant à standardiser les approches fragmentées existantes et faciliter l'accès au fine-tuning efficace.