Databricks와 Hugging Face, Apache Spark를 통합해 LLM 학습 속도 향상
Databricks는 Dataset.from_spark() 함수를 통해 Hugging Face Datasets에 본격적인 Apache Spark 지원을 도입했으며, 대규모 모델 학습 및 튜닝 시 데이터 로딩 시간을 최대 40%까지 단축했습니다.
Diffusers와 함께 무료 티어 Google Colab에서 DeepFloyd IF 실행하기
Hugging Face는 8‑비트 양자화, 모듈식 파이프라인 로딩, Diffusers와 통합된 최적화를 활용해 무료 Google Colab 노트북에서 오픈‑소스 DeepFloyd IF 텍스트‑투‑이미지 모델을 실행하는 방법을 보여줍니다.
OpenAI가 ChatGPT를 위한 새로운 데이터 관리 제어 기능을 도입했습니다
OpenAI는 사용자 대화가 모델 학습에 사용되는 것을 방지하기 위해 채팅 기록을 비활성화하는 새로운 설정을 도입했으며, ChatGPT 비즈니스 구독 및 새로운 데이터 내보내기 도구 계획도 함께 발표했습니다.
Hugging Face, 전 세계 AI 커뮤니티 지원을 위한 중국어 블로그 개설
Hugging Face는 번역된 기술 자료를 제공하고 중국 AI 커뮤니티와의 협업을 강화하기 위해 전용 중국어 블로그 (hf.co/blog/zh)를 개설했습니다.
Hugging Face Spaces에서 Unity 게임 호스팅
Hugging Face Spaces는 Static HTML 템플릿과 WebGL 빌드 타깃을 활용하여 플레이 가능한 Unity 게임을 호스팅할 수 있습니다.
AWS Inferentia2와 함께 Hugging Face Transformers 가속화
Hugging Face와 AWS는 대규모 모델의 지연 시간을 크게 줄이고 처리량을 높이는 전용 추론 가속기인 AWS Inferentia2용 Transformer를 최적화했습니다.
Transformers를 이용한 그래프 분류
Hugging Face는 Transformers 라이브러리 내에서 Graphormer 모델을 사용해 그래프 분류를 수행하는 방법을 보여주며, 데이터 포맷팅, 전처리 및 파인튜닝을 다룹니다.
Substra를 활용한 프라이버시 보호 AI 만들기
허깅페이스와 Substra는 연합 학습이 어떻게 분산된 데이터 소스 전반에 걸쳐 AI 모델을 훈련시켜 프라이버시와 보안을 유지할 수 있는지, 특히 의료와 같은 민감한 분야에서 강조합니다.
OpenAI 버그 현상금 프로그램 발표
OpenAI는 시스템의 취약점을 식별하고 해결하는 보안 연구원에게 보상을 제공하기 위해 Bugcrowd와 협력하여 버그 현상금 프로그램을 시작했습니다.
기업용 기반 모델을 위한 Snorkel AI와 Hugging Face 통합
Snorkel AI는 Hugging Face와 파트너십을 맺어 Hugging Face Inference Endpoints를 Snorkel Flow에 통합했습니다. 이를 통해 기업은 150,000개가 넘는 오픈소스 기반 모델에 손쉽게 접근하고 맞춤화할 수 있습니다.
OpenAI의 AI 안전 접근 방식
OpenAI는 강력한 AI 시스템과 관련된 위험을 완화하기 위해 엄격한 사전 배포 테스트, 반복적인 실제 배포, 지속적인 정렬 연구를 결합한 다층 안전 전략을 사용합니다.
StackLLaMA: Stack Exchange를 위한 RLHF 기반 LLaMA 훈련
Hugging Face는 Stack Exchange 질문에 답변하도록 지도 학습 미세조정, 보상 모델링, 그리고 인간 피드백 기반 강화 학습(RLHF)을 활용해 훈련된 모델인 StackLLaMA를 소개합니다.
Hugging Face 윤리와 사회 뉴스레터 #3: 윤리적 개방성 이니셔티브
Hugging Face는 여섯 가지 윤리 태그, 플래깅 시스템, 그리고 청중을 안내하는 메타데이터를 포함한 새로운 윤리적 개방성 조치를 발표하여 오픈소스 ML을 보다 안전하고 포용적으로 만들고자 합니다.
Intel Sapphire Rapids CPU에서 Stable Diffusion 추론 가속화
Hugging Face는 Optimum Intel, OpenVINO, 시스템 수준 튜닝, IPEX BF16, 그리고 더 빠른 스케줄러를 활용해 Intel Sapphire Rapids CPU에서 Stable Diffusion 이미지 생성 시간을 32초에서 약 5초로 단축하는 방법을 보여줍니다.
BLOOMZ 추론 on Habana Gaudi2 가속기
Hugging Face는 Habana Gaudi2 가속기가 Optimum Habana 라이브러리와 DeepSpeed-inference를 활용하여 BLOOMZ 176B 모델에 대해 Nvidia A100 80GB보다 더 빠른 추론을 달성한다는 것을 보여줍니다.
Hugging Face와 Flower를 이용한 연합 학습
Hugging Face는 Flower 프레임워크를 사용해 사전 학습된 distilBERT 모델을 IMDB 데이터셋의 감성 분석에 적용하는 연합 학습 방법을 보여줍니다.
OpenAI 3월 20일 ChatGPT 중단 및 데이터 노출 분석
OpenAI는 2023년 3월 20일, 오픈소스 라이브러리의 버그로 인해 일부 활성 ChatGPT Plus 구독자의 채팅 제목 및 결제 정보가 노출되는 문제를 해결하기 위해 ChatGPT 서비스를 일시 중단했습니다.
Hugging Face Diffusers로 ControlNet 훈련하기
Hugging Face는 diffusers 라이브러리를 통해 포괄적인 가이드와 훈련 스크립트를 제공하여 사용자가 Stable Diffusion용 맞춤 ControlNet 모델을 훈련할 수 있도록 지원하며, 'Uncanny Faces' 포즈 모델 제작 사례로 이를 보여줍니다.
ChatGPT 플러그인 출시
OpenAI는 ChatGPT용 플러그인을 도입하여 모델이 실시간 정보에 접근하고, 계산을 수행하며, 타사 서비스와 통합하여 활용도를 확대하고 환각을 줄일 수 있게 했습니다.
Hugging Face Hub 향상된 Jupyter Notebook 지원
Hugging Face는 Hub에 호스팅된 Jupyter Notebook에 대한 인간이 읽을 수 있는 렌더링을 도입하여 머신러닝 실무자들의 재현성 및 접근성을 향상시켰습니다.
GPT는 GPT다: 대형 언어 모델의 노동 시장 영향
OpenAI 연구에 따르면, 미국 노동력의 약 80%가 대형 언어 모델에 의해 작업의 최소 10%가 영향을 받을 수 있으며, 이는 이 모델들을 범용 기술로 자리매김하게 합니다.
OpenAI GPT-4 발표 및 기능 개요
OpenAI는 GPT‑4를 발표했으며, 이는 많은 전문 벤치마크에서 인간 수준의 성능을 달성하는 대규모 멀티모달 모델로, 현재 ChatGPT, API 대기자 명단, 오픈소스 평가 도구를 통해 이용할 수 있습니다.
OpenAI, Be My Eyes를 위한 GPT‑4 기반 가상 자원봉사자 발표
OpenAI는 GPT‑4의 시각 입력 기능을 Be My Eyes 앱에 통합하여 이미지를 설명하고 분석하며 대화할 수 있는 가상 자원봉사자를 만들었으며, 이를 통해 시각 장애인 및 저시력 사용자의 시각 접근성을 크게 확대했습니다.
Stripe GPT-4 통합 사례 연구
Stripe는 플랫폼 전반에 GPT-4를 통합하여 비즈니스 요약을 자동화하고, 문서 분석을 통한 개발자 지원을 강화하며, 커뮤니티 포럼에서의 사기 탐지를 개선했습니다.
Duolingo, 고급 언어 학습을 위해 GPT-4를 통합
Duolingo는 GPT‑4 기반 Role Play와 Explain my Answer 기능을 제공하는 새로운 구독 등급인 Duolingo Max를 출시했습니다. 이를 통해 몰입형 대화 연습과 상황에 맞는 문법 피드백을 제공합니다.
Khan Academy가 GPT-4를 통합해 Khanmigo AI 어시스턴트를 구동
Khan Academy는 GPT-4 기반 AI 튜터 및 교사 보조인 Khanmigo를 파일럿 프로그램으로 진행하여 개별 학습과 교육 지원을 제공하고 있습니다.
OpenAI와 아이슬란드 정부의 아이슬란드어 보존 파트너십
OpenAI는 아이슬란드 정부 및 민간 기업과 협력하여 GPT-4와 인간 피드백 강화 학습(RLHF)을 활용해 디지털 시대에 아이슬란드어를 보존하고 있습니다.
Informer를 활용한 다변량 확률적 시계열 예측
Hugging Face는 계산 및 메모리 복잡성을 줄여 효율적인 다변량 확률적 시계열 예측을 가능하게 하기 위해 Informer 모델을 Transformers 라이브러리에 통합했습니다.
24GB 소비자 GPU에서 RLHF를 이용한 20B LLM 파인튜닝
Hugging Face는 TRL과 PEFT의 통합을 발표했으며, 이를 통해 8비트 양자화와 저랭크 어댑터를 사용해 24 GB GPU 하나에서 200억 파라미터 언어 모델의 강화 학습 파인튜닝이 가능해졌습니다.
Kakao Brain ViT 및 ALIGN 모델, COYO 700M 데이터셋과 함께 공개
Kakao Brain과 Hugging Face가 새로운 700 M 이미지‑텍스트 COYO 데이터셋으로 학습된 오픈소스 ViT와 ALIGN 시각‑언어 모델을 공개했습니다. 이는 최초의 공개 ALIGN 모델이자 재현 가능한 학습 데이터를 갖춘 ViT 모델을 제공한다는 의미입니다.
Diffusers의 ControlNet
Hugging Face는 Diffusers 라이브러리에 ControlNet을 통합하여 Canny 엣지, 깊이 맵, 인간 포즈와 같은 조건을 사용해 Stable Diffusion 이미지 생성에 정밀한 공간 제어를 가능하게 했습니다.
재난 대응을 위한 머신러닝 활용: afetharita 프로젝트
Hugging Face는 자원봉사자들이 Hugging Face 생태계를 활용해 2023년 2월 터키 지진 피해자들을 돕기 위해 OCR, NER 및 원격 감지를 위한 머신러닝 모델을 신속히 배포한 과정을 설명합니다.
Hugging Face Diffusers 윤리 가이드라인
Hugging Face는 Diffusers 라이브러리를 위한 윤리 프레임워크를 도입하여 기술적 결정과 커뮤니티 기여를 안내하고, 확산 모델의 잠재적인 사회적 위험을 완화합니다.
Hugging Face 전문가 가속 프로그램: Witty Works 사례 연구
Witty Works는 Hugging Face 전문가 가속 프로그램과 SetFit을 활용하여 최소한의 라벨링 데이터로 높은 정확도의 문맥 의존 포괄적 언어 분류기를 구축했습니다.
AGI와 그 너머를 위한 OpenAI 계획
OpenAI는 사회가 적응할 수 있도록 AI 시스템의 점진적 배포 전략을 제시하며, 정렬 연구 확대, 글로벌 거버넌스, 그리고 존재적 위험에 대한 신중한 접근의 필요성을 강조합니다.
Swift Diffusers for Mac 1.1 릴리스
Hugging Face는 Diffusers for Mac 버전 1.1을 출시했습니다. 이 네이티브 오픈소스 앱은 Core ML을 활용해 Apple Silicon에서 Stable Diffusion을 가속화하며, 특정 하드웨어 구성에서 최대 2배 빠른 생성 속도를 제공합니다.
대형 언어 모델 레드팀
Hugging Face는 유해한 출력을 방지하기 위해 LLM 취약점을 식별하는 데 있어 레드팀의 중요한 역할을 강조하며, 협업적이고 적응적인 평가 방법의 필요성을 강조합니다.
Fetch AI 인프라 마이그레이션: Hugging Face와 AWS를 활용한 도구 통합
Fetch는 서드파티 AI '블랙 박스'에서 Hugging Face와 AWS 기반의 자체 ML 파이프라인으로 전환함으로써 개발 시간을 30% 단축하고 처리 지연 시간을 50% 감소시켰습니다.
Hugging Face와 AWS의 AI 접근성을 위한 전략적 파트너십
Hugging Face와 AWS는 Hugging Face 모델을 AWS 인프라와 특수 설계된 ML 가속기에 통합하여 생성 AI를 민주화하기 위해 전략적 파트너십을 확대했습니다.
OpenAI AI 시스템 행동 및 거버넌스 프레임워크
OpenAI는 ChatGPT의 행동을 형성하기 위한 두 단계 훈련 과정과 기본값 개선, 사용자 맞춤화, 공공 의견 통합을 통한 AI 거버넌스를 위한 세 가지 전략을 제시합니다.
Hugging Face Inference Endpoints 사례 연구
Hugging Face는 운영 복잡성을 줄이고 지연 시간을 개선하기 위해 CPU 기반 ML 모델을 AWS ECS/Fargate에서 Hugging Face Inference Endpoints로 이전하고 있습니다.
BLIP-2: 제로샷 이미지-텍스트 생성
BLIP-2는 Salesforce Research에서 개발한 비주얼-언어 모델로, Querying Transformer(Q-Former)를 사용해 고정된 이미지 인코더와 고정된 대형 언어 모델을 연결함으로써 효율적인 제로샷 이미지-텍스트 생성을 가능하게 합니다.
🤗 PEFT 라이브러리 출시, 억대 규모 모델의 파라미터 효율적 파인튜닝 가능
Hugging Face는 🤗 PEFT 라이브러리를 발표했으며, 사용자가 파라미터의 아주 작은 부분만 학습함으로써 저자원 하드웨어에서도 억대 파라미터 모델을 파인튜닝할 수 있게 합니다.
SpeechT5: 통합 모달 인코더-디코더를 이용한 음성 처리
Hugging Face는 통합된 Transformer 기반 모델인 SpeechT5를 통합했으며, 이는 공유 인코더-디코더 백본을 통해 텍스트-음성, 음성-음성, 그리고 음성-텍스트 작업을 수행할 수 있습니다.
Hugging Face AI vs. AI: 다중 에이전트 강화 학습 대회 시스템
Hugging Face는 ELO 평점 시스템을 활용한 지속적인 다중 에이전트 경쟁을 통해 딥 강화 학습 모델을 순위 매기는 오픈소스 시스템인 AI vs. AI를 소개했습니다.
Hugging Face AI를 활용한 게임 개발: 스토리 생성
Hugging Face는 ChatGPT와 같은 대형 언어 모델(LLM)을 사용해 게임 스토리와 콘텐츠를 생성하는 워크플로우를 제시하면서, 독창성, 법적 위험, 장기적인 일관성에 관한 중요한 제한 사항을 강조합니다.
Intel Sapphire Rapids로 PyTorch Transformer 가속하기
Hugging Face는 Intel Sapphire Rapids CPU와 Optimum Intel 라이브러리를 결합하면 이전 Xeon 세대에 비해 PyTorch Transformer 추론을 최대 3배 가속할 수 있음을 보여줍니다.
비전‑언어 모델 탐구
Hugging Face는 비전‑언어 모델에 대한 기술 개요를 제공하며, 다섯 가지 주요 사전 학습 전략과 이를 VQA 및 이미지 분할과 같은 작업을 위해 Transformers 라이브러리에 통합하는 방법을 상세히 설명합니다.
ChatGPT Plus 출시
OpenAI는 피크 타임에도 접근을 보장하고, 더 빠른 응답 및 기능 우선 롤아웃을 제공하는 월 $20 구독 서비스인 ChatGPT Plus를 발표했으며, 전 세계적으로 이용 가능 범위를 확대했습니다.
OpenAI AI 텍스트 분류기 출시 (2023년 1월)
OpenAI는 2023년 1월에 공개 AI 텍스트 분류기를 출시했으며, AI가 생성한 것으로 추정되는 영어 텍스트를 표시하지만 신뢰성이 낮아 AI 텍스트의 26%만 식별하고 인간 텍스트의 9%를 오분류합니다.