Hugging Face 发布 SetFit 框架,实现无 Prompt 的高效少样本微调
Hugging Face 联合 Intel Labs 和 UKP Lab 推出 SetFit 框架,用于 Sentence Transformers 的高效少样本微调。
推荐理由:通过对比不同模型的训练成本与精度,展示了高效微调在少样本场景下的实际可行性。
内容形态
AI 产品与应用的功能上新、改版与商业化动态——谁家的产品变强了、变贵了、能用了。
329 条精选近 30 天 131 条共收录 3,284 条
Hugging Face 联合 Intel Labs 和 UKP Lab 推出 SetFit 框架,用于 Sentence Transformers 的高效少样本微调。
推荐理由:通过对比不同模型的训练成本与精度,展示了高效微调在少样本场景下的实际可行性。
Hugging Face 官方团队发布 Diffusers 0.3 版本更新。该版本新增了图像到图像生成、Textual Inversion 个性化训练和 Inpainting 图像修复等核心管线。
推荐理由:原文详细介绍了 Diffusers 0.3 版本新增的图像生成管线、低显存优化及 Mac 支持等核心特性,适合开发者和研究者快速掌握最新功能。
Hugging Face 发布技术教程,结合 transformers、accelerate 和 bitsandbytes 库讲解 LLM.int8() 在大模型部署中的应用。文章通过 BLOOM-176B 和 OPT-175B 的测试数据证明,LLM.int8() 能在保持 FP16 推理性能的前提下将显存占用降低 4 倍,且针对小模型(如 T5-3B)的推理延迟优化策略也已同步更新。
推荐理由:Hugging Face 团队详细拆解了 LLM.int8() 的底层原理与集成实践,读者可借此实现大模型低显存推理的落地。
Hugging Face 推出 Private Hub,允许企业在合规的私有环境中运行其完整的机器学习生态系统。该功能集成了 AutoTrain、Spaces 和 Inference API,支持模型微调、演示及推理部署,数据不出内网。更新显示,Private Hub 现已更名为 Enterprise Hub,不再提供本地部署,改为提供云端托管及混合云解决方案,并支持 SSO 等高级访问控制。
推荐理由:介绍了私有化部署方案如何帮助企业加速模型全生命周期开发。
OpenAI 宣布 DALL·E 已开放测试版访问。平台将在未来数周内向候补名单上的 100 万人发送邀请,用户可使用每月自动重置的免费额度生成图像,亦可按 115 次生成计 15 美元的价格购买额外额度。
推荐理由:官方公告说明了 DALL·E 测试版的用户邀请计划与具体计费模式,方便读者了解早期使用成本。
Hugging Face 开源库 Optimum 1.2 新增推理与 transformers pipelines 支持,开发者可直接将 AutoModelForXxx 类替换为 ORTModelForXxx 类并在 ONNX Runtime 上运行。
推荐理由:通过加速问答模型的全流程实操,展示了如何将优化方法迁移至现有的 BERT 级 NLP 任务。
OpenAI 在 API 中推出 embeddings 端点,支持语义搜索、聚类、主题建模和分类等自然语言及代码任务。
推荐理由:该功能为文本和代码任务提供了统一的向量化入口,读者可以据此了解 OpenAI API 在语义检索和分类等场景中的具体应用。
OpenAI 宣布其 API 已无需等待名单即可使用。官方称,这一范围的扩大得益于安全进展。
推荐理由:这是 OpenAI 官方里程碑,读者可据此确认其 API 已全面开放且无需排队申请,并了解开放与模型安全进展挂钩的官方叙事。
OpenAI 官方宣布推出 API,允许开发者接入 OpenAI 开发的新 AI 模型。
推荐理由:官方说明新增了访问 OpenAI 新模型的入口,读者可据此判断如何接入其生成式模型能力。