Replit이 개발자 2,000만 명과 2억 4,000만 개 이상의 Repl 생성을 기록하며 성장을 기념했다.
Hugging Face가 내부 모델 서빙을 AWS ECS에서 Inference Endpoints로 전환하며 얻은 성능 및 비용 이점을 공개했다.
고정된 이미지 인코더와 LLM을 연결하는 Q-Former를 통해 효율적인 시각-언어 학습을 구현한 BLIP-2를 소개한다.
Replit이 프로젝트 컨텍스트를 이해하고 능동적으로 디버깅을 돕는 대화형 AI 프로그래머 Ghostwriter Chat의 베타 버전을 공개했다.
Altimeter Capital이 Replit의 Bounties를 활용해 LLM과 기업 데이터를 결합한 AI 챗봇 개발 프로젝트를 성공적으로 마쳤다.
Hugging Face Transformers 라이브러리에 통합 음성 처리 모델인 SpeechT5가 추가되었습니다.
Hugging Face가 강화 학습 에이전트의 성능을 ELO 레이팅으로 평가하는 멀티 에이전트 경쟁 시스템을 출시했다.
Intel Sapphire Rapids CPU와 Optimum Intel 라이브러리를 활용해 PyTorch Transformer 모델의 추론 성능을 최적화하는 방법을 다룬다.
Sentence Transformers 창시자 Nils Reimers가 MTEB·BEIR로 임베딩 평가법을 공유한다.
Hugging Face가 8가지 핵심 비전 태스크와 3,000개 이상의 모델을 지원하며 컴퓨터 비전 생태계를 확장하고 있다.
Replit이 인도 시장 공략을 위해 뭄바이 서버 구축, 힌디어 학습 콘텐츠, 보상 프로그램 등 다양한 현지화 서비스를 출시했다.
LoRA 기술을 Stable Diffusion에 적용하여 학습 속도를 높이고 모델 용량을 획기적으로 줄이는 방법을 소개한다.
Hugging Face의 Optimum 라이브러리와 ONNX Runtime을 통합하여 트랜스포머 모델 학습 속도를 최대 130%까지 향상시켰다.
Replit이 워크스페이스 내에서 즉시 생성하고 사용할 수 있는 PostgreSQL 데이터베이스 프리뷰를 출시했다.
Mask2Former와 OneFormer를 통해 인스턴스, 시맨틱, 파놉틱 세그멘테이션을 통합 수행하는 범용 모델을 소개한다.
Replit이 성능 강화를 위한 새로운 Boost 레벨을 도입하고, Hacker 플랜 및 개별 기능의 요금 체계를 변경한다.
AI Briefing