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.
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.
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.
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.
OpenAI publie des recommandations pour gouverner les systèmes IA agentiques, couvrant la surveillance, les limites opérationnelles et les mécanismes de contrôle. Le document propose des cadres pour déployer des agents autonomes de manière sécurisée en production.
OpenAI et Axel Springer annoncent un partenariat pour intégrer le journalisme dans les technologies IA. Axel Springer devient le premier groupe éditorial mondial à conclure un accord de ce type avec OpenAI.
Hugging Face explique l'architecture Mixture of Experts (MoE) : un mécanisme où un routeur dirige les entrées vers des experts spécialisés plutôt que d'utiliser tous les paramètres. Réduit la latence et augmente la capacité du modèle sans surcharge computationnelle proportionnelle.
Hugging Face présente SetFitABSA, une méthode few-shot pour l'analyse de sentiment basée sur les aspects. SetFit permet d'entraîner des modèles efficaces avec peu d'exemples, sans ajustement des poids du modèle de base.
Hugging Face lance Prodigy-HF, une intégration directe de l'outil d'annotation Prodigy avec sa plateforme. Cette solution facilite le labeling de données pour l'entraînement de modèles IA, directement depuis l'écosystème Hugging Face.
OpenAI crée une équipe dédiée à la préparation aux risques catastrophiques des systèmes IA hautement capables et lance un défi public pour renforcer sa stratégie de sécurité.
OpenAI, Anthropic, Google et Microsoft annoncent un nouveau directeur exécutif du Frontier Model Forum et créent un fonds de sécurité IA de 10 millions de dollars.
Hugging Face lance un outil permettant d'explorer interactivement les datasets en une seule ligne de code. La fonctionnalité intègre visualisation, filtrage et recherche directement dans l'interface web.
Hugging Face lance un guide de déploiement pour les modèles d'embedding via Inference Endpoints. La plateforme permet de servir des modèles de représentation vectorielle en production avec scaling automatique et monitoring intégré.
Hugging Face identifie les chat templates comme source cachée de dégradation de performance. L'absence de standardisation des formats de conversation entre modèles crée des incompatibilités silencieuses. La plateforme propose une solution unifiée pour normaliser ces templates et améliorer la compatibilité inter-modèles.
Hugging Face déploie AI Comic Factory via son Inference API. L'outil génère des bandes dessinées à partir de prompts texte, utilisant des modèles de vision et de génération d'images. Démonstration d'intégration serverless pour applications IA.
Hugging Face publie un benchmark de Llama 2 sur Amazon SageMaker. L'étude mesure les performances d'inférence et de fine-tuning du modèle sur l'infrastructure cloud AWS, fournissant des métriques de latence et de throughput.
Hugging Face lance Inference for PROs, une offre d'inférence dédiée aux professionnels avec accès prioritaire aux modèles, support dédié et SLA garantis. Service cloud pour déployer et servir des modèles LLM en production.
OpenAI lance un appel ouvert pour rejoindre son Red Teaming Network. L'initiative recrute des experts en domaines variés pour identifier les failles de sécurité de ses modèles et améliorer leur robustesse.
Hugging Face lance un leaderboard dédié à la détection d'objets, permettant de comparer les performances des modèles de vision par ordinateur sur des benchmarks standardisés.
Fetch réduit la latence du traitement ML de 50% en utilisant Amazon SageMaker et Hugging Face. L'optimisation porte sur l'inférence de modèles et le pipeline de données pour accélérer les applications en production.
OpenAI publie un guide pédagogique pour l'utilisation de ChatGPT en classe. Il couvre les prompts suggérés, le fonctionnement et les limites du modèle, l'efficacité des détecteurs IA et les biais.
Hugging Face supprime l'authentification Git par mot de passe. Les utilisateurs doivent migrer vers des tokens d'accès personnel ou des clés SSH avant la date limite. Cette mesure renforce la sécurité des dépôts.
OpenAI utilise GPT-4 pour développer ses politiques de contenu et prendre des décisions de modération. L'approche réduit la charge des modérateurs humains, accélère les boucles de feedback et améliore la cohérence du labeling.
Hugging Face Hub est désormais disponible sur AWS Marketplace. Les utilisateurs peuvent accéder aux modèles et datasets via leur compte AWS existant, avec facturation intégrée.
Hugging Face et BentoML démontrent le déploiement du modèle DeepFloyd IF (génération d'images) via BentoML. Guide pratique couvrant containerisation, scalabilité et intégration avec l'écosystème Hugging Face pour la production.
Hugging Face lance un déploiement simplifié de MusicGen via Inference Endpoints. Les utilisateurs peuvent générer de la musique sans gérer l'infrastructure, avec support des modèles Meta et intégration API directe.
Hugging Face explore le chiffrement homomorphe complet (FHE) pour les grands modèles de langage, permettant des inférences sur données chiffrées sans déchiffrement. Approche expérimentale visant à protéger la confidentialité des utilisateurs lors du traitement par des LLM.
Hugging Face lance Huggy Lingo, un système ML pour améliorer les métadonnées linguistiques sur son Hub. L'outil détecte automatiquement les langues des modèles et datasets, enrichissant les informations de catalogage pour faciliter la découverte et l'interopérabilité.
OpenAI crée un forum industriel dédié au développement sûr des systèmes IA frontière. L'initiative vise à promouvoir la recherche en sécurité IA, identifier les bonnes pratiques et normes, et faciliter l'échange d'informations entre décideurs et industrie.
Hugging Face analyse les implications de la loi IA de l'UE pour les modèles open-source. L'article examine comment les exigences de conformité s'appliquent aux modèles ouverts et propose des considérations pour les développeurs et les régulateurs.
Hugging Face organise un Game Jam open source IA réunissant développeurs et créateurs. L'événement produit des jeux utilisant modèles IA open source (Llama, Mistral, etc.). Les résultats montrent l'adoption croissante d'IA dans le game dev indie.
OpenAI déploie les instructions personnalisées pour ChatGPT, permettant aux utilisateurs de définir des préférences que le modèle appliquera à toutes les conversations futures.
OpenAI s'associe à l'American Journalism Project via un partenariat de 5+ millions de dollars pour explorer comment l'IA peut soutenir le journalisme local et permettre aux médias locaux d'influencer le développement technologique.
Hugging Face publie un guide pour fine-tuner les modèles Stable Diffusion sur processeurs Intel. La méthode utilise des optimisations spécifiques aux CPUs pour réduire les besoins en mémoire et accélérer l'entraînement sans GPU dédié.
Transformers.js permet de créer des jeux web alimentés par l'IA directement dans le navigateur, sans serveur backend. La bibliothèque exécute des modèles de transformers pré-entraînés en JavaScript, offrant vision par ordinateur, traitement du langage naturel et génération de contenu pour les jeux interactifs.
Hugging Face présente un générateur d'applications web utilisant des modèles ML open-source. L'approche combine plusieurs modèles pour transformer des descriptions textuelles en code HTML/CSS/JavaScript fonctionnel, démontrant la viabilité des modèles ouverts pour la génération de code complexe.
Hugging Face optimise BridgeTower, un modèle vision-langage, sur les accélérateurs Habana Gaudi2. L'implémentation améliore les performances d'inférence et d'entraînement pour les tâches multimodales.
Hugging Face annonce des changements majeurs sur son Open LLM Leaderboard : révision des critères d'évaluation, amélioration de la transparence et de la reproductibilité des benchmarks. L'objectif est d'aligner le classement avec les besoins réels des utilisateurs et de réduire les gaming des scores.
Hugging Face répond à la consultation publique du NTIA américain sur la responsabilité de l'IA. L'organisation plaide pour des standards ouverts, la transparence des modèles et des garde-fous contre les abus, tout en s'opposant aux barrières réglementaires qui favoriseraient les grandes entreprises.