OpenAI Voice Engine：合成语音能力与安全框架
OpenAI 已预览 Voice Engine，这是一种能够仅凭 15 秒音频样本创建真实、富有情感的合成语音的模型，同时采取审慎的部署策略以降低滥用风险。
Qwen1.5-MoE-A2.7B 发布说明
Qwen 引入了 Qwen1.5-MoE-A2.7B，这是一款 Mixture-of-Experts 模型，能够在仅使用 27 亿激活参数的情况下匹配 7B 密集模型的性能。
OpenAI Zelma: 通过 GPT-4 让教育数据易于获取
Zelma 是一款基于 GPT-4 的研究助理，旨在通过自然语言查询，使美国 3‑8 年级的标准化考试数据对家长、教师和政策制定者可访问。
OpenAI Sora 来自创意专业人士的第一印象
OpenAI 分享了来自使用 Sora 进行创意原型、制作超现实视觉效果，并消除技术和预算限制的视觉艺术家和电影制片人的早期反馈。
Pollen-Vision：机器人零样本视觉模型的统一接口
Hugging Face 与 Pollen Robotics 团队发布了 pollen-vision，这是一款开源库，整合了零样本视觉模型，使机器人能够在三维空间中检测并定位未知物体。
Hugging Face Transformers：开源机器学习入门指南
Hugging Face 提供了一份全面的入门指南，帮助使用 Transformers 库和 Hub 部署并运行开源机器学习模型，例如微软的 Phi-2。
嵌入量化：二进制与标量技术，实现更快、更便宜的检索
Hugging Face 宣布了二进制和 int8 嵌入量化，将内存削减 32 倍或 4 倍，并将检索速度提升至最高 45 倍，同时保持原始性能的 96%–99%。
JetBrains AI 助手与 OpenAI API 的集成
JetBrains 将 OpenAI 的 API 集成到其 AI 助手中，以自动化日常编码任务，结果 77% 的开发者报告生产力提升。
Hugging Face 与 Lighthouz AI 推出 Chatbot Guardrails Arena
Hugging Face 与 Lighthouz AI 已推出 Chatbot Guardrails Arena，这是一款社区驱动的压力测试平台，旨在评估 LLM 及其防护栏的数据隐私和安全性。
GaLore：在消费级硬件上推进大模型训练
GaLore 通过低秩梯度投影，将优化器状态的内存需求降低超过 82.5%，从而在消费级 GPU 上实现十亿参数模型的训练。
Cosmopedia：大规模合成数据用于LLM预训练
Hugging Face 推出 Cosmopedia，这是用于 LLM 预训练的最大公开合成数据集，包含 3000 万个文件和 2500 亿个 token，由 Mixtral-8x7B-Instruct-v0.1 生成。
Phi-2 在 Intel Meteor Lake 上：本地 LLM 推理
Hugging Face 演示了如何使用 OpenVINO 和 Optimum Intel 通过 4 位量化在 Intel Meteor Lake（Core Ultra）处理器上本地运行 Microsoft Phi-2 模型。
Holiday Extras ChatGPT 企业版实施
Holiday Extras 在整个组织中部署了 ChatGPT 企业版，每周节省超过 500 小时，预计每年可节省约 50 万美元。
OpenAI 与 Salesforce 的企业信任与安全集成
OpenAI 为 Salesforce Einstein AI 平台提供基础生成式 AI 模型，实现跨 Sales、Service 和 Commerce 云的安全、企业级 AI 能力。
Superhuman AI 与 OpenAI API 的集成
Superhuman 已集成 OpenAI 的 API，推出了一套 AI 驱动的邮件功能，使用户的收件箱处理速度提升两倍。
Quanto：Optimum 的 PyTorch 量化后端
Hugging Face 推出 Quanto，这是一款多功能且设备无关的 PyTorch 量化后端，适用于 Optimum，旨在简化跨任何模态的低精度模型部署。
Hugging Face 在 DGX 云上训练
Hugging Face 推出了 Train on DGX Cloud，这是一项面向 Enterprise Hub 组织的无代码服务，可使用 NVIDIA H100 和 L40S GPU 对开源模型进行微调。
WebSight 数据集与 Sightseer 模型
Hugging Face 推出了 WebSight，这是一套包含 200 万截图到 HTML 配对的合成数据集，以及 Sightseer，这是一种能够将网页截图转换为功能性 HTML 代码的视觉语言模型。
使用 Optimum Intel 与 fastRAG 的 CPU 优化嵌入
Hugging Face 和 Intel 推出了一种在 Xeon CPU 上使用 Optimum Intel 和 fastRAG 加速嵌入模型的方法，通过 int8 量化实现最高 4.5 倍的延迟降低和 4 倍的吞吐量提升。
OpenAI 与《世界报》和 Prisa Media 的全球新闻合作伙伴关系
OpenAI 已与《世界报》和 Prisa Media 合作，将其新闻内容整合到 ChatGPT 中，为用户提供带有出处的摘要和指向原始文章的直接链接。
Healthify 与 OpenAI 合作进行 AI 健康教练
Healthify 已集成 OpenAI 的 GPT-4 Vision、GPT-4 Turbo 和 Embeddings 模型，以规模化个性化营养和健身教练，导致食物追踪参与度提升了 50%。
OpenAI治理审查与领导确认
OpenAI已完成WilmerHale的独立审查，确认对Sam Altman和Greg Brockman的领导全力信任，并实施了重大治理改革。
OpenAI董事会扩张
OpenAI任命了Sue Desmond-Hellmann博士、Nicole Seligman和Fidji Simo加入董事会，同时CEO Sam Altman重新加入董事会。
Lifespan 医疗系统使用 GPT-4 提升患者健康素养
Lifespan 是罗德岛最大的医疗系统，已部署 GPT-4 将复杂的外科同意书从大学阅读水平简化至中学阅读水平，以提升患者的理解和福祉。
Match Group 采用 ChatGPT Enterprise 提升生产力和产品开发
Match Group 已向数千名员工部署了 ChatGPT Enterprise，以提升跨职能协作、工程效率和产品可用性测试，同时利用 OpenAI 的 API 为面向客户的功能提供支持。
Paradigm 将 GPT-4 集成以加速临床试验患者匹配
Paradigm 使用 OpenAI 的 GPT-4 API 自动评估医疗记录以确定临床试验资格，将准确率提升 10%，并实现每分钟筛选数百名患者。
OpenAI 与 Elon Musk：合作与使命的澄清
OpenAI 发布了一份声明，澄清了其与 Elon Musk 的历史关系、为资助 AGI 开发而进行营利转型的必要性，以及其对广泛受益的承诺。
ConTextual：文本丰富场景中的多模态推理基准
Hugging Face 与 UCLA 的研究人员推出了 ConTextual，这是一套数据集和排行榜，旨在评估大型多模态模型（LMM）在复杂、文本丰富的图像中如何对文本和视觉线索进行联合推理。
Hugging Face 与 Argilla 实现社区协同数据集构建
Hugging Face 与 Argilla 引入了一套简化的工作流，利用 Hugging Face Spaces 和 Argilla 让社区能够协同构建高质量的开源数据集。
Intel Gaudi 2 AI 加速器上的文本生成管道
Hugging Face 推出了一款针对 Intel Gaudi 2 AI 加速器的定制文本生成管道，通过 Optimum Habana 实现了 Llama 2 模型（7b、13b 和 70b）的简化部署。
StarCoder2 与 The Stack v2 发布
BigCode 已发布 StarCoder2，这是一系列透明训练的开源代码大语言模型，参数规模分别为 3B、7B 和 15B，基于全新的大规模 Stack v2 数据集。
Hugging Face TTS Arena：文本转语音模型基准测试
Hugging Face 推出了 TTS Arena，这是一款众包的并排比较工具和排行榜，使用 Elo 评分系统客观衡量文本转语音模型的质量。
AI 水印 101：工具与技术
Hugging Face 提供了关于 AI 水印技术在图像、文本和音频方面的全面概述，以对抗深度伪造并确保内容来源。
Matryoshka 嵌入模型简介
Matryoshka 嵌入模型支持可变尺寸的嵌入，可在不显著降低性能的情况下进行截断，从而在存储、速度和准确性之间实现灵活的权衡。
在 Hugging Face 上微调 Gemma 模型
Hugging Face 提供了一份指南，介绍如何使用参数高效微调（PEFT）和低秩适配（LoRA）在 GPU 和 Cloud TPU 上定制 Google 的 Gemma 模型。
Hugging Face 和 Haize Labs 推出红队抗性排行榜
Hugging Face 和 Haize Labs 已推出红队抗性（RTR）基准，用于评估 LLM 在特定安全违规类别下对高质量、类人对抗提示的鲁棒性。
Google Gemma 开源大语言模型发布
Google 已发布 Gemma，这是一系列基于 Gemini 的开放获取大型语言模型，提供 2B 和 7B 参数规模的基础版和指令微调版。
开放 Ko-LLM 排行榜
Hugging Face 和 Upstage 推出了 Open Ko-LLM 排行榜，旨在通过使用私有测试集防止数据污染，为韩语大语言模型提供公平、透明的评估生态系统。
Hugging Face PEFT 新 LoRA 合并方法
Hugging Face 为 PEFT 库引入了多种新的合并方法，使用户能够在同一基础模型上即时组合多个 LoRA 适配器，以合成新的能力。
使用开源 LLM 的合成数据降低定制模型的成本、延迟和碳排放
Hugging Face 展示了使用开源 LLM 生成合成数据并微调小型 RoBERTa 模型，可将推理成本从 $3061 降至 $2.7，延迟从数秒降至 0.13 s，CO₂ 排放从约 1 t 降至 0.12 kg，同时在金融情感分类上匹配 GPT‑4 的准确率。
OpenAI Sora：视频生成模型作为世界模拟器
OpenAI 推出了 Sora，这是一种能够生成长达一分钟的高保真视频的扩散 Transformer 模型，这表明扩展视频生成规模是通向通用物理世界模拟器的路径。
OpenAI 使用 AI 打击国家关联的威胁行为者
OpenAI 与 Microsoft Threat Intelligence 合作，终止了来自中国、伊朗、北朝鲜和俄罗斯的五名国家关联威胁行为者的账户，这些行为者使用 AI 执行有限的网络安全任务。
AMD 普适 AI 开发者大赛
AMD 与 Hugging Face 合作推出了普适 AI 开发者大赛，为开发者提供免费使用 AMD 硬件的机会以及现金奖励，以在生成式 AI、机器人 AI 和 PC AI 领域构建 AI 应用。
ChatGPT 记忆功能与新用户控制
OpenAI 推出了 ChatGPT 的记忆功能，使模型能够在对话之间记住细节，从而提供更个性化的响应，无需用户重复提供信息。
Hugging Face TGI 消息 API 发布
Hugging Face 在 1.4.0 版本开始推出了用于文本生成推理（TGI）的消息 API，实现了对开放式大语言模型的 OpenAI 聊天完成 API 兼容性。
Qwen1.5 发布说明 / 新功能
Qwen 已发布 Qwen1.5，这是一系列参数从 0.5B 到 110B 的开源基础模型和聊天模型，具备改进的人类对齐、多语言能力以及原生的 Hugging Face transformers 集成。
SegMoE：Segmind 扩散专家混合模型
SegMoE 是一个框架，通过在 Stable Diffusion 架构中用稀疏 MoE 层替换前馈层，以创建混合专家（MoE）扩散模型，从而提升对提示词的理解。
NPHardEval 排行榜：通过计算复杂度评估大语言模型推理能力
Hugging Face 推出了 NPHardEval 排行榜，这是一项使用计算复杂度类别来定量衡量大语言模型逻辑推理能力的动态基准。
PatchTST 在 Hugging Face 中的集成
Hugging Face 已集成 PatchTST，这是一种基于 Transformer 的模型，利用时间序列分块和通道独立性来提升长期预测并实现迁移学习。
Hugging Face 文本生成推理（Text Generation Inference）现已支持 AWS Inferentia2
Hugging Face 宣布通过 Amazon SageMaker 在 AWS Inferentia2 上正式推出文本生成推理（Text Generation Inference），实现成本效益高、吞吐量大的大语言模型（LLM）服务，成为 GPU 部署的替代方案。