Tag
Všetky publikované články, v ktorých sa téma Hugging Face objavuje ako dôležitý kontext. Aktuálne 46 textov v archíve.
Nový návod Hugging Face mení HF Jobs na rýchly spôsob, ako spustiť súkromný OpenAI kompatibilný vLLM endpoint bez vlastného Kubernetes. Je to praktické najmä pre testy, evaluácie a krátke dávkové generovanie.
Nový rozbor Ai2 a Hugging Face porovnáva Olmo 3 s Olmo Hybrid na úrovni jednotlivých tokenov. Ukazuje, že hybridná architektúra má najväčší náskok pri slovách nesúcich význam a pri sledovaní entít, zatiaľ čo čistý transformer zostáva silný pri doslovnom opakovaní textu.
Nový technický článok ukazuje, ako NeMo AutoModel využíva Transformers v5 na rýchlejšie a úspornejšie dolaďovanie zmesí expertov bez prepisovania tréningového kódu.
IBM Research publikoval na Hugging Face príklady agentických aplikácií postavených na CUGA. Harness má skryť orchestrace, stav, guardrails a multiagentné delegovanie za jednoduchšie rozhranie.
Tím Hugging Face presunul vydávanie Python klienta huggingface_hub na týždenný rytmus cez GitHub Actions, otvorené modely a ľudské schvaľovanie tam, kde rozhoduje úsudok.
PaddlePaddle zverejnil na Hugging Face novú generáciu univerzálneho OCR modelu PP-OCRv6. Rodina cieli na praktické čítanie textu v dokumentoch, obrazovkách aj scénach a škáluje od 1,5 po 34,5 milióna parametrov.
Nový benchmark skúma nielen výsledok úlohy, ale aj cestu, počet krokov a správanie modelov pri práci s reálnymi nástrojmi a dokumentáciou.
ServiceNow a Hugging Face opisujú benchmark, v ktorom agenti skladajú odpovede z verejných aj súkromných dát. Únik môže vzniknúť už v postupnosti externých dopytov.
Ai2 a Hugging Face predstavili MolmoMotion, súbor modelov, dát a benchmarkov pre predpovedanie 3D pohybu podľa jazykových inštrukcií. Cieľom je lepšie prepájať vizuálne vnímanie, plánovanie a robotické akcie.
Nový návod spája Hugging Face Hub, LeRobot a Strands Agents do jedného toku, v ktorom sa dá zozbierať demonštrácia, natrénovať politika a nasadiť ju na skutočný robot.
Z.ai predstavil na Hugging Face model GLM-5.2. Novinka zdôrazňuje stabilný miliónový kontext, dlhé kódovacie úlohy, efektívnejšie servírovanie a tréning zameraný na agentické správanie.
Nový open-source balík olmo-eval cieli na hodnotenie modelov počas ich vývoja, nie až po finálnom vydaní. Pre tímy okolo otvorených modelov je to signál, že evals sa posúvajú bližšie k samotnému tréningu.