Hugging Face 发布 huggingface_hub 库增强版搜索功能 ↗
Hugging Face 在其官方博客宣布为 huggingface_hub 库新增 ModelSearchArguments 和 ModelFilter 等搜索辅助类。
AIHOT 精选行业资讯,关注 AI、产品与技术的新进展。
AIHOT · 精选摘要,保留原始来源 · 2026年11月5日 09:00
Hugging Face 在其官方博客宣布为 huggingface_hub 库新增 ModelSearchArguments 和 ModelFilter 等搜索辅助类。
Hugging Face Hub 正式集成 Stable-Baselines3,支持用户上传和下载基于 PyTorch 的强化学习智能体模型,首批涵盖 Space Invaders。
Hugging Face 官方博客发布技术教程,详解如何用 KenLM 构建 5-gram 语言模型,并通过 Wav2Vec2ProcessorWithLM 将其与 Wav2Vec2(如 facebook/wav2vec2-base-100h 或 xls-r-300m-sv)集成以提升语音识别准确率。
本文介绍了如何在 Amazon SageMaker 上部署 EleutherAI 开源的 GPT-J 6B 大语言模型用于实时推理,重点通过 torch.save/torch.load 替代 from_pretrained 将模型加载时间从 1 分 23 秒压缩至 7.7 秒。
Hugging Face 宣布收购机器学习开源工具库 Gradio,旨在增强用户构建和共享模型 demo 的能力;Gradio 创始人回顾了 2019 年创立初衷及发展过程,并强调此次收购将推动机器学习进一步普及至所有互联网用户。
Hugging Face 官方博客介绍 DeepMind 提出的 Perceiver IO 模型,该模型通过在隐变量空间执行注意力而非原始输入,突破 Transformer 对输入尺寸的二次计算瓶颈。
Hugging Face 发布教程,详细演示如何从零训练名为 CodeParrot 的 GPT-2 架构代码生成模型,涵盖构建 50GB 清洗后的 Python 数据集、训练专用分词器、初始化 1.5B 参数模型、使用 🤗 Accelerate 实现多 GPU 分布式训练,以及在 HumanEval 上的评估结果;模型与代码已开源至 Hugging Face Hub。
Hugging Face 发布开源的 Data Measurements Tool,提供交互式无代码界面和 Python 库,用于测量、比较和分析 NLP 数据集,支持数据集基础信息、描述性统计、分布统计(如 Zipf 定律拟合)和对比统计(如嵌入聚类、nPMI 词对分析),当前为 alpha 版 v0,已支持 SQuAD、imdb、C4 等英文数据集。
OpenAI API 现已开放使用,不再需要等待名单。这一变化得益于安全方面的进展。
Hugging Face 官方博客发布教程,详细演示如何使用 🤗 Transformers 微调 Wav2Vec2-XLS-R-300M 模型进行低资源土耳其语 ASR。
OpenAI 推出改进版 Codex,该系统能将自然语言翻译为代码,现通过 API 开启私测。
OpenAI 发布 Triton 1.0,一种开源的类 Python 编程语言,使无 CUDA 经验的研究者也能编写高效 GPU 代码,性能通常与专家手写代码相当。
OpenAI 训练了名为 DALL·E 的神经网络,能够根据自然语言描述的广泛概念生成对应图像。
OpenAI 发布名为 CLIP 的神经网络,通过自然语言监督高效学习视觉概念;它可直接应用于任意视觉分类基准,只需提供待识别的视觉类别名称,具备类似 GPT-2 和 GPT-3 的零样本能力。
OpenAI 已同意将 GPT-3 技术授权给 Microsoft,供其用于自有产品与服务。
OpenAI 发布 API,用于访问其开发的新 AI 模型。
OpenAI 发布 Jukebox,一种能生成含基础人声的原始音频音乐的神经网络,支持多种流派与艺术家风格;同步开源模型权重、代码及样本探索工具。
OpenAI 发布 GPT-2 最大版本(1.5B 参数),作为分阶段发布的最终版,同步公开代码和模型权重,以支持对 GPT-2 输出的检测;此举延续原定分阶段发布计划,旨在为未来强大模型的负责任发布提供可参考的完整流程案例。
OpenAI 训练一对神经网络,使用与 OpenAI Five 相同的强化学习代码及新方法 Automatic Domain Randomization(ADR),在纯仿真环境中训练出能用类人机械手解魔方的系统;该系统能应对训练中未见的物理干扰,例如被毛绒长颈鹿触碰。
OpenAI 使用人类反馈微调 774M 参数的 GPT-2 模型,在摘要等任务中成功匹配外部标注员偏好,但发现标注员偏好与团队预期不一致;摘要任务需 60k 人工标签,风格续写仅需 5k;目标是将安全技术推向‘机器与人对话’这一通用任务。
OpenAI 发布 774M 参数的 GPT-2 语言模型,此前已分阶段发布了 124M 和 355M 版本;同时推出开源法律协议以促进模型共享合作,并发布技术报告总结与 AI 社区协调发表规范的经验。
OpenAI 发布 MuseNet,一个能生成 4 分钟、含 10 种乐器的多风格音乐作品的深度神经网络,其通过预测数十万 MIDI 文件中的下一个 token 自主学习和声、节奏与风格,采用与 GPT-2 相同的通用无监督 Transformer 技术。
OpenAI Five 成为首个在直播对战中击败 Dota 2 世界冠军战队 OG 的 AI 系统,本周末连续两场获胜;此前 OpenAI Five 和 DeepMind 的 AlphaStar 均曾在私下测试中战胜职业选手,但均在公开直播比赛中落败。
OpenAI 训练了一个大规模无监督语言模型,能生成连贯段落文本,在多项语言建模基准上达到 SOTA,并在阅读理解、机器翻译、问答和摘要等任务上实现基础能力,全程无需任务特定训练。