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.
Replit이 Single-Sign-On(SSO) 기능에서 발견된 보안 취약점을 패치하고 선제적인 보안 조치를 완료했다.
Hugging Face가 LLM의 데이터 라벨링 신뢰성을 검증하기 위해 Open LLM Leaderboard의 평가 방식을 확장했다.
Replit은 API 키 유출을 방지하기 위해 'Secrets' 기능과 자동 스캔 시스템을 통해 사용자 보안을 강화한다.
디자이너 Hando가 Replit Deployments를 활용해 AI 기반 언어 학습 서비스인 Camp Lingo를 구축한 사례를 소개한다.
Hugging Face Hub의 데이터셋을 DuckDB를 통해 SQL로 직접 분석할 수 있는 기능이 추가되었다.
Replit은 AI를 개발 환경의 핵심으로 삼는 'ADI(Artificial Developer Intelligence)' 비전을 통해 소프트웨어 개발의 패러다임 전환을 선언했다.
Meta AI의 fastText 모델과 157개 언어의 워드 벡터가 Hugging Face Hub에 통합되었습니다.
인터랙션 디자이너 Saleh Kayyali가 Replit Deployments를 통해 AI 아이디어 캔버스 NodePad를 구축했다.
BERTopic 모델을 Hugging Face Hub에 직접 저장하고 불러올 수 있는 통합 기능이 추가되었습니다.
Hugging Face가 TGI 기반의 Amazon SageMaker 전용 LLM 추론 컨테이너를 출시했다.
AI Briefing