Hugging Face publie un guide pour les développeurs open-source sur la conformité à la loi IA de l'UE. Le document couvre les obligations légales, les catégories de risque et les implications pour les modèles et systèmes IA open-source.
Hugging Face restructure son infrastructure d'uploads et downloads. La plateforme optimise ses systèmes de stockage et de transfert de fichiers pour améliorer la performance et la fiabilité des opérations de modèles et datasets.
Hugging Face présente SmolVLM, un modèle de vision-langage compact et performant. Le modèle combine efficacité computationnelle et capacités multimodales avancées pour des tâches de compréhension d'images et de texte.
OpenAI publie une approche combinant humains et IA pour le red teaming (test de sécurité adversarial). La méthode améliore la détection de vulnérabilités en exploitant les forces respectives des testeurs humains et des modèles IA pour identifier des failles de sécurité.
Hugging Face lance un leaderboard ouvert pour évaluer les modèles de langage japonais. La plateforme permet de comparer les performances de différents LLM sur des benchmarks spécifiques à la langue japonaise.
Un algorithme d'appariement pour les transplantations hépatiques au Royaume-Uni pourrait exclure systématiquement les patients plus jeunes. Des choix techniques apparemment mineurs peuvent avoir des conséquences vitales.
Hugging Face et JetBrains intègrent leurs plateformes. PyCharm offre désormais un accès direct aux modèles et datasets Hugging Face, avec autocomplétion et documentation embarquée pour les workflows ML.
Étude de cas Hugging Face : utilisation d'un LLM comme juge pour améliorer une application RAG. Évaluation automatisée des réponses générées via un modèle de langage, renforçant la qualité et la fiabilité du système.
Hugging Face publie un guide de déploiement pour les modèles speech-to-speech. La plateforme propose des solutions d'inférence serverless et des templates pour intégrer rapidement ces modèles en production.
Hugging Face s'associe avec Protect AI pour renforcer la sécurité des modèles ML. La collaboration vise à intégrer des outils de détection de vulnérabilités et de sécurisation dans l'écosystème Hugging Face, protégeant les modèles contre les attaques et les risques de sécurité.
OpenAI évalue les biais de ChatGPT selon le nom de l'utilisateur, en utilisant des assistants de recherche IA pour préserver la confidentialité.
Hugging Face et Dask s'associent pour traiter des données massives avec l'IA. L'intégration permet de paralléliser les pipelines de traitement de données en utilisant les modèles Hugging Face sur des clusters distribués.
OpenAI et GEDI s'associent pour intégrer du contenu d'actualité en italien dans ChatGPT. Le partenariat vise à enrichir les sources d'information du modèle avec des articles de presse italienne.
Mercado Libre lance Verdi, une plateforme de développement IA alimentée par GPT-4o. La plateforme vise à accélérer le développement logiciel en intégrant les capacités du modèle d'OpenAI.
Hugging Face annonce l'intégration d'Optimum-Intel et OpenVINO GenAI pour optimiser et déployer des modèles IA. La solution permet d'accélérer l'inférence sur processeurs Intel et de réduire les ressources nécessaires.
Un nouveau benchmark évalue la capacité de l'IA à automatiser la reproductibilité computationnelle en science. L'étude mesure l'impact des modèles d'IA sur l'amélioration des pratiques de reproduction des résultats scientifiques.
Hugging Face lance une console SQL pour interroger directement les datasets. Cet outil permet aux utilisateurs d'exécuter des requêtes SQL natives sur les données hébergées, sans téléchargement préalable.
OpenAI a démantelé une opération iranienne de désinformation coordonnée utilisant des comptes de réseaux sociaux et des chatbots pour diffuser de fausses informations politiques. L'entreprise a supprimé les comptes et publié un rapport détaillé sur les tactiques d'influence.
Hugging Face analyse l'expérience Infini-Attention, un mécanisme d'attention censé gérer des contextes infinis. L'article documente l'échec de cette approche et plaide pour continuer l'exploration des solutions de contexte long.
Hugging Face présente ggml, une bibliothèque C pour l'inférence de modèles IA sur CPU. Ggml permet d'exécuter des modèles de langage volumineux localement sans GPU, avec optimisations pour différentes architectures processeur.
Hugging Face unifie l'interface des outils pour les modèles de langage. Un standard commun permet aux agents d'utiliser des fonctions externes de manière cohérente, indépendamment du modèle sous-jacent.
Hugging Face présente TextImage Augmentation, une technique d'augmentation de données pour images de documents. La méthode améliore la robustesse des modèles de vision en générant des variantes synthétiques avec texte rendu, rotations et déformations.
Hugging Face récapitule les fonctionnalités de sécurité déployées en 2024 : authentification renforcée, contrôle d'accès granulaire, audit des modèles et détection des contenus malveillants. Amélioration de la protection des données utilisateurs et des dépôts.
Critique des estimations de probabilité de risque existentiel IA présentées comme quantifiées. L'article dénonce comment la spéculation est transformée en chiffres apparemment rigoureux pour influencer les politiques publiques, sans fondement empirique solide.
Hugging Face présente LAVE, une méthode d'évaluation zero-shot pour VQA (Visual Question Answering) sur Docmatix utilisant des LLMs. L'étude questionne la nécessité du fine-tuning traditionnel pour les tâches de compréhension visuelle.
OpenAI teste SearchGPT, un prototype de nouvelles fonctionnalités de recherche offrant des réponses rapides et actualisées avec sources claires et pertinentes.
OpenAI présente les prover-verifier games, une méthode pour améliorer la lisibilité des sorties de modèles de langage. Cette approche rend les solutions IA plus claires, vérifiables et fiables pour les humains et les machines.
Hugging Face expérimente la détection automatique des données personnelles (PII) sur son Hub via Presidio. L'outil identifie et masque les informations sensibles (noms, emails, numéros) dans les datasets et modèles. Objectif : améliorer la confidentialité et la conformité réglementaire.
Hugging Face annonce une intégration avec KerasHub pour faciliter l'accès aux modèles et datasets. Cette collaboration permet aux développeurs Keras d'utiliser directement les ressources de la plateforme Hugging Face dans leurs workflows.
Hugging Face introduit de nouvelles fonctionnalités de recherche de datasets. Les utilisateurs peuvent désormais filtrer par taille, licence, langue et tâche. L'interface améliorée facilite la découverte de ressources pour l'entraînement de modèles.
Hugging Face optimise le modèle de langage protéique ProtST sur Intel Gaudi 2, accélérant l'inférence et l'entraînement. Les benchmarks montrent des gains de performance significatifs sur l'accélérateur Intel pour les tâches de prédiction de structure protéique.
XLSCOUT lance ParaEmbed 2.0, un modèle d'embedding spécialisé pour les brevets et la propriété intellectuelle, développé en collaboration avec Hugging Face. Le modèle optimise la recherche et l'analyse de documents IP.
Microsoft Florence-2 peut être fine-tuné sur des tâches de vision spécifiques. Hugging Face propose un guide complet pour adapter ce modèle multimodal à des cas d'usage personnalisés via sa plateforme.
Color Health utilise GPT-4o pour développer Cancer Copilot, une application qui identifie les diagnostics manquants et crée des plans de travail personnalisés. L'outil aide les prestataires de santé à prendre des décisions fondées sur des preuves pour le dépistage et le traitement du cancer.
Hugging Face lance NPC-Playground, un environnement 3D permettant d'interagir avec des personnages non-joueurs alimentés par des LLM. L'outil offre une interface visuelle pour tester le comportement et les réponses des NPCs dans un contexte immersif.
Hugging Face ajoute le support de la génération assistée sur Intel Gaudi, accélérant l'inférence des modèles de langage. La technique utilise un modèle plus petit et rapide pour générer des tokens candidats, validés par le modèle principal, réduisant la latence globale.
Les scientifiques doivent traiter l'IA comme un outil, non comme un oracle infaillible. L'hype autour de l'IA conduit à des recherches défectueuses qui alimentent davantage de hype, créant un cycle vicieux.
OpenAI a fermé des comptes liés à des opérations d'influence clandestine utilisant l'IA. Aucune augmentation significative d'audience n'a résulté de ces services.
OpenAI lance un programme d'accès préférentiel pour les organisations à but non lucratif, proposant des tarifs réduits sur ChatGPT Team et Enterprise.
OpenAI et Vox Media signent un partenariat : le contenu de Vox enrichira ChatGPT, tandis que Vox développera des produits sur la technologie OpenAI pour ses audiences et annonceurs.