Hugging Face의 Diffusers 라이브러리가 출시 1주년을 맞아 주요 기능 업데이트와 발전 과정을 정리했다.
Meta의 오픈 소스 LLM인 Llama 2가 출시되었으며, Hugging Face를 통해 모델 및 다양한 도구와 통합되어 제공된다.
Hugging Face의 오픈 소스 LLM 모델, 라이선스, 서빙 도구 및 PEFT 기술을 정리한 가이드이다.
Intel Sapphire Rapids CPU의 AMX 가속기를 활용해 Stable Diffusion 모델을 미세 조정하는 방법을 소개한다.
Hugging Face의 관리형 SaaS 솔루션인 Inference Endpoints를 활용한 LLM 배포 방법과 주요 기능을 소개한다.
Habana Gaudi2에서 BridgeTower 미세 조정 시 A100 대비 2.5배 빠른 성능을 달성했다.
텍스트-이미지(TTI) 모델에서 발생하는 편향성의 원인을 분석하고 이를 평가할 개선된 방법론의 필요성을 강조한다.
Open LLM Leaderboard와 모델 논문 간의 MMLU 벤치마크 점수 차이가 발생하는 기술적 원인을 분석한다.
Hugging Face Spaces에서 Panel 템플릿을 통해 데이터 대시보드와 앱을 쉽게 구축하고 배포할 수 있습니다.
Hugging Face가 미국 NTIA의 AI 책임성 관련 의견 요청에 대해 투명성과 다학제적 참여를 강조하는 답변을 제출했다.
Meta의 MMS 모델을 어댑터 방식으로 미세 조정하여 저자원 언어의 ASR 성능을 효율적으로 높이는 방법을 소개한다.
트랜스포머 기반 모델인 Autoformer가 단순 선형 모델인 DLinear보다 시계열 예측 성능이 우수함을 입증했다.
HuggingFace가 AI 모델 및 데이터셋의 책임 있는 개발을 위한 새로운 콘텐츠 정책을 발표했다.
Elixir 기반의 Livebook 노트북을 Hugging Face Spaces에 앱 형태로 배포할 수 있게 되었다.
Apple의 Core ML 최적화와 6비트 팔레타이제이션을 통해 Apple 기기에서 Stable Diffusion을 더 빠르고 효율적으로 실행할 수 있다.
Hugging Face와 AMD가 파트너십을 맺고 AMD CPU 및 GPU에서 트랜스포머 모델 성능을 최적화한다.
Hugging Face가 LLM의 데이터 라벨링 신뢰성을 검증하기 위해 Open LLM Leaderboard의 평가 방식을 확장했다.
Hugging Face Hub의 데이터셋을 DuckDB를 통해 SQL로 직접 분석할 수 있는 기능이 추가되었다.
Meta AI의 fastText 모델과 157개 언어의 워드 벡터가 Hugging Face Hub에 통합되었습니다.
BERTopic 모델을 Hugging Face Hub에 직접 저장하고 불러올 수 있는 통합 기능이 추가되었습니다.
Hugging Face가 TGI 기반의 Amazon SageMaker 전용 LLM 추론 컨테이너를 출시했다.
NNCF와 Optimum을 활용해 Intel CPU에서 Stable Diffusion의 추론 속도를 5.1배 높이는 최적화 방법을 제시한다.
AI Briefing