✷ 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。
Hugging Face ゼロショット評価 on the Hub
Hugging Face は Hub 上で因果言語モデル向けのゼロショット評価を導入し、コードを書かずに最大 660 億パラメータのモデルをベンチマークできるようにしました。
OpenAI DALL·E ベータが待機リストなしで利用可能に
OpenAIはDALL·Eベータの待機リストを撤廃し、現在150万人以上のユーザーが1日200万枚以上の画像を生成しているシステムへの即時サインアップを可能にしました。
Hugging Face AutoTrain 画像分類
Hugging Face は AutoTrain に画像分類を追加し、ユーザーがコードを書いたりハイパーパラメータを設定したりすることなく、カスタム画像カテゴリ分類モデルをトレーニングできるようにしました。
Hugging Face Accelerate: PyTorchで大規模モデルを実行する
Hugging Face Accelerateは、PyTorch の meta デバイスとシャーディングチェックポイントを活用し、GPU、CPU RAM、ディスクにまたがるメモリ管理を行うことで、コンシューマーハードウェア上で巨大な AI モデルの実行を可能にします。
SetFit: プロンプト不要の効率的な少数ショット学習
Hugging Face は、最小限のラベル付きデータで高精度を実現する、プロンプト不要の Sentence Transformer 少数ショットファインチューニングフレームワークである SetFit を紹介します。
Hugging Face Ethics and Society ニュースレター #1
Hugging Face は Ethics and Society ニュースレターを開始し、協働・透明性・責任という価値に基づく分散型のアプローチで AI 倫理を実践化する方法を概説しています。
OpenAI Whisper リリース
OpenAIは、アクセント、ノイズ、言語の違いに対するロバスト性を向上させるために、多言語・マルチタスクの教師ありデータ680,000時間で学習した自動音声認識（ASR）システム「Whisper」をリリースしました。
DeepSpeed と Accelerate を用いた驚異的に高速な BLOOM 推論
Hugging Face は、8×80 GB A100 GPU 上で DeepSpeed‑Inference のテンソル並列と Accelerate のパイプライン並列を使用し、176B パラメータの BLOOM モデルでトークンあたりミリ秒未満の生成を実証しました。
Anthropic Toy Models of Superposition Research
Anthropicの研究者たちは、小さなReLUネットワークを使用して、特徴量が疎であれば、モデルはsuperpositionと呼ばれる現象を通じて、次元数よりも多くの特徴量を表現できることを実示しています。
Diffusers 0.3 リリースは、画像から画像への変換、テキストインバージョン、インペインティング、GPU 最適化、Mac MPS、ONNX サポート、そして新しいドキュメントを追加します
Hugging Face は Diffusers バージョン 0.3 を発表し、画像から画像への変換、テキストインバージョン、実験的インペインティング、低スペック GPU 向け最適化、Mac MPS サポート、ONNX エクスポーター、拡張されたドキュメント、そして多数のコミュニティプロジェクトを導入しました。
オフライン強化学習のためのDecision Transformersのトレーニング
Hugging Face は、transformers の Trainer とカスタムデータコレータを使用して、HalfCheetah 環境を解くためにオフライン Decision Transformer をゼロからトレーニングするためのガイドと実装を提供しています。
Megatron-LM を用いた言語モデルのトレーニング
Hugging Face は、NVIDIA の Megatron-LM フレームワークを使用して GPU 上で大規模言語モデルを効率的に事前学習する方法と、Transformers ライブラリとの統合についてのガイドを提供しています。
DALL·E Outpainting 機能リリース
OpenAIはDALL·E向けにOutpaintingを導入し、ユーザーが自然言語の説明を用いて画像を元の境界を超えて拡張し、視覚的一貫性を保つことができるようにしました。
OpenRAIL: オープンで責任あるAIライセンスフレームワークへ向けて
Hugging Face は、オープンアクセスと使用ベースの制限を組み合わせ、機械学習モデルの責任ある展開を促進する AI 特化型ライセンス群「OpenRAIL」を発表しました。
OpenAI、ヒューマンフィードバックからの強化学習とInstructGPTを用いたアラインメント戦略を発表
OpenAI は、ヒューマンフィードバックからの強化学習と InstructGPT を、言語モデルに人間の意図に従わせる効果的かつ低コストな手法として位置付け、現在の限界と AI 主導のアラインメント研究に向けた将来目標を示しました。
Hugging Face Spacesでタンパク質を可視化
Hugging Face は、Gradio を介して 3Dmol.js を Hugging Face Spaces に統合し、ブラウザ上で 3D タンパク質構造の可視化を可能にするガイドを提供しています。
Hugging Face Transformers と Habana Gaudi を使用した BERT の事前学習
Hugging Face は、AWS の Habana Gaudi DL1 インスタンスを使用して BERT-base をスクラッチから事前学習する方法を示し、NVIDIA V100 GPU ベースのトレーニングと比較して 25% のコスト削減を実現しています。
Diffusers を使った Stable Diffusion
Hugging Face は、Diffusers ライブラリを使用してテキストから画像への Stable Diffusion モデルを実行する方法を発表し、コード、ライセンス情報、そしてモデルの潜在拡散アーキテクチャの解説を提供しました。
Anthropic 言語モデルのレッドチーミング報告書 – 手法、スケーリング挙動、および得られた教訓
Anthropic は、人間のフィードバックによる強化学習（RLHF）モデルがスケールに応じてレッドチーミングが困難になる一方で、他のモデルタイプはレッドチーミングのしやすさが変化しないことを示す詳細な研究を公開しました。また、コミュニティの安全性向上を支援するために、38,961 件の攻撃データセットを公開しました。
Vertex AI で Hugging Face ViT をデプロイする
Hugging Face は、Google Cloud の Vertex AI プラットフォーム上で Vision Transformer (ViT) モデルをデプロイし、Kubernetes レベルのスケーラビリティを大幅にコード量を削減して実現する方法を示しています。
Hugging Face Optimum Graphcore 上の Vision Transformers
Hugging Face と Graphcore は、Optimum ライブラリを使用して、Intelligence Processing Units（IPU）上で Vision Transformer（ViT）モデルの効率的なファインチューニングを可能にし、マルチラベル胸部X線分類タスクでその有用性を示しています。
Hugging Face、LLM.int8() 8ビット行列乗算を Transformers と Accelerate に統合
Hugging Face は、LLM.int8() 8ビット量子化手法を Transformers と Accelerate ライブラリに統合し、性能低下なしで非常に大規模な言語モデルの推論を可能にし、最大で 2 倍のメモリ削減を実現しました。
Hugging FaceのTensorFlow哲学
Hugging FaceはTensorFlow統合に対する技術的アプローチを概説し、KerasとXLAとの深い整合性を強調して、トランスフォーマーモデルのパフォーマンスとデプロイメントを最適化しています。
Skops ライブラリは scikit-learn モデルのホスティング、ドキュメント作成、そして Hugging Face Hub 上でのコラボレーションを可能にします
Hugging Face は Skops を発表しました。このライブラリは、ユーザーが scikit-learn モデルをパッケージ化し、ドキュメント化し、Hub に自動生成されたモデルカードと推論ウィジェットと共にプッシュできるようにします。
TF Serving を使用した Kubernetes 上の Hugging Face ViT デプロイ
Hugging Face は、Docker と Kubernetes、TensorFlow Serving を用いて Vision Transformer (ViT) のデプロイをスケールさせる技術ガイドを提供し、プロダクションレベルのオートスケーリングとリソース管理を実現します。
OpenAI モデレーションエンドポイントのリリース
OpenAI は、開発者がアプリケーション内の禁止コンテンツを検出・ブロックできるようにする GPT ベースの分類器を提供する無料の Moderation エンドポイントをリリースしました。
Hugging Face Sentence Transformers トレーニングガイド（歴史的リファレンス）
Hugging Face は、Sentence Transformers モデルのトレーニングとファインチューニングに関する古いチュートリアルを発表し、モデルのアーキテクチャ、データセット形式、損失関数、モデルのアップロード方法を説明するとともに、ユーザーを新しいトレーニング API に案内しています。
Hugging Face Deep RL クラス ユニット8：近接方策最適化（PPO）解説
Hugging Face は近接方策最適化（PPO）の詳細なウォークスルーを公開し、方策更新比率をクリップすることで学習を安定化させる仕組みを示し、CartPole‑v1 と LunarLander‑v2 で検証した、スクラッチからの PyTorch 実装を提供しました。
Hugging Face Private Hub の紹介
Hugging Face は Private Hub（現在は Enterprise Hub）を導入し、企業が機械学習モデル、データセット、Spaces を統一されたツールセットで共同作業できる、安全でコンプライアンスに準拠した環境を提供します。
Nyströmformer: Nyström 法による線形時間とメモリでの自己注意の近似
Nyströmformer は Nyström 法を用いてサンプリングされたランドマークでソフトマックス行列を近似することで、標準的な自己注意の計算量とメモリ使用量を O(n^2) から O(n) に削減します。
米国ナショナルAI研究リソースに対するHugging Faceの提言
Hugging Faceはホワイトハウスと国立科学財団に対し、ナショナルAI研究リソース（NAIRR）が倫理的専門性、標準化されたドキュメンテーション、そしてアクセスしやすいツールを優先し、AI研究の民主化を促進すべきだという回答を提出しました。
OpenAI、フィルイン・ザ・ミドル（FIM）向け言語モデルの効率的なトレーニングを発表
OpenAI は、自己回帰言語モデルがフィルイン・ザ・ミドルタスクを実行できる新しいトレーニング手法を公開しました。この手法は左から右への生成品質を犠牲にせず、インフィリング機能をシンプルかつ効率的に追加できる点が特徴です。
Hugging Face Datasets の音声およびビジョン ドキュメント更新
Hugging Face は 🤗 Datasets ライブラリのドキュメントを拡充し、音声およびビジョンデータセット向けの専用ガイドとツールを追加して、マルチモーダルデータのロードと処理を簡素化しました。
TensorFlow と XLA を使用した高速テキスト生成
Hugging Face は TensorFlow を使用した transformers ライブラリでテキスト生成に XLA コンパイルを有効化し、最大 100 倍の速度向上と、しばしば PyTorch を上回る性能を実現しました。
コード合成大型言語モデルのためのハザード分析フレームワーク
OpenAIは、Codexのような高度なコード生成モデルの展開に伴う技術的、社会的、政治的、経済的リスクを特定し軽減するためのハザード分析フレームワークを導入しました。
Hugging Face で TF Serving を使用した TensorFlow ビジョンモデルのデプロイ
Hugging Face は、Vision Transformer (ViT) などの TensorFlow ビジョンモデルを TensorFlow Serving を使用してデプロイし、REST または gRPC エンドポイントとして公開する方法に関するガイドを提供しています。
Advantage Actor Critic (A2C) の解説
Hugging Face は、ポリシーベースと価値ベースの手法を組み合わせてポリシー勾配推定の分散を低減するハイブリッド強化学習アーキテクチャである Advantage Actor Critic (A2C) を解説しています。
OpenAI DALL·E ベータリリース
OpenAIは、DALL·Eがベータ版として100万人の招待ユーザーに利用可能になり、無料の月間クレジットと商業利用権が提供されることを発表しました。
DALL·E 2 におけるバイアスの削減と安全性の向上
OpenAI は、生成される人物の多様性を高め、欺瞞的なコンテンツの作成を防止するために、安全フィルタを強化した DALL·E 2 用のシステムレベルの手法を実装しました。
MNIST 用 Dynamic Adversarial Data Collection（DADC） – Hugging Face チュートリアル
Hugging Face は、MNIST における Dynamic Adversarial Data Collection（DADC）のステップバイステップチュートリアルを発表し、人間が生成した敵対的サンプルを収集し、モデルを再訓練してロバスト性を向上させる方法を示しました。
DALL·E 2: 創造性の拡張
OpenAI の DALL·E 2 リサーチプレビューは、118 カ国以上の 3,000 人以上のアーティストに採用され、医療支援からハイエンド料理芸術まで多様なクリエイティブワークフローに AI 生成画像を統合しています。
BLOOM 176B トレーニング技術概要
Hugging Face は、384 台の A100 GPU、Megatron‑DeepSpeed の 3D 並列化、BF16 混合精度を用いて 1760 億パラメータの BLOOM モデルがどのようにトレーニングされたかを詳細に解説し、ハードウェア、ソフトウェアスタック、エンジニアリング上の課題を強調しました。
Sentence Transformers を使用したプレイリストジェネレーターの構築
Hugging Face は、歌詞埋め込みに Sentence Transformers を、ユーザーインターフェースに Gradio Blocks を使用した、意味検索ベースのプレイリストジェネレーターの作り方を示しています。
BLOOM: 世界最大のオープンマルチリンガル言語モデル
Hugging Face と BigScience プロジェクトは、46 の自然言語と 13 のプログラミング言語にわたって完全に透明なトレーニングを行った、1760 億パラメータのオープンアクセスマルチリンガル言語モデル BLOOM をリリースしました。
Anthropic Research: Language Models (Mostly) Know What They Know
Anthropicの研究は、大規模言語モデルが自身の主張の妥当性を効果的に評価し、回答を知っている可能性を予測できることを示しており、より誠実なAIへの道筋を提供しています。
Twitterで感情分析を始める
Hugging Face は、開発者とノンコーダーの両方向けに、Inference API を使用して Twitter データの自動感情分析を実行するガイドを提供しています。
PyTorchによるポリシー勾配 – Hugging Face Deep RLクラス ユニット5
Hugging Faceは、PyTorchでREINFORCE（モンテカルロ・ポリシー勾配）アルゴリズムをゼロから実装し、CartPole‑v1、PixelCopter、Pongで評価するチュートリアルを公開しました。
Sentence Transformers を使用した機械学習入門
Hugging Face は、初心者が Sentence Transformers ライブラリを使用して埋め込みを作成し、セマンティック検索を実行することで、最初の機械学習プロジェクトを開始するためのガイドを提供しています。
DALL·E 2 事前学習における緩和策
OpenAIはデータフィルタリングのためにアクティブラーニングを導入し、バイアス増幅を防止するための重み付けスキーム、そして画像の再現を排除するためのクラスタリングベースの重複除去プロセスをDALL·E 2に実装しました。
Hugging Face の Hub 上での評価
Hugging Face は Evaluation on the Hub を導入しました。これは AutoTrain が提供するノーコードツールで、ユーザーは Hugging Face Hub 上で任意のモデルを任意のデータセット上で任意の指標を用いて評価できます。