AI Briefing#huggingface
#huggingface와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#huggingface와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Transformers 라이브러리에서 특정 단어를 포함하도록 텍스트 생성을 제어하는 Constrained Beam Search 기능을 소개한다.
CTC 구조의 특성을 활용해 긴 오디오 파일에서도 메모리 문제 없이 고품질 음성 인식을 수행하는 방법을 설명한다.
n-gram 언어 모델을 활용하여 Wav2Vec2의 음성 인식 성능을 개선하는 기술적 가이드를 제공한다.
모든 종류의 데이터를 처리할 수 있는 확장 가능한 멀티모달 모델 Perceiver IO가 Transformers 라이브러리에 추가되었다.
HuggingFace가 공개한 파이썬 코드 생성 모델 CodeParrot의 데이터셋 구축 및 학습 방법론을 소개한다.
Hugging Face가 Unity ML-Agents를 활용한 심층 강화 학습(DRL) 생태계 구축을 발표했다.
데이터셋의 품질을 측정하고 비교할 수 있는 오픈소스 도구인 Data Measurements Tool이 공개되었습니다.
Hugging Face가 NLP 심화 학습을 위한 코스 Part 2 출시와 커뮤니티 이벤트를 발표했다.
10억 개의 학습 쌍과 JAX/Flax를 활용해 SOTA급 문장 임베딩 모델을 구축하는 기술적 방법론을 소개한다.
Hugging Face가 트랜스포머 모델의 하드웨어별 성능 최적화를 지원하는 오픈소스 라이브러리 Optimum을 공개했다.
Hugging Face와 Graphcore가 IPU에 최적화된 Transformer 모델을 제공하기 위해 파트너십을 체결했다.
인터넷의 느린 네트워크 환경에서도 여러 사용자의 자원을 활용해 언어 모델을 학습시키는 DeDLOC 알고리즘이 공개되었다.
Hugging Face Hub에서 spaCy NLP 파이프라인을 공유, 설치 및 추론 API로 사용할 수 있게 되었다.
Hugging Face와 Amazon SageMaker의 협업으로 트랜스포머 모델을 손쉽게 배포할 수 있는 새로운 추론 솔루션이 공개되었다.
Hugging Face Hub가 Sentence Transformers를 지원하며 임베딩 모델 공유 및 추론 기능을 제공한다.
현대적 CPU 환경에서 BERT 모델의 추론 성능을 극대화하기 위한 최적화 전략과 벤치마킹 방법론을 설명한다.
Hugging Face와 Amazon SageMaker의 협업을 통해 Transformers 모델의 분산 학습을 최적화한다.
Hugging Face와 Amazon이 전략적 파트너십을 통해 SageMaker용 최적화된 딥러닝 컨테이너를 출시했다.
Hugging Face Transformers의 RAG 모델에 Ray를 통합하여 문서 검색 속도와 미세 조정 확장성을 개선했다.
Hugging Face Transformers의 TensorFlow 모델 성능이 개선되어 Google 구현체 대비 최대 10% 빨라졌다.
Hugging Face Trainer에서 DeepSpeed와 FairScale의 ZeRO 기능을 통해 대규모 모델 학습 효율을 높이는 방법을 설명한다.