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.
Hugging Face의 컴퓨터 비전 현황
Hugging Face는 8개의 핵심 컴퓨터 비전 작업, 3,000개 이상의 모델, 그리고 100개 이상의 데이터셋을 지원하도록 생태계를 확장했으며, Transformer와 컨볼루션 아키텍처를 모두 통합했습니다.
Hugging Face 2D 자산 생성 - 게임 개발
Hugging Face는 Stable Diffusion의 Image2Image 기능을 협업 2D 게임 자산 워크플로에 통합하여 생산 준비가 된 아이콘을 효율적으로 만드는 방법을 보여줍니다.
효율적인 Stable Diffusion 파인튜닝을 위한 LoRA 활용
Hugging Face는 Low-Rank Adaptation(LoRA)을 diffusers 라이브러리에 통합하여, 훨씬 낮은 VRAM 요구량과 3 MB 정도의 작은 모델 가중치로 Stable Diffusion 파인튜닝을 더 빠르게 수행할 수 있게 했습니다.
Hugging Face Optimum 및 ONNX Runtime 훈련 통합
Hugging Face와 Microsoft는 ONNX Runtime을 Optimum 라이브러리에 통합하여 트랜스포머 기반 모델의 훈련 시간을 35% 이상 단축했습니다.
대화형 에이전트를 유용하게 만드는 요소는? 기술 분석
Hugging Face는 기본 언어 모델을 유용한 대화형 에이전트로 전환하는 핵심 기술인 Instruction Fine‑Tuning(IFT), Supervised Fine‑Tuning(SFT), Reinforcement Learning from Human Feedback(RLHF), 그리고 Chain‑of‑Thought(CoT)를 분석합니다.
OpenAI와 Microsoft, 전략적 파트너십 확대
OpenAI와 Microsoft는 수년간 수십억 달러 규모의 파트너십을 연장하여 독립적인 AI 연구를 가속화하고 Azure를 통한 AI 모델 배포를 확대했습니다.
Hugging Face 게임 개발을 위한 AI: 3D 자산 생성
Hugging Face는 텍스트‑투‑3D AI의 현재 상태를 탐구하며, DreamFusion 및 Point‑E와 같은 도구가 존재하지만 아직 빠른 게임 개발 워크플로에 실용적으로 적용될 수 없다고 결론짓습니다.
Mask2Former와 OneFormer: 🤗 Transformers의 범용 이미지 분할 모델
Hugging Face는 Transformers 라이브러리에 Mask2Former와 OneFormer를 출시하여, 단일 모델로 인스턴스, 의미, 파노프틱 분할을 처리할 수 있는 범용 아키텍처를 제공합니다.
Hugging Face Hub와 PaddlePaddle 통합
Hugging Face는 PaddlePaddle과 협력하여 PaddleNLP를 시작으로 그들의 딥러닝 플랫폼 및 라이브러리를 Hugging Face Hub에 통합함으로써 접근성과 공유를 향상시켰습니다.
Hugging Face Datasets와 Transformers를 이용한 이미지 유사도
Hugging Face는 Transformers와 Datasets 라이브러리를 사용해 밀집 벡터 임베딩을 계산하고 코사인 유사도를 측정함으로써 이미지 유사도 시스템을 구축하는 방법을 보여줍니다.
디스인포메이션 캠페인을 위한 언어 모델 남용 예측
OpenAI, Georgetown University, 그리고 Stanford Internet Observatory는 대형 언어 모델이 디스인포메이션 캠페인의 비용을 낮추고 규모를 확대할 수 있는 방식을 분석하고, 완화를 위한 4단계 프레임워크를 제안하는 보고서를 발표했습니다.
게임 개발을 위한 AI: LLM을 활용한 게임 디자인
Hugging Face는 ChatGPT와 같은 대형 언어 모델을 게임 디자인의 브레인스토밍 및 가속화 도구로 활용하는 방법을 보여주며, 특히 농업 게임의 핵심 기능 정의에 적용됩니다.
고객 피드백 분석을 위한 Yabble GPT-3 통합
Yabble은 OpenAI의 GPT-3을 통합하여 복잡한 고객 피드백 데이터 세트를 분석하는 데 걸리는 시간을 몇 주에서 몇 분으로 단축했습니다.
Waymark의 비디오 스크립트 제작을 위한 GPT-3 파인튜닝
Waymark는 맞춤형 고품질 비디오 광고 스크립트 생성을 자동화하기 위해 파인튜닝된 GPT-3 모델을 통합했으며, 고객의 편집 시간을 줄이고 비디오 제작을 확장했습니다.
그래프 머신 러닝 소개
Hugging Face는 그래프 머신 러닝에 대한 포괄적인 개요를 제공하며, 그래프가 어떻게 표현되는지와 사전 신경망 특징에서 그래프 신경망 및 그래프 트랜스포머로의 진화를 자세히 설명합니다.
게임 개발을 위한 AI: 5일 만에 농장 게임 만들기 (파트 1)
Hugging Face는 Stable Diffusion을 활용해 농장 게임의 시각적 아트 스타일과 컨셉 아트를 설정하고, 이를 Unity에 구현하는 방법을 보여줍니다.
Intel Sapphire Rapids와 함께 PyTorch Transformer 가속 – 파트 1
Hugging Face는 IPEX와 oneCCL을 사용하여 Intel Sapphire Rapids CPU 클러스터에서 PyTorch Transformer를 학습하는 방법을 보여주며, Ice Lake 대비 최대 8배 속도 향상과 4노드에 걸친 거의 선형 확장을 달성합니다.
OpenAI 차세대 캐릭터 제작 발표
차세대 캐릭터 제작에 관한 발표를 위한 제공된 원본 자료는 404 오류로 인해 사용할 수 없으며, 기술 세부 사항이나 공식 주장도 제공되지 않습니다.
OFASys: 다중모달 멀티태스크 학습을 위한 프레임워크
Qwen은 사용자가 단일 라인 Instruction 인터페이스를 통해 복잡한 작업과 모달리티를 정의할 수 있게 함으로써 다중모달 멀티태스크 학습을 간소화하는 AI 프레임워크인 OFASys를 소개합니다.
Chinese CLIP: 중국어 대비 비전-언어 사전학습
Qwen은 문화적·언어적 한계를 극복하도록 설계된 비전-언어 모델인 Chinese CLIP을 출시했습니다. 이 모델은 교차 모달 검색 및 이미지 분류에서 영어 중심 CLIP 모델의 한계를 뛰어넘습니다.
OpenAI Applied AI Research: AGI, 안전, 그리고 지속적 학습에 대한 관점
OpenAI Applied AI Research 팀의 Lilian Weng은 AGI로 가는 길, 모델 정렬 및 안전의 중요한 중요성, 그리고 AI 개발에서 지속적 학습의 역할에 대해 논의합니다.
CLIPSeg을 이용한 제로샷 이미지 분할
Hugging Face는 CLIPSeg를 소개합니다. 이 제로샷 이미지 분할 모델은 CLIP 임베딩을 활용하여 텍스트 또는 이미지 프롬프트 중 하나로부터 분할 마스크를 생성하며, 카테고리별 학습이 필요하지 않습니다.
Hugging Face 모델 카드 문서화 프레임워크
Hugging Face는 GUI 기반 생성 도구와 표준화된 템플릿을 포함한 일련의 도구와 리소스를 출시하여 머신러닝 모델 문서화의 접근성과 표준화를 향상시켰습니다.
OpenAI Point-E: 텍스트 프롬프트에서 3D 포인트 클라우드 생성
OpenAI는 복잡한 텍스트 프롬프트에서 3D 포인트 클라우드를 1~2분 안에 단일 GPU로 생성하는 시스템인 Point-E를 소개했으며, 절대적인 샘플 품질보다 샘플링 속도를 우선시합니다.
OpenAI text-embedding-ada-002 릴리스
OpenAI는 text-embedding-ada-002 모델을 발표했습니다. 이 모델은 통합된, 더 빠르고, 더 저렴한 임베딩 모델로 대부분의 작업에서 이전 모델보다 뛰어납니다.
Hugging Face 오디오 데이터셋 가이드 – 로드, 처리 및 스트리밍
Hugging Face는 🤗 Datasets 라이브러리를 사용해 Hub에서 모든 오디오 데이터셋을 몇 줄의 파이썬 코드만으로 로드, 전처리 및 스트리밍할 수 있음을 보여주는 포괄적인 가이드를 발표했으며, 이를 통해 음성 및 오디오 작업에 대한 효율적인 연구가 가능해졌습니다.
Hugging Face 윤리와 사회 뉴스레터 #2: 머신러닝 편향 다루기
Hugging Face는 편향을 작업 정의, 데이터셋 정제, 모델 훈련 전반에 걸쳐 해결해야 할 위험 요인으로 간주하는 사회기술적 프레임워크를 제시합니다.
Habana Gaudi2 vs Nvidia A100 80GB 성능 벤치마크
Hugging Face 벤치마크에 따르면 Habana Gaudi2는 BERT, Stable Diffusion, T5-3B 모델에 대해 학습 및 추론 모두에서 Nvidia A100 80GB 대비 약 두 배의 처리량을 제공합니다.
Hugging Face, 순수 Elixir에서 Transformers와 Stable Diffusion을 지원하는 Bumblebee 발표
Hugging Face는 순수 Elixir로 구현된 Transformers인 Bumblebee를 출시했습니다. 이 라이브러리는 GPT‑2부터 Stable Diffusion까지의 모델을 Elixir 생태계에 도입하여, 외부 의존성 없이 네이티브 CPU/GPU 추론을 가능하게 합니다.
인간 피드백 기반 강화 학습 (RLHF) 설명하기
Hugging Face는 인간의 선호도를 기반으로 한 보상 모델을 사용하여 대규모 언어 모델을 최적화함으로써, 복잡한 인간의 가치에 맞게 모델을 정렬하는 3단계 프로세스인 인간 피드백 기반 강화 학습 (RLHF)을 설명합니다.
OpenAI 슈퍼컴퓨팅 인프라 및 백엔드 시스템 엔지니어링
OpenAI 엔지니어 Jake Stangel은 수십억 달러 규모의 슈퍼컴퓨팅 클러스터를 관리하면서, 극한 규모가 다른 사용자에게는 보이지 않는 하드웨어 및 커널 문제를 드러내는 기술적 도전 과제를 설명합니다.
단백질을 활용한 딥러닝 – Hugging Face 가이드: 단백질 언어 모델 및 폴딩
Hugging Face는 단백질 언어 모델을 파인튜닝하고 ESMFold를 사용해 단백질 폴딩을 수행하는 튜토리얼 시리즈를 발표했으며, NLP에서 사용되는 전이 학습 기법을 단백질 서열 작업에 직접 적용할 수 있음을 보여줍니다.
🤗 Transformers를 이용한 시계열 Transformer 확률적 예측
Hugging Face는 전역 확률 시계열 예측을 위한 기본 Transformer 모델을 출시했으며, Tourism Monthly 벤치마크에서 최첨단 성능을 입증했습니다.
Apple Silicon에서 Stable Diffusion Core ML – 실행 및 최적화 방법
Hugging Face는 Apple Silicon용 Core ML 변환 Stable Diffusion 체크포인트를 출시했으며, Python 또는 Swift에서 M1 Max 기준 이미지당 최대 18초로 온디바이스 이미지 생성을 가능하게 합니다.
OpenAI가 소개하는 ChatGPT
OpenAI는 GPT-3.5 시리즈를 기반으로 인간 피드백을 통한 강화 학습(RLHF)으로 훈련된 대화형 AI 모델인 ChatGPT를 출시했으며, 대화 형식으로 상호작용하도록 설계되었습니다.
VQ-Diffusion: 이산 공간에서의 조건부 잠재 확산
VQ-Diffusion은 양자화된 이산 잠재 공간에서 작동하는 조건부 잠재 확산 모델로, 기존의 자동 회귀 모델보다 빠른 추론과 높은 이미지 품질을 제공합니다.
Hugging Face 2023 인턴십 프로그램
Hugging Face는 책임 있는 머신러닝을 민주화하기 위해 오픈소스, 과학, 사회적 영향 팀 전반에 걸친 역할을 제공하는 2023 인턴십 프로그램을 발표했습니다.
Hugging Face 확산 모델 클래스 및 커뮤니티 이벤트
Hugging Face는 2022년 11월 28일 시작되는 무료 확산 모델 클래스를 발표했으며, 11월 30일에 Stability AI, Meta, Runway의 연구원들이 참여하는 라이브 커뮤니티 이벤트가 함께 진행됩니다.
Hugging Face 머신러닝 인사이트 디렉터 파트 4
네 명의 머신러닝 디렉터가 전자상거래, 엔지니어링, 교육, SaaS 분야에서 ML의 영향, 과제 및 통합 함정에 대한 산업별 인사이트를 공유합니다.
Hugging Face 추론 솔루션 개요 2022년 11월
Hugging Face는 위젯, API, Inference Endpoints, Spaces 등 무료 및 유료 추론 옵션을 발표해 모델 테스트, 배포 및 프로덕션 확장을 간소화했습니다.
Hugging Face 문서 AI 가속화
Hugging Face는 오픈소스 멀티모달 모델을 활용하여 기업 워크플로우에서 문서 분류, 파싱 및 시각적 질문 응답을 자동화하는 포괄적인 가이드를 제공합니다.
동형 암호화를 이용한 암호화된 데이터에 대한 감성 분석
Hugging Face는 Concrete-ML 라이브러리를 사용하여 BERT 트랜스포머와 XGBoost를 결합한 완전 동형 암호화(FHE) 방식으로 암호화된 데이터에 대한 감성 분석을 수행하는 방법을 보여줍니다.
머신러닝 데모를 위한 Hugging Face와 arXiv 통합
Hugging Face는 Hugging Face Spaces와 arXivLabs를 통합하여 arXiv 논문 초록 페이지에서 직접 인터랙티브 머신러닝 데모를 제공합니다.
OFA: 하나의 모델을 위한 구축을 향해
OFA는 지시 기반 멀티태스크 사전학습을 활용하여 모달리티 전반에 걸친 이해와 생성 작업을 하나의 프레임워크로 통합하는 통합 멀티모달 사전학습 모델이다.
Hugging Face 가격 업데이트 2022년 11월
Hugging Face는 컴퓨트 기반 수익 모델로 전환했으며, Inference API의 유료 티어를 종료하고 Inference Endpoints와 Spaces의 하드웨어 업그레이드로 대체했습니다.
Transformers에서 인간 수준 텍스트 생성을 위한 대조 검색
Hugging Face는 transformers 라이브러리에 대조 검색을 통합했으며, 이 디코딩 방법은 모델 퇴화를 방지하고 오프‑더‑쉘프 모델을 사용해 16개 언어 전반에 걸쳐 의미적 일관성을 유지합니다.
Dreambooth Stable Diffusion 파인‑튜닝 가이드 with Diffusers
Hugging Face는 Diffusers 라이브러리를 사용한 Dreambooth로 Stable Diffusion을 학습하기 위한 상세 권장 사항을 발표했으며, 낮은 학습률, 충분한 단계, 얼굴에 대한 prior preservation, 텍스트‑인코더 파인‑튜닝이 가장 높은 품질의 결과를 제공한다는 것을 보여줍니다.
OpenAI DALL·E API 공개 베타 발표
OpenAI는 DALL·E 이미지 생성 API가 이제 공개 베타로 제공된다고 발표했으며, 이를 통해 개발자는 최첨단 이미지 생성 및 내장된 검열 기능을 앱에 통합할 수 있게 되었습니다.