✷ アーカイブ · ラボ 11 拠点 · ディスパッチ 3,061 件
ラボ
毎朝十数個の公式ブログを開いて回る必要はありません。OpenAI、Anthropic、DeepMind などの一次発表を、要点を抜き出した形で。
顧客フィードバック分析のための Yabble GPT-3 統合
Yabble は OpenAI の GPT-3 を統合し、複雑な顧客フィードバックデータセットの分析にかかる時間を数週間から数分に短縮しました。
Waymarkの動画スクリプト作成におけるGPT-3ファインチューニング
WaymarkはファインチューニングされたGPT-3モデルを統合し、カスタマイズされた高品質な動画広告スクリプトの作成を自動化することで、顧客の編集時間を削減し、動画制作の規模拡大を実現しました。
グラフ機械学習の紹介
Hugging Face は、グラフ機械学習の包括的な概要を提供し、グラフの表現方法と、ニューラル以前の特徴からグラフニューラルネットワーク、グラフトランスフォーマーへの進化を詳述しています。
ゲーム開発のためのAI：5日で農業ゲームを作る（パート1）
Hugging Face は、Stable Diffusion を使用して農業ゲームのビジュアルアートスタイルとコンセプトアートを確立し、それを Unity で実装する方法を示しています。
Intel Sapphire Rapids を使用した PyTorch Transformers の高速化 – パート 1
Hugging Face は、Intel Sapphire Rapids CPU クラスタ上で IPEX と oneCCL を使用して PyTorch Transformers をトレーニングする方法を示し、Ice Lake に比べて最大 8 倍の高速化と、4 ノード間でほぼ線形スケーリングを実現しています。
OpenAI 次世代キャラクター作成に関する発表
次世代キャラクター作成に関する発表のために提供されたソース資料は404エラーにより利用できず、技術的な詳細や公式な主張は一切提供されていません。
OFASys: マルチモーダル・マルチタスク学習のためのフレームワーク
Qwenは、単一行のInstructionインターフェースで複雑なタスクやモダリティを定義できるようにすることで、マルチモーダル・マルチタスク学習を簡素化するAIフレームワーク、OFASysを紹介します。
Chinese CLIP: 中国語における対照的なビジョン・言語事前学習
Qwenは、クロスモーダル検索と画像分類において、英語中心のCLIPモデルの文化的・言語的制約を克服するよう設計されたビジョン・言語モデル、Chinese CLIPをリリースしました。
OpenAI Applied AI Research: AGI、セーフティ、継続的学習に関する視点
OpenAI の Applied AI Research チームの Lilian Weng が、AGI への道筋、モデルのアラインメントと安全性の極めて重要な重要性、そして AI 開発における継続的学習の役割について論じます。
CLIPSeg を用いたゼロショット画像セグメンテーション
Hugging Face は、CLIP 埋め込みを利用してテキストまたは画像プロンプトからセグメンテーションマスクを生成する、カテゴリ固有の学習を必要としないゼロショット画像セグメンテーションモデル CLIPSeg を紹介します。
Hugging Face モデルカード ドキュメンテーション フレームワーク
Hugging Face は、GUI ベースの作成ツールと標準化されたテンプレートを含む一連のツールとリソースを提供し、機械学習モデルのドキュメンテーションのアクセシビリティと標準化を向上させました。
Anthropic Research: Discovering Language Model Behaviors with Model-Written Evaluations
Anthropicの研究者は、より大きなモデルにおける逆スケーリングや追従性を含む、新しい挙動を特定するために、言語モデルを使用して高品質な評価を自動生成する手法を開発しました。
OpenAI Point-E: テキストプロンプトから3Dポイントクラウドを生成
OpenAIは、単一GPUで1〜2分で複雑なテキストプロンプトから3Dポイントクラウドを生成するシステム、Point‑Eを発表しました。サンプリング速度を絶対的なサンプル品質より優先しています。
OpenAI text-embedding-ada-002 リリース
OpenAIは text-embedding-ada-002 モデルを発表しました。これは統合された、より高速で安価な埋め込みモデルで、ほとんどのタスクで従来のモデルを上回ります。
Hugging Face オーディオデータセットガイド – データのロード、処理、ストリーミング方法
Hugging Face は、🤗 Datasets ライブラリが Hub から任意のオーディオデータセットを数行の Python コードでロード、前処理、ストリーミングできることを示す包括的なガイドを発表し、音声およびオーディオタスクの効率的な研究を可能にしました。
Hugging Face Ethics and Society Newsletter #2: 機械学習におけるバイアスへの対処
Hugging Face は、バイアスをリスク要因として扱い、タスク定義、データセット作成、モデル訓練の各段階で対処すべきという社会技術的フレームワークを提示しています。
Constitutional AI: Harmlessness from AI Feedback
Anthropicは、有害な出力を減らすために、人間のラベル付けの代わりに、一連のルール（憲法）とAIフィードバックを使用して、無害なAIアシスタントを訓練する方法であるConstitutional AIを導入しました。
Habana Gaudi2 vs Nvidia A100 80GB パフォーマンスベンチマーク
Hugging Face のベンチマークは、Habana Gaudi2 が BERT、Stable Diffusion、T5-3B モデルにおいて、トレーニングと推論の両方で Nvidia A100 80GB のスループットの約2倍を提供することを示しています。
Hugging Face が Bumblebee を発表：純粋な Elixir で Transformers と Stable Diffusion
Hugging Face は Bumblebee をリリースしました。これは純粋な Elixir 実装の Transformers で、GPT‑2 から Stable Diffusion までのモデルを Elixir エコシステムにもたらし、外部依存なしでネイティブな CPU/GPU 推論を可能にします。
人間のフィードバックからの強化学習 (RLHF) の解説
Hugging Face は、人間の好みに基づく報酬モデルを使用してモデルを最適化することで、大規模言語モデルを複雑な人間の価値観に合わせるための 3 ステップのプロセスである、人間のフィードバックからの強化学習 (RLHF) について解説しています。
OpenAI 超大規模コンピューティングインフラストラクチャとバックエンドシステムエンジニアリング
OpenAIエンジニアのJake Stangelは、極端な規模が他のユーザーでは見られないハードウェアやカーネルの問題を露呈させる、数十億ドル規模のスーパーコンピューティングクラスターの管理における技術的課題について説明しています。
タンパク質を用いたディープラーニング – Hugging Face のタンパク質言語モデルとフォールディングに関するガイド
Hugging Face は、タンパク質言語モデルのファインチューニング方法と ESMFold を用いたタンパク質フォールディングの手順を示すチュートリアルシリーズを発表し、NLP の転移学習手法をタンパク質配列タスクに直接適用できることを実証しました。
🤗 Transformers を用いた時系列トランスフォーマーの確率的予測
Hugging Face は、グローバルな確率的時系列予測のためのバニラTransformerモデルをリリースし、Tourism Monthly ベンチマークで最先端の性能を示しました。
Apple Silicon 上の Stable Diffusion Core ML – 実行方法と最適化
Hugging Face は Apple Silicon 用に Core ML に変換された Stable Diffusion のチェックポイントをリリースし、Python または Swift でデバイス上で画像生成が可能になり、M1 Max では画像1枚あたり最大 18 秒で生成できます。
OpenAI が ChatGPT を紹介
OpenAI は、対話形式でのやり取りを可能にするために、人間のフィードバックからの強化学習（RLHF）で訓練された GPT-3.5 系列に基づく会話型 AI モデル、ChatGPT をリリースしました。
VQ-Diffusion: 離散空間における条件付き潜在拡散
VQ-Diffusion は、量子化された離散潜在空間上で動作する条件付き潜在拡散モデルであり、従来の自己回帰モデルよりも高速な推論と高品質な画像を提供します。
Hugging Face 2023 インターンシッププログラム
Hugging Face は 2023 年のインターンシッププログラムを発表し、オープンソース、サイエンス、社会的インパクトチームの役割を提供して、責任ある機械学習の民主化を目指しています。
Hugging Face ディフュージョンモデルクラスとコミュニティイベント
Hugging Faceは、2022年11月28日に開始する無料のディフュージョンモデルクラスを発表し、同月30日にStability AI、Meta、Runwayの研究者が参加するライブコミュニティイベントを開催します。
Hugging Face ディレクター・オブ・機械学習インサイト Part 4
4人の機械学習ディレクターが、eコマース、エンジニアリング、教育、SaaSにおけるMLの影響、課題、統合上の落とし穴について業界別の洞察を共有します。
Hugging Face 推論ソリューション概要 2022年11月
Hugging Face は、ウィジェット、API、Inference Endpoints、Spaces といった無料および有料の推論オプションを発表し、モデルのテスト、デプロイ、そして本番スケーリングをシンプルにしました。
Hugging Face が文書AIを加速
Hugging Face は、オープンソースのマルチモーダルモデルを活用して、エンタープライズワークフローにおける文書分類、パーシング、ビジュアル質問応答を自動化するための包括的なガイドを提供しています。
ホモモルフィック暗号を用いた暗号化データの感情分析
Hugging Face は、Concrete-ML ライブラリを使用して、BERT トランスフォーマーと XGBoost を組み合わせ、完全同型暗号 (FHE) を用いた暗号化データの感情分析を実行する方法を示しています。
Hugging Face と arXiv の機械学習デモ統合
Hugging Face は Hugging Face Spaces と arXivLabs を統合し、arXiv の論文要旨ページ上でインタラクティブな機械学習デモを直接提供できるようにしました。
OFA: オールインワンモデルの構築に向けて
OFAは、指示ベースのマルチタスク事前学習を用いて、異なるモダリティ間の理解タスクと生成タスクを単一のフレームワークに統合した統合マルチモーダル事前学習モデルです。
Hugging Face 価格更新 2022年11月
Hugging Faceは、Inference APIのPaid tierを廃止し、Inference EndpointsとSpacesのハードウェアアップグレードに焦点を当てた、コンピュートベースの収益化モデルへ移行しました。
トランスフォーマーにおける人間レベルのテキスト生成のためのコントラスト検索
Hugging Face は、transformers ライブラリに Contrastive Search を統合しました。このデコード手法は、モデルの退化を防ぎ、オフ・ザ・シェルフモデルを使用して 16 言語で意味的一貫性を維持します。
Dreambooth Stable Diffusion ファインチューニングガイド（Diffusers）
Hugging Face は Diffusers ライブラリを用いた Dreambooth による Stable Diffusion のトレーニングに関する詳細な推奨事項を公開し、低い学習率、十分なステップ数、顔に対する prior‑preservation、テキストエンコーダのファインチューニングが最高品質の結果をもたらすことを示した。
大規模言語モデルにおけるスケーラブルな監視の進捗を測定する
Anthropicの研究者たちは、人間が最終的に複雑なタスクにおいて人間を凌駕する可能性があるAIシステムを監視できるようにするために、スケーラブルな監視を経験的に研究するためのフレームワークを提案しています。
OpenAI DALL·E API パブリックベータ発表
OpenAIは、DALL·E画像生成APIがパブリックベータで利用可能になったことを発表し、開発者が最先端の画像生成と組み込みのモデレーション機能をアプリに統合できるようにしました。
Hugging Face Transformers を使用した Whisper の多言語 ASR ファインチューニング
Hugging Face は、OpenAI の Whisper モデルを多言語自動音声認識（ASR）向けにファインチューニングするための包括的なガイドを提供しており、わずか 8 時間のデータでヒンディー語に対して 31.5% の絶対的な WER 改善を実証しています。
Hugging Face Optimum Intel と OpenVINO の統合
Hugging Face は Intel OpenVINO を Optimum Intel に統合し、Intel ハードウェア上で Transformer モデルの高速推論と量子化を可能にしました。
🤗 Evaluate を用いた言語モデルバイアスの評価
Hugging Face はバイアス測定指標（toxicity、language polarity、HONEST）を 🤗 Evaluate ライブラリに追加し、因果言語モデルにおける有害な言語の体系的測定を可能にしました。
PyTorch DDP、Accelerate、Transformers Trainer を用いた分散トレーニング
Hugging Face は、ネイティブ PyTorch DDP、Accelerate ライブラリ、そして高レベルの Transformers Trainer API の 3 つの抽象化レベルを用いた分散トレーニングの実装方法を解説しています。
OpenAI の報酬モデル過最適化に関するスケーリング法則
OpenAIは、不完全なプロキシ報酬モデルに対して最適化を行うと、最終的に実際の性能が低下し、モデルのパラメータ数やデータセットサイズに基づく予測可能なスケーリング法則に従うことを明らかにした。
MTEB: 大規模テキスト埋め込みベンチマーク
Hugging Face は、テキスト埋め込みモデルの性能を評価するために、8つのタスクにわたる56のデータセットからなる大規模かつ多言語対応のベンチマーク、MTEB を導入しました。
Hugging Face 推論エンドポイント
Hugging Face Inference Endpoints は、ユーザーが Hugging Face Hub から機械学習モデルを数クリックでスケーラブルかつ安全なクラウドインフラへデプロイできるマネージドサービスです。
Stable Diffusion JAX と Flax の統合
Hugging Face Diffusers バージョン 0.5.1 は Flax のサポートを導入し、JAX を介して Google TPU 上で高速な Stable Diffusion 推論を可能にします。
Hugging Face BLOOM 推論最適化
Hugging Face は、Pipeline Parallelism から Tensor Parallelism へ移行し、カスタム CUDA カーネルを実装することで、BLOOM モデルのレイテンシを 5 倍削減し、スループットを 50 倍向上させました。
Hugging Face、モデルとデータセット向けに DOI サポートを導入
Hugging Face は、Hub のモデルやデータセットに対してデジタルオブジェクト識別子（DOI）を生成できるようにし、バージョンを超えて永続的で引用可能なリンクを提供します。
rinnaによる日本語Stable Diffusionのリリース
rinnaはJapanese Stable Diffusionをリリースしました。これはStable Diffusionの日本語向けにファインチューニングされたバージョンで、日本語のプロンプトから文化的に適切な画像を生成します。