✷ 아카이브 · 연구소 11곳 · 디스패치 3,060건
연구소
매일 아침 십여 개의 공식 블로그를 돌아볼 필요가 없습니다. OpenAI, Anthropic, DeepMind 등의 일차 발표를 핵심만 뽑아서.
Anthropic Claude의 100k 토큰 컨텍스트 창을 위한 프롬프트 엔지니어링 가이드
Anthropic는 70–95k 토큰 문서에서 Claude의 기억력을 크게 향상시키기 위해 참조 인용문 추출과 다수의 인컨텍스트 예시 제공이 효과적임을 정량적으로 입증한 연구를 발표했다.
허깅 페이스 PROs용 추론
허깅 페이스는 PRO 사용자를 위한 Inference를 도입하여, 선별된 최첨단 모델에 대한 가속화된 API 엔드포인트와 무료 Inference API의 증가된 속도 제한을 제공합니다.
Ollama를 통한 Obsidian 노트와 로컬 LLM 통합하기
Ollama는 Llama Index와 로컬 LLM을 사용하여 개인용 노트와 개념적 검색 및 대화형 상호작용을 가능하게 하는 Obsidian 플러그인을 구축하는 방법을 보여줍니다.
OpenAI 레드팀 네트워크
OpenAI가 레드팀 네트워크를 출시했습니다. 이는 전 세계 도메인 전문가로 구성된 공식 커뮤니티로, AI 모델을 엄격히 평가하여 위험을 식별하고 개발 수명 주기 전반에 걸쳐 안전성을 향상시키는 임무를 맡고 있습니다.
Rocket Money x Hugging Face: 프로덕션에서 변동성이 큰 ML 모델 확장
Rocket Money는 Hugging Face의 Inference API를 사용하여 레거시 regex 기반 시스템을 대체하고 월간 10억 건 이상의 거래를 처리하도록 거래 분류 시스템을 확장했습니다.
앤트로픽 책임 있는 규모 확장 정책
앤트로픽은 AI 안전 수준(ASL)을 활용해 AI 모델의 능력과 치명적 위험 증가에 따라 더 엄격한 안전성 및 보안 절차를 의무화하는 책임 있는 규모 확장 정책(RSP)을 도입했다.
3D 가우시안 스플래팅 소개
3D 가우시안 스플래팅은 소수의 이미지에서 학습된 포토리얼리스틱 3D 장면을 실시간으로 렌더링할 수 있는 래스터화 기술입니다.
Hugging Face 객체 감지 리더보드
허깅 페이스는 COCO 스타일 메트릭스를 사용해 오픈소스 모델을 순위 매기는 객체 감지 리더보드를 출시하고, 평균 정밀도와 평균 재현율이 어떻게 계산되는지 및 결과에 영향을 줄 수 있는 요인을 설명하는 블로그를 게시했습니다.
프로덕션 환경에서의 LLM 최적화: 정밀도, 어텐션 및 아키텍처
Hugging Face는 저정밀도 양자화, 메모리 효율성을 위한 Flash Attention, 그리고 RoPE, ALiBi, MQA, GQA와 같은 아키텍처 최적화에 초점을 맞춘 효율적인 LLM 배포를 위한 핵심 기술들을 설명합니다.
Anthropic과 BCG의 기업용 AI 배포를 위한 파트너십
Anthropic은 Claude AI를 기업용 전략적 서비스에 통합하기 위해 Boston Consulting Group (BCG)과 파트너십을 맺었으며, 안전하고 책임감 있는 생성형 AI 솔루션의 배포에 집중하고 있습니다.
OpenAI는 새로운 더블린 사무소를 통해 유럽에 존재감을 확립합니다
OpenAI는 아일랜드 더블린에 새로운 사무소를 열어 유럽 운영, 신뢰 및 안전, 보안 엔지니어링, 법무 기능을 확장합니다.
PyTorch FSDP를 사용한 Llama 2 70B 파인튜닝
Hugging Face는 CPU RAM 병목 현상을 극복하고 VRAM 사용량을 최적화하기 위해 PyTorch Fully Sharded Data Parallelism (FSDP) 및 Accelerate를 사용하여 Llama 2 70B를 파인튜닝하는 방법을 보여줍니다.
Würstchen 소개: 이미지 생성을 위한 빠른 확산
Würstchen은 42x 공간 압축을 달성하여 훈련 및 추론 비용을 크게 줄이는 빠르고 효율적인 텍스트-이미지 확산 모델입니다.
Hugging Face Transformers 양자화 개요
Hugging Face는 소형 장치에서 대규모 모델 추론을 가능하게 하고 효율적인 어댑터 미세 조정을 지원하기 위해 bitsandbytes 및 auto-gptq 양자화 방식을 기본적으로 지원합니다.
SafeCoder 대 폐쇄형 코드 어시스턴트
Hugging Face는 오픈소스 StarCoder 모델을 기반으로 하는 엔터프라이즈급 코드 어시스턴트인 SafeCoder를 소개하며, 폐쇄형 대안보다 투명성, 커스터마이징, 데이터 프라이버시를 우선시합니다.
Code Llama 프롬프트 가이드
Ollama는 Meta의 Code Llama 모델 변형—Instruct, 코드 완성, Python 전용 버전—에 대한 프롬프트 구조화 방법에 대한 기술 가이드를 제공합니다.
T2I-Adapters를 사용한 SDXL의 효율적인 컨트롤러블 생성
Hugging Face와 TencentARC는 가벼운 플러그 앤 플레이 모델인 T2I-Adapter-SDXL을 소개합니다. 이 모델은 스케치와 깊이 맵과 같은 외부 신호를 사용하여 Stable Diffusion XL (SDXL) 생성을 정밀하게 제어하며, ControlNet에 비해 계산 오버헤드가 현저히 낮습니다.
Claude Pro 출시 노트
Anthropic은 Claude.ai를 위한 유료 구독 플랜인 Claude Pro를 출시했으며, 이는 월 $20(미국) 또는 £18(영국)로 Claude 2 모델의 5배 더 많은 사용량, 우선 접속 권한 및 새로운 기능 조기 도입 혜택을 제공합니다.
OpenAI DevDay 발표
OpenAI는 2023년 11월 6일 샌프란시스코에서 열리는 첫 번째 개발자 컨퍼런스인 DevDay를 발표했으며, 새로운 도구를 미리 살펴보고 개발자 커뮤니티와 소통할 예정입니다.
Falcon 180B 출시 노트
TII는 1800억 파라미터를 갖춘 가장 큰 공개적으로 이용 가능한 언어 모델인 Falcon 180B를 출시했습니다. 이 모델은 3.5조 토큰으로 훈련되어 PaLM-2와 같은 독점 모델과의 경쟁을 목표로 합니다.
Fetch 사례 연구: Amazon SageMaker와 Hugging Face를 사용하여 ML 처리 지연 시간을 50% 줄이기
Fetch는 ML 파이프라인을 Amazon SageMaker와 Hugging Face로 마이그레이션하여 영수증 스캔의 ML 처리 지연 시간을 50% 줄이고 문서 이해 모델 정확도를 200% 높였습니다.
OpenAI AI 교육 가이드
OpenAI는 언어 지원, 수업 계획, 개인 맞춤형 튜터링을 위해 교육자들이 AI를 활용할 수 있는 실용적인 프레임워크와 프롬프트 템플릿을 제공합니다.
AudioLDM 2 최적화 가이드: Hugging Face Diffusers를 사용한 추론 시간 단축
Hugging Face는 코드와 모델 최적화를 적용하여 AudioLDM 2의 추론 시간을 10배 이상 줄여, 10초 오디오 샘플 생성을 1초 미만으로 줄이는 방법을 보여줍니다.
ChatGPT Enterprise 릴리스 노트
OpenAI는 조직에 엔터프라이즈급 보안, 개인정보 보호, 그리고 GPT-4에 대한 무제한 고속 액세스를 제공하는 ChatGPT Enterprise를 출시했습니다.
Hugging Face 허브 Git 인증 변경
Hugging Face는 2023년 10월 1일에 비밀번호 기반 Git 인증을 중단하고 보안 강화를 위해 사용자에게 개인 액세스 토큰 또는 SSH 키로 전환하도록 요구했습니다.
Code Llama 릴리스 노트
Code Llama은 Llama 2를 기반으로 한 오픈 액세스 모델 가족으로, 코드 작업에 특화되어 있으며 인필링과 최대 100,000 토큰까지의 긴 컨텍스트 윈도우를 지원합니다.
OpenAI와 Scale의 기업용 파인튜닝 파트너십
OpenAI는 Scale과 파트너십을 맺어 기업에 GPT-3.5 Turbo 및 GPT-4 파인튜닝을 위한 전문 데이터 enrichment 및 모델 평가 지원을 제공합니다.
Ollama로 Code Llama 로컬에서 실행하기
Meta의 Code Llama 모델을 이제 Ollama를 통해 로컬에서 실행할 수 있으며, 프로그래밍 작업을 위해 7B, 13B, 34B 파라미터 버전과 코드 및 Python 특화 버전을 제공합니다.
Hugging Face AutoGPTQ 및 Transformers 통합
Hugging Face는 AutoGPTQ 라이브러리를 Transformers에 통합하여, 4비트에서 정확도 손실을 무시할 수 있는 수준으로 유지하면서 메모리 요구 사항을 줄이기 위해 LLM을 8, 4, 3 또는 2비트 정밀도로 양자화할 수 있도록 했습니다.
GPT-3.5 Turbo 파인튜닝 및 API 업데이트
OpenAI는 GPT-3.5 Turbo에 대한 파인튜닝 기능을 출시하여 개발자가 모델 성능을 맞춤화하고, 출력 신뢰성을 향상시키며, 프롬프트 비용을 절감할 수 있도록 했습니다.
IDEFICS: 최첨단 시각 언어 모델의 오픈 재현
Hugging Face는 Flamingo 아키텍처를 기반으로 한 오픈 액세스 시각 언어 모델인 IDEFICS를 출시했으며, 9B 및 80B 파라미터 크기의 interleaved 이미지 및 텍스트 입력을 지원합니다.
Hugging Face SafeCoder 발표
Hugging Face는 기업이 자체 보안 인프라 내에서 독점적인 Code LLM을 구축하고 배포할 수 있도록 하는 자체 호스팅 엔터프라이즈급 코드 어시스턴트 솔루션인 SafeCoder를 선보였습니다.
OpenAI가 Global Illumination을 인수함
OpenAI는 창의적 도구 및 인프라 회사인 Global Illumination을 인수하여, ChatGPT를 포함한 핵심 제품 개발에 팀을 통합했습니다.
GPT-4를 사용한 콘텐츠 모더레이션
OpenAI는 정책 적용 및 정교화를 자동화하여 콘텐츠 모더레이션을 가속화하기 위해 GPT-4를 활용하고 있으며, 이로써 맞춤형 정책 개발에 필요한 시간을 개월에서 시간으로 단축하고 있습니다.
Anthropic과 SK Telecom 파트너십 발표
Anthropic과 SK Telecom (SKT)은 통신 산업을 위한 맞춤형 LLM을 개발하기 위해 상업적 파트너십 및 전략적 투자를 체결했습니다.
AWS Marketplace의 Hugging Face Hub
Hugging Face는 AWS Marketplace와 Hub를 통합하여, 조직이 AWS 계정을 통해 Inference Endpoints 및 AutoTrain과 같은 관리형 서비스를 직접 결제할 수 있도록 했습니다.
BentoML을 사용한 DeepFloyd IF 배포
Hugging Face는 BentoML을 사용하여 DeepFloyd IF 텍스트-이미지 모델을 배포하는 방법을 보여주며, 여러 GPU에 걸쳐 다단계 픽셀 확산 아키텍처를 독립적으로 확장할 수 있게 합니다.
🤗 Transformers를 사용한 Bark 최적화
Hugging Face는 Better Transformer, 반정밀도(fp16), CPU 오프로드를 사용하여 Bark 텍스트-음성 모델의 메모리 사용량을 줄이고 추론 속도를 높이는 방법을 보여줍니다.
Claude Instant 1.2 릴리스 노트
Anthropic는 수학, 코딩, 추론 및 안전성 측면에서 1.1 버전보다 향상된 더 빠르고 저렴한 모델인 Claude Instant 1.2를 출시했습니다.
Swift Transformers 출시: Apple 기기에서 온디바이스 LLM 실행
Hugging Face가 알파 swift-transformers Swift 패키지, swift-chat 데모 앱, 업데이트된 exporters 및 transformers-to-coreml 도구, 그리고 Llama 2 7B와 Falcon 7B의 Core ML 버전을 출시하여 개발자가 Apple 앱에서 온디바이스 LLM을 실행할 수 있게 했습니다.
TRL을 통한 Direct Preference Optimization (DPO)를 사용한 Llama 2 미세 조정
Hugging Face은 TRL 라이브러리에 Direct Preference Optimization (DPO)를 통합하여, 복잡한 RLHF 파이프라인 대신 간단한 바이너리 크로스 엔트로피 손실을 사용하여 Llama 2 및 기타 LLMs의 정렬을 가능하게 했습니다.
영향 함수를 통한 대규모 언어 모델 일반화 연구
Anthropic 연구원들은 EK-FAC 근사법을 사용하여 영향 함수를 최대 520억 개의 파라미터를 가진 LLM으로 확장하여, 모델 동작을 유도하는 특정 훈련 예제를 식별할 수 있게 합니다.
Anthropic 연구: 영향 함수를 사용한 모델 출력에서 훈련 데이터 추적하기
Anthropic 연구진은 최대 520억 파라미터의 LLM에 영향 함수를 확장하여, 모델 규모가 커질수록 일반화가 더 추상적이고 개념 중심으로 전환됨을 발견했습니다.
Hugging Face Inference Endpoints를 통해 MusicGen 배포하기
Hugging Face은 표준 파이프라인으로 지원되지 않는 모델에 대해 커스텀 핸들러를 사용하여 Inference Endpoints를 통해 MusicGen, 텍스트-음악 생성 모델을 API로 배포하는 방법을 보여줍니다.
FHE를 이용한 암호화된 대규모 언어 모델을 향하여
Hugging Face와 Zama는 완전 동형 암호(FHE)를 통해 대규모 언어 모델이 모델 소유자의 지적 재산을 보호하면서 암호화된 사용자 데이터를 처리할 수 있는 방법을 보여줍니다.
허기 링고: 머신러닝을 사용한 허깅 페이스 허브 언어 메타데이터 개선
허깅 페이스는 fastText 언어 식별 모델과 Librarian-Bot을 사용하여 현재 언어 메타데이터가 없는 데이터셋에 대해 언어를 자동으로 감지하고 메타데이터를 제안합니다.
인공지능을 위한 신뢰 구축 조치
OpenAI와 버클리 리스크 앤드 시큐리티 랩은 foundation models이 도입한 국제 보안 위험을 완화하기 위해 여섯 가지 신뢰 구축 조치(CBMs)를 제안합니다.
실용적인 3D 에셋 생성 가이드
Hugging Face는 OpenAI의 Shap-E 모델과 Blender, Dream Textures를 결합하여 저해상도 PS1 스타일 3D 에셋을 만드는 단계별 워크플로를 제공합니다.
Segmind SD-Small 및 SD-Tiny 지식 증류 출시
Segmind가 Stable Diffusion보다 각각 35% 및 55% 작으면서도 최대 2배 빠른 추론 속도를 제공하는 두 가지 확산 모델인 SD-Small 및 SD-Tiny의 코드와 사전 학습된 가중치를 오픈 소스로 공개했습니다.
Ollama를 사용하여 로컬에서 검열되지 않은 Llama 2 모델 실행하기
Ollama를 사용하면 사용자가 Llama 2 및 기타 모델의 검열되지 않은 버전을 로컬에서 실행할 수 있으며, 이는 표준 모델에서 흔히 발생하는 과도하게 신중하거나 거부하는 정렬 제약 조건을 제거합니다.