OpenAI サイバーセキュリティ助成金プログラム
OpenAIは、防御側をエンパワーし、サイバーセキュリティにおけるAIの役割を定量化するため、100万ドルのCybersecurity Grant Programを立ち上げました。その後、GPT-5.3-Codexのリリースとともに、1,000万ドルのAPIクレジットとTrusted Access for Cyberを含むよう進化しました。
Hugging Face オープンソース AI ゲームジャム発表
Hugging Face は、2023 年 7 月 7 日〜9 日にオープンソース AI ゲームジャムを開催し、ゲーム開発者がオープンソースの生成 AI ツールを開発ワークフローおよびゲーム機能に組み込むことを促進します。
OpenAIはプロセススーパービジョンで数学的推論を改善
OpenAIは、最終的な答え（アウトカムスーパービジョン）ではなく、推論の各正しいステップに報酬を与える（プロセススーパービジョン）ことで数学的問題解決を改善する方法を開発し、最先端のパフォーマンスとより良いAIアライメントを達成した。
Hugging Face LLM 推論コンテナ for Amazon SageMaker
Hugging Faceは、オープンソースのLarge Language Modelの高パフォーマンスなデプロイを可能にする、Amazon SageMaker向けの目的別構築LLM推論コンテナ(DLC)をText Generation Inference(TGI)で駆動して発表しました。
OpenAI 民主的入力 AI プログラム
OpenAIは、AIシステムが従うべきルールを決定するための民主的プロセスを開発することを目的とした10件の10万ドルの実験に資金を提供する助成金プログラムを立ち上げました。
NNCFと🤗 Optimumを使ったIntel CPU向けStable Diffusionの最適化
Hugging Faceは、NNCFとOptimumを使用してStable Diffusionを量子化し、Token Mergingを適用するワークフローを発表しました。これにより、Intel CPU上で推論速度が最大5.1倍向上し、モデルのフットプリントが4倍削減されます。
Azure Machine Learning 上の Hugging Face モデル カタログ
Hugging Face と Microsoft は、Azure Machine Learning Studio 内に Hugging Face Hub モデル カタログのネイティブ統合をローンチし、セキュアな Azure インフラストラクチャ上でのオープンソース モデルのデプロイを簡素化しました。
Hugging Face 4ビット量子化とQLoRAリリース
Hugging Faceはbitsandbytesによる4ビット量子化サポートとQLoRA手法を発表し、コンシューマーGPU上で大規模言語モデルの推論とアダプタ微調整を可能にしました。
InstructPix2Pix を用いた Stable Diffusion の指示チューニング
Hugging Face は、InstructPix2Pix を拡張し、マルチタスク指示チューニング手法を通じて Stable Diffusion に特定の画像変換や低レベル処理の指示に従わせることを探求しています。
Hugging Face Safetensors セキュリティ監査とデフォルト採用
Hugging Face、EleutherAI、Stability AI は、Trail of Bits によるセキュリティ監査で任意のコード実行につながる重大な欠陥がないことが確認されたことを受け、safetensors をデフォルトのモデル保存形式へ移行しています。
Hugging Face と IBM の watsonx.ai パートナーシップ
Hugging Face と IBM は提携し、Hugging Face のオープンソースライブラリとモデルを watsonx.ai に統合しました。watsonx.ai は、基盤モデルのトレーニング、チューニング、デプロイを行うエンタープライズ AI スタジオです。
OpenAI 超知能ガバナンス提案
OpenAI は、国際的な調整、IAEA に類似したグローバル規制機関、そして先進的な安全性研究の3本柱からなる超知能管理フレームワークを提案しています。
Q8-Chat: Intel Xeon CPU上の効率的な生成AI
Hugging Face と Intel は、SmoothQuant を使用して LLM を 8 ビット整数に圧縮することで、高品質なチャット体験をシングルソケットの Intel Xeon CPU 上で効率的に実行できることを示しました。
BigCode の背後にある大規模ニア重複除去
Hugging Face は MinHash と Locality Sensitive Hashing (LSH) を活用して BigCode プロジェクト向けに大規模ニア重複除去を実施し、ニア重複データを除去することでモデル性能とトレーニング効率が向上することを示しました。
RWKV アーキテクチャの Hugging Face Transformers への統合
Hugging Face は、RWKV RNN‑Transformer ハイブリッドモデルを Transformers ライブラリに統合したことを発表しました。これにより、RNN の効率性と Transformer の性能を組み合わせた、オープンソースの長文コンテキスト対応言語モデルが利用可能になります。
AMD GPU上で ROCm を使用して Vicuna 13B を実行する
Hugging Face は、ROCｍ と GPTQ 4 ビット量子化を用いて Vicuna 13B オープンソースチャットボットを単一の AMD GPU 上にデプロイする技術ガイドを提供し、メモリ要件を 28 GB から 7.52 GB に削減します。
Hugging FaceがCNIL拡張支援プログラムに選出
Hugging Faceは、フランスのデータ保護機関（CNIL）の拡張支援プログラムに選ばれ、AI開発におけるデータ保護とGDPR遵守の実装を改善します。
低遅延テキスト生成のための Hugging Face アシスト生成
Hugging Face は Assisted Generation を導入しました。これは小さなアシスタントモデルが候補トークンを予測し、より大きなモデルがそれらを検証するデコード手法で、ハードウェア構成によってはレイテンシを最大 10 倍まで削減します。
OpenAI、GPT‑4を使用してGPT‑2の自動ニューロン説明データセットを公開
OpenAI は、GPT‑4 を用いて GPT‑2 のすべてのニューロンに対する自然言語説明を生成・スコア付けする手法を発表し、生成されたデータセット、ビューア、コードを研究コミュニティに公開しました。
StarCoderでコーディングアシスタントを作成 – 要約
この記事では、Hugging Face チームが 16 B パラメータの StarCoder コード生成モデルを会話型コーディングアシスタント（StarChat‑α）に変換した方法を説明しています。特別なチャットトークンを追加し、フィルタ済みの Open‑Assistant 対話データセットを準備し、DeepSpeed ZeRO‑3 でファインチューニングすることで、ユーザーのプロンプトを理解し、実行可能なコード（例：プロット、地図、可視化）を生成できるモデルを訓練しました。記事では、トークナイザーの設定、ユーザーターンのロスマスキング、トレーニング環境、評価（ベンチマークと LLM ベースの両方）、制限事項、今後の方向性についても取り上げています。完成したモデルは Hub で公開されています。
テキストからビデオへのモデルへの深掘り
Hugging Face は、テキストからビデオへの生成モデルの進化について技術的な概要を提供し、GAN から Transformer、Diffusion アーキテクチャへの移行を詳述するとともに、時間的一貫性とデータ不足という独自の課題を強調しています。
StarCoder リリースノート
Hugging Face と ServiceNow の BigCode 共同プロジェクトは、許可されたライセンスのデータで学習された 15B パラメータのコード LLM である StarCoder と StarCoderBase をリリースしました。これらはプログラミングベンチマークで複数のオープンおよびクローズドモデルを上回ります。
Hugging Face Unity API インストールと使用ガイド
Hugging Face Unity API は、専用パッケージと API ウィザードを通じて、開発者が Hugging Face Inference API のモデルを Unity プロジェクトに統合できるようにします。
Hugging Face Transformers、TensorFlow、TPU を使用した言語モデルのトレーニング
Hugging Face は、TensorFlow と TPU ポッドを使用してマスク付き言語モデルをスクラッチからトレーニングするためのスケーラブルなエンドツーエンドガイドを提供し、XLA 互換性を活用して高性能コンピューティングを実現します。
Databricks と Hugging Face が Apache Spark を統合し、LLM のトレーニングを高速化
Databricks は Dataset.from_spark() 関数を通じて Hugging Face Datasets に本格的な Apache Spark サポートを導入し、大規模モデルのトレーニングとチューニングにおけるデータロード時間を最大 40% 短縮しました。
Diffusers を使用した無料ティアの Google Colab で DeepFloyd IF を実行する
Hugging Face は、8 ビット量子化、モジュラー パイプラインのロード、Diffusers 統合の最適化を使用して、オープンソースの DeepFloyd IF テキスト‑ツー‑イメージモデルを無料の Google Colab ノートブックで実行する方法を示しています。
OpenAI、ChatGPT向けの新しいデータ管理コントロールを導入
OpenAIは、ユーザーの会話がモデル学習に使用されるのを防ぐためにチャット履歴を無効化する新設定を導入し、ChatGPT Businessサブスクリプションと新しいデータエクスポートツールの計画も発表しました。
Hugging Face、グローバルAIコミュニティを支援するために中国語ブログを開始
Hugging Faceは、翻訳された技術リソースを提供し、中国のAIコミュニティとの協力を深めるために、専用の中国語ブログ（hf.co/blog/zh）を開始しました。
Hugging Face SpacesでUnityゲームをホストする
Hugging Face Spacesは、Static HTMLテンプレートとWebGLビルドターゲットを活用することで、プレイ可能なUnityゲームをホストできます。
AWS Inferentia2 で Hugging Face Transformers を高速化
Hugging Face と AWS は、特定用途向け推論アクセラレータである AWS Inferentia2 用に Transformers を最適化し、大規模モデルのレイテンシを大幅に削減し、スループットを向上させました。
トランスフォーマーによるグラフ分類
Hugging Face は、Transformers ライブラリ内の Graphormer モデルを使用したグラフ分類の実施方法を示し、データのフォーマット、前処理、ファインチューニングについて解説しています。
Substraでプライバシー保護AIを作成する
Hugging Face と Substra は、フェデレーテッドラーニングが分散したデータソース上で AI モデルのトレーニングを可能にし、特に医療などの機密性の高い領域でプライバシーとセキュリティを維持できることを示しています。
OpenAI バグバウンティプログラムのお知らせ
OpenAI は Bugcrowd と提携し、システムの脆弱性を特定・対処するセキュリティ研究者に報酬を提供するバグバウンティプログラムを開始しました。
エンタープライズ向け基盤モデルのための Snorkel AI と Hugging Face の統合
Snorkel AI は Hugging Face と提携し、Hugging Face Inference Endpoints を Snorkel Flow に統合しました。これにより、エンタープライズは 150,000 以上のオープンソース基盤モデルに簡単にアクセスし、適応させることができます。
OpenAI の AI 安全へのアプローチ
OpenAI は、厳格な事前展開テスト、反復的な実世界展開、継続的なアラインメント研究を組み合わせた多層的な安全戦略を採用し、強力な AI システムに伴うリスクを軽減しています。
StackLLaMA: Stack Exchange向けにRLHFでLLaMAをトレーニング
Hugging Faceは、Supervised Fine-tuning、Reward Modeling、そしてHuman Feedbackによる強化学習（RLHF）を用いてStack Exchangeの質問に回答するために訓練されたモデル、StackLLaMAを発表しました。
Hugging Face Ethics and Society ニュースレター #3: 倫理的オープンネスイニシアチブ
Hugging Face は、6 つの倫理タグ、フラグ機能、閲覧者向けメタデータなどの新しい倫理的オープンネス施策を発表し、オープンソースの機械学習をより安全で包括的にすることを目指しています。
Intel Sapphire Rapids CPUでのStable Diffusion推論の高速化
Hugging Faceは、Optimum Intel、OpenVINO、システムレベルの調整、IPEX BF16、そして高速なスケジューラを使用して、Intel Sapphire Rapids CPU上でStable Diffusionの画像生成を32秒から約5秒に短縮する方法を示しています。
Habana Gaudi2アクセラレータ上でのBLOOMZ推論
Hugging Faceは、Optimum HabanaライブラリとDeepSpeed-inferenceを活用し、Habana Gaudi2アクセラレータがNvidia A100 80GBよりもBLOOMZ 176Bモデルの推論を高速に実行できることを示しました。
Hugging Face と Flower を用いたフェデレーテッドラーニング
Hugging Face は、Flower フレームワークを使用して、事前学習済みの distilBERT モデルを IMDB データセットの感情分析に対してフェデレーテッドラーニングを実行する方法を示しています。
OpenAI 3月20日 ChatGPT 停止とデータ漏洩分析
OpenAIは2023年3月20日に、オープンソースライブラリのバグにより、アクティブなChatGPT Plus加入者の一部に対してチャットタイトルと支払い情報が漏洩したため、ChatGPTをオフラインにしました。
Hugging Face DiffusersでControlNetをトレーニングする
Hugging Faceは、diffusersライブラリを通じて包括的なガイドとトレーニングスクリプトを提供し、ユーザーがStable Diffusion用のカスタムControlNetモデルをトレーニングできるようにしています。これは「Uncanny Faces」ポーズモデルの作成で実証されています。
ChatGPT プラグインのリリース
OpenAI は ChatGPT 用のプラグインを導入し、モデルがリアルタイム情報にアクセスし、計算を実行し、サードパーティサービスと統合できるようにすることで、ユーティリティを拡大し、幻覚（ハルシネーション）を減らします。
Hugging Face Hub の Jupyter ノートブックサポートが改善されました
Hugging Face は、Hub にホストされた Jupyter ノートブックに対して人間が読みやすいレンダリングを導入し、機械学習実務者の再現性とアクセシビリティを向上させました。
GPTはGPTです：大規模言語モデルの労働市場への影響
OpenAIの研究によると、米国労働力の約80％が大規模言語モデルによって少なくとも10％の業務タスクに影響を受ける可能性があり、これらは汎用技術として位置付けられます。
OpenAI GPT-4 発表と機能概要
OpenAIは、さまざまなプロフェッショナルベンチマークで人間レベルの性能を達成した大規模マルチモーダルモデルGPT-4を発表し、現在ChatGPT、API待機リスト、オープンソース評価ツールを通じて利用可能です。
OpenAIがBe My Eyes向けにGPT‑4搭載のバーチャルボランティアを発表
OpenAIはGPT‑4の視覚入力をBe My Eyesアプリに統合し、画像を説明・分析・会話できるバーチャルボランティアを作成しました。これにより、盲目や低視力のユーザー向けの視覚アクセシビリティが劇的に拡大します。
Stripe GPT-4 統合ケーススタディ
Stripeはプラットフォーム全体でGPT-4を統合し、ビジネス要約の自動化、ドキュメント分析による開発者サポートの強化、コミュニティフォーラムでの不正検出の改善を実現しました。
Duolingo、先進的な語学学習のためにGPT-4を統合
Duolingoは、GPT-4搭載のロールプレイと「Explain my Answer」機能を備えた新しいサブスクリプション層「Duolingo Max」を開始し、没入型の会話練習と文脈に応じた文法フィードバックを提供します。
カーンアカデミー、GPT-4を統合しKhanmigo AIアシスタントを強化
カーンアカデミーは、GPT-4を搭載したAIチューター兼教師アシスタントであるKhanmigoをパイロット運用し、個別学習と指導支援を提供しています。