Answer.AI 和 LightOn 推出了 ModernBERT，一个比 BERT 更快、更准确的编码器模型系列。ModernBERT 结合了近年来大型语言模型的诸多进展，具有更长的上下文长度（8192 个 token）、更快的处理速度以及在各种基准测试中更优异的性能。其在代码检索方面尤其出色，为代码搜索和 IDE 功能等新应用打开了大门。ModernBERT 可作为 BERT 模型的直接替代品，并已在 Hugging Face 上提供。
阅读更多
Hugging Face Spaces 推出了 ZeroGPU，这是一个动态分配 NVIDIA A100 GPU 的共享基础设施，旨在优化 AI 模型和演示的 GPU 使用效率。ZeroGPU 支持免费 GPU 访问、多 GPU 支持，并能有效降低开发和部署 AI 模型的门槛。用户只需在创建 Gradio 空间时选择 ZeroGPU 硬件，并使用 `@spaces.GPU` 装饰器标记 GPU 相关函数即可。ZeroGPU 与 PyTorch 兼容，并针对 Hugging Face 的 transformers 和 diffusers 库进行了优化，但目前仅限于 Gradio SDK。个人账户（PRO 用户）最多可创建 10 个 ZeroGPU 空间，组织账户（企业版）最多可创建 50 个。
阅读更多
Meta 发布了Llama 3.3-70B-Instruct，这是一个经过预训练和指令微调的多语言大型语言模型。该模型针对多语言对话用例进行了优化，并在常见行业基准测试中优于许多现有的开源和闭源聊天模型。它支持多种工具使用格式和聊天模板，并提供8位和4位量化以优化内存使用。该模型遵循Meta负责任的发布方法，旨在安全、灵活地部署，并提供保护措施以防止滥用。开发者在部署Llama 3.3时，需要进行安全测试和调整，并遵守Llama 3.3社区许可协议和可接受使用策略。
阅读更多
OuteTTS-0.1-350M是一个基于LLaMa架构的文本转语音合成模型，使用纯语言建模方法，无需外部适配器或复杂架构。它通过精心设计的提示和音频标记实现了高质量的语音合成，并具有声音克隆功能。该模型采用三步音频处理方法：使用WavTokenizer进行音频标记化、CTC强制对齐以及结构化提示创建。目前版本为v0.1，存在一些限制，例如词汇量限制、仅支持字符串输入、输出质量可能不稳定以及对长句子的准确性较低。
阅读更多
这是一篇介绍 Hugging Face 上名为 ostris/OpenFLUX.1 的文本到图像扩散模型的文章。该模型是 FLUX.1-schnell 模型的微调版本，移除了蒸馏训练部分，采用经典的 CFG 方法，允许用户进行微调。文章还介绍了模型的使用方法和代码示例。
阅读更多
这篇文章介绍了英伟达发布的 NVLM 1.0，这是一系列前沿的多模态大型语言模型 (LLM)，在视觉语言任务上取得了最先进的结果，可与领先的专有模型（例如 GPT-4o）和开放访问模型（例如 Llama 3-V 405B 和 InternVL 2）相媲美。文章详细介绍了 NVLM-D-72B（仅解码器架构）的模型权重、代码、环境准备、模型加载、多 GPU 使用以及推理过程等内容。
阅读更多
numind/NuExtract 是一个基于 phi-3-mini 的信息提取模型，在 Hugging Face 上提供使用。该模型经过高质量私有数据集的微调，可用于从文本中提取信息。用户可以通过提供 JSON 模板来指定要提取的信息格式。
阅读更多
Hugging Face Space 上的“开放式大语言模型性能停滞不前，让我们再次让排行榜变得陡峭”项目指出， 开放式大语言模型的性能表现趋于平稳。该项目旨在通过持续评估和比较不同的模型，推动开放式大语言模型的发展，使其性能再次快速提升。
阅读更多
本文介绍了abliteration技术，该技术可以去除大型语言模型（LLM）的审查机制，使其能够响应所有类型的提示。文章详细介绍了abliteration技术的原理和实现步骤，并通过实验验证了其效果。实验结果表明，abliteration技术能够有效去除LLM模型的审查机制，但也可能导致模型性能下降。为了解决这个问题，文章建议使用DPO等技术对abliterated模型进行微调，以恢复其性能。
阅读更多
FineWeb 是一个由 Hugging Face 推出的开源项目，旨在从互联网上提取高质量的文本数据。该项目利用机器学习和自然语言处理技术，对网页内容进行分析和筛选，剔除低质量、重复和有害信息，为大型语言模型训练提供高质量数据集。
阅读更多
Hugging Face近日发现其Spaces平台存在未经授权的访问行为，可能导致部分用户密钥泄露。作为补救措施，Hugging Face已撤销了受影响的HF tokens，并建议用户刷新密钥或token，并改用更安全的细粒度访问令牌。此外，Hugging Face还采取了其他安全措施，包括移除组织令牌、实施密钥管理服务、增强识别和作废泄露令牌的能力等。
阅读更多
Hugging Face上OpenELM的页面提供了关于OpenELM模型的信息，包括其文档、预训练模型、示例和讨论区。OpenELM是一个面向自然语言处理任务的高效语言模型，由Apple开发。该页面允许用户探索OpenELM模型，了解其功能并参与相关的讨论。
阅读更多