✷ アーカイブ · ラボ 11 拠点 · ディスパッチ 3,432 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 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。
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。