✷ 封存 · 11 個實驗室 · 3,061 篇 dispatch
實驗室
不用每天手動刷十幾個官方部落格。OpenAI、Anthropic、DeepMind 等實驗室的一手發布，每篇都提煉出核心內容。
使用 Ollama 在本地執行未經審查的 Llama 2 模型
Ollama 讓使用者能夠在本地執行 Llama 2 與其他模型的未經審查版本，移除了通常會導致標準模型過於謹慎或拒絕回答的對齊限制。
在 Mac 上使用進階 Core ML 量化的 Stable Diffusion XL
Hugging Face 與 Apple 已將 Stable Diffusion XL 移植至 Core ML，引入混合位元調色板量化技術，使 UNet 大小減少 71%，同時在 Apple Silicon Mac 上保持圖像品質。
前沿模型論壇公告
OpenAI、Google、Microsoft 和 Anthropic 已啟動 Frontier Model Forum，以協調前沿 AI 模型開發的安全標準、研究與資訊分享。
Anthropic 前沿威脅紅隊測試：AI 安全防護
Anthropic 建立了前沿威脅紅隊測試框架，以識別並減輕國家安全風險，特別發現未經緩解的 LLM 可能在未來兩到三年內加速生物武器化進程。
Anthropic Frontier Model Security Framework
Anthropic 提出了針對前沿 AI 模型的安全框架，該框架基於多方授權和安全軟體開發標準，以防止盜竊和誤用。
Agents.js 發布：使用 JavaScript 為 LLMs 提供工具
Hugging Face 已發布 Agents.js，一個 JavaScript 庫，使 LLMs 能夠在瀏覽器或伺服器上存取並執行工具。
Hugging Face 與合作夥伴概述歐盟 AI 法案的開放機器學習考量
Hugging Face 與 Creative Commons、Eleuther AI、GitHub、LAION、Open Future 組成聯盟，提出五項關鍵建議，以確保歐盟 AI 法案支援開放原始碼機器學習發展。
OpenAI AI 治理承諾
OpenAI 已承諾建立一個內部與外部紅隊演練、資訊分享、AI 生成內容識別以及對模型能力和社會風險進行透明報告的框架。
Hugging Face 開源 AI 遊戲 Jam 結果
Hugging Face 舉辦了首屆開源 AI 遊戲 Jam，產生了 88 款遊戲作品，這些作品在資產、編碼和遊戲機制方面整合了開源 AI 工具。
ChatGPT 自訂指令 發布
OpenAI 已為 ChatGPT 引入自訂指令，允許使用者設定持續的偏好與需求，該模型將在所有未來對話中考慮這些設定。
Hugging Face Diffusers 一週年回顧
Hugging Face 慶祝 Diffusers 函式庫的一週年，重點介紹了其如何演進為一個用於文字轉圖像、影片、3D 和音訊生成的模組化工具箱。
OpenAI 與美國新聞專案的地方新聞合作夥伴關係
OpenAI 透過 $10 million 的資金與 API 點數承諾，與美國新聞專案（AJP）建立合作夥伴關係，以探索 AI 如何提升地方新聞並對抗錯誤資訊。
Llama 2 發佈與 Hugging Face 整合
Meta 已發佈 Llama 2，這是一個可用於商業用途的開放存取大型語言模型系列，並已全面整合至 Hugging Face 生態系統中。
Anthropic 展示問題分解能提升模型生成推理的忠實度
Anthropic 宣布，與標準的思維鏈提示相比，將問題分解為子問題能顯著提升大型語言模型推理的忠實度。
Anthropic 對思維鏈推理忠實度的研究
Anthropic 發現較大的語言模型通常會產生不忠實的思維鏈解釋，且忠實度在不同任務與模型規模之間存在很大差異。
Hugging Face AI WebTV：構建自動化視訊與音樂合成串流
Hugging Face 開發了 AI WebTV，一個使用 Zeroscope 與 MusicGen 從 LLM 生成的提示詞自動合成視訊與音樂串流的實驗示範。
開源文字生成與 LLM 生態系統於 Hugging Face
Hugging Face 的 2023 部落格文章概覽了開源文字生成與 LLM 生態系統，涵蓋模型背景、授權、服務工具以及參數高效微調。
使用 Hugging Face Diffusers 在 Intel Sapphire Rapids CPU 上微調 Stable Diffusion
Hugging Face 展示了如何僅使用五張範例圖像，透過文字反演在 Intel Sapphire Rapids CPU 上微調 Stable Diffusion 模型，示範了透過 Intel Extension for PyTorch 和 oneCCL 進行 CPU 基礎微調。
Claude 2 發佈說明
Anthropic 已發佈 Claude 2，其具有 100K token 的上下文窗口，與 Claude 1.3 相比，在編碼和推理方面的性能有所提高，且安全性得到了增強。
使用 Viable 與 GPT-4 分析大規模質性資料
Viable 利用經過微調的 GPT-4 模型，超越簡單摘要，提供準確的大規模質性資料分析，以獲得商業洞見。
OpenAI 前沿 AI 監管提案
OpenAI 與一組多學科研究人員提出一個監管框架，用於管理前沿 AI 模型的公共安全風險，透過標準制定、註冊和合規機制。
使用 Transformers.js 製作具備 ML 能力的網頁遊戲
Hugging Face 展示如何使用 Transformers.js 和經微調的 MobileViT 模型，在瀏覽器中完全運行即時素描偵測遊戲 Doodle Dash。
使用 Hugging Face Inference Endpoints 部署 LLMs
Hugging Face Inference Endpoints 是一種受管理的 SaaS 解決方案，讓開發者能夠使用自動擴展、scale-to-zero 和企業級安全等功能，將開源 LLMs 部署為生產就緒的 API。
Hugging Face: 使用開放 ML 模型製作網頁應用產生器
Hugging Face 展示了如何使用 NodeJS、WizardCoder-15B 模型以及 Hugging Face Inference Endpoints API 建構 text-to-webapp 生成器。
利用 Hugging Face 處理複雜生成式 AI 用例：Writer 案例研究
Hugging Face 強調與 Writer 的合作，展示該公司如何從使用者轉變為客戶與開源貢獻者，同時利用 Hugging Face 專家加速計畫實現可擴展的 LLM 生產。
OpenAI 全球對話：見解與戰略重點領域
OpenAI 在 25 個城市和 6 個洲進行了全球傾聽之旅，以收集來自使用者、開發者和政策制定者的回饋，從而完善其 AI 開發與部署策略。
加速視覺語言模型：BridgeTower 在 Habana Gaudi2 上
Hugging Face 示範，在 Habana Gaudi2 上使用 Optimum Habana 進行 BridgeTower 視覺語言模型的微調，透過增加資料載入工作程序數以及硬體加速的圖像解碼，可達到比 Nvidia A100 快 2.5 倍、比 H100 快 1.4 倍。
Anthropic 推出 GlobalOpinionQA 框架，用以衡量大型語言模型中主觀全球觀點的呈現方式
Anthropic 發布了 GlobalOpinionQA，這是一個資料集與量化框架，揭示了大型語言模型通常反映美國及某些歐洲國家的意見，並顯示了提示詞或翻譯可以轉移但無法完全修正這些偏見。
OpenAI 倫敦辦公室開幕
OpenAI 已在倫敦開設其首個國際辦公室，以擴大其研發足跡並吸引全球人才，以促進安全通用人工智慧（AGI）的發展。
Hugging Face 倫理與社會通訊 #4：文字生成圖像模型中的偏見
Hugging Face 概述了文字生成圖像模型中複雜的偏見來源，並提出結合探索工具、紅隊演練和文件記錄等多種方法來檢測並減輕這些偏見。
Hugging Face Open LLM Leaderboard MMLU 評估分析
Hugging Face 說明 MMLU 基準的不同實作細節如何導致相同 LLM 的效能分數和排名出現顯著差異。
Panel 與 Hugging Face Spaces 的整合
Hugging Face 已將 Panel 模板整合到 Hugging Face Spaces，使用戶能夠輕鬆構建和部署基於 Python 的儀表板和複雜應用程式。
Hugging Face 對美國 NTIA 關於 AI 問責制徵求意見的回應
2023 年 6 月 12 日，Hugging Face 就美國 NTIA 關於 AI 問責制的徵求意見提交了回應，建議問責機制應涵蓋完整的 ML 生命週期、將內部文件與外部透明度相結合，並納入廣泛的利益相關者。
為低資源 ASR 微調 MMS Adapter 模型
Hugging Face 宣布，在 Meta AI 的 Massive Multilingual Speech (MMS) 模型上微調 adapter 層，僅需數分鐘訓練即可在低資源語言上達到最先進的字錯率 (WER)，同時比全模型微調更具記憶體效率。
Autoformer – Transformers 對時間序列預測有效
Hugging Face 宣布 Autoformer 模型現在已在 🤗 Transformers 庫中提供，顯示基於 Transformer 的模型在時間序列預測基準測試中優於如 DLinear 這樣的簡單線性基線。
Hugging Face 內容指引與政策更新
Hugging Face 已更新其內容政策，以應對審核機器學習工件的獨特挑戰，並將同意作為核心價值，以保護使用者權利與隱私。
將 Livebook 筆記本部署為應用程式至 Hugging Face Spaces
Hugging Face 現在支援將 Livebook 筆記本部署為互動式應用程式至 Hugging Face Spaces，使得基於 Elixir 的機器學習應用程式能夠輕鬆共享。
在 iPhone、iPad 和 Mac 上使用 Core ML 加速 Stable Diffusion
Hugging Face 與 Apple 在 Core ML 中引入了 6 位調色板量化和更新的注意力層優化，以顯著降低記憶體使用量並提升 Stable Diffusion 在 Apple 裝置上的推理速度。
OpenAI 函式呼叫與 API 更新
OpenAI 為 gpt-4-0613 和 gpt-3.5-turbo-0613 引入了函式呼叫，使模型能夠輸出結構化 JSON 以進行外部工具和 API 整合。
Hugging Face 與 AMD 合作加速模型
Hugging Face 與 AMD 已經合作以優化最先進的 Transformer 模型，適用於 AMD CPU、GPU 與 AI 加速器，從而提升訓練與推理的成本效益標準。
Anthropic 對 NTIA 的 AI 責任制建議書
Anthropic 向 NTIA 提出一套全面的 AI 責任制框架，重點在標準化評估、風險回應式評估以及大規模訓練執行的預註冊。
專為美術館、圖書館、檔案館與博物館設計的 Hugging Face Hub
Hugging Face 發布了一份指南，展示美術館、圖書館、檔案館和博物館如何利用其 Hub 來分享模型、資料集和演示，從而降低 GLAM 領域使用機器學習的門檻。
基礎模型能像人類一樣標記數據嗎？Hugging Face 分析
Hugging Face 調查了 GPT-4 是否能可靠地取代人類標註者進行 LLM 偏好評估，發現其存在顯著的位置偏誤與冗長偏誤，限制了其作為人類判斷代理的準確性。
Hugging Face Hub 與 DuckDB 整合用於數據集分析
Hugging Face 現在允許使用者透過 DuckDB，對 Hub 上超過 50,000 個已自動轉換為 Parquet 格式的公開數據集執行 SQL 查詢。
fastText 與 Hugging Face Hub 整合
Hugging Face 現在託管 fastText 詞向量的官方鏡像，支援 157 種語言以及一個語言識別模型，簡化模型存取與部署。
Falcon 模型發布與 Hugging Face 生態系統整合
Hugging Face 宣布了 Falcon 系列開放 Apache‑2.0 授權的語言模型，強調 Falcon‑40B 在 Open LLM 排行榜上的首位排名，並展示如何使用 Hugging Face 工具來運行、量化和微調它們。
AI 語音辨識在 Unity 中
Hugging Face 提供了一份指南和 API，以在 Unity 遊戲中實作最先進的自動語音辨識 (ASR)，從而啟用語音命令和 NPC 互動。
OpenAI 網路安全補助金計畫
OpenAI 已推出 $1M 網路安全補助金計畫，以賦能防禦者並量化 AI 在網路安全中的角色，之後隨著 GPT-5.3-Codex 的發布，該計畫演進為包含 $10M API 點數及 Trusted Access for Cyber。
Hugging Face 開放原始碼 AI 遊戲 Jam 公告
Hugging Face 將於 2023 年 7 月 7 日至 9 日舉辦 開放原始碼 AI 遊戲 Jam，以鼓勵遊戲開發者將開放原始碼生成式 AI 工具整合到他們的開發工作流程和遊戲功能中。
OpenAI 透過過程監督提升數學推理
OpenAI 已開發出一種方法，透過獎勵每一個正確的推理步驟（過程監督）而非僅獎勵最終答案（結果監督），來改善數學問題解決，從而達到最先進的表現和更好的 AI 對齊。