Sakhanda Wire
NVDA $154.51 -1.04% MSFT $506.49 -2.22% GOOGL $281.27 -0.86% META $621.51 -0.78% AMZN $256.90 -0.33%

Hugging Face

111 новини · всички източници

Hugging Face

ToyBlocks създава контролиран тест за обучение на роботи

Ai2 представи ToyBlocks — отворена симулационна рамка за изследване на обучението на роботи в ограничена и възпроизводима среда. Тя моделира роботизирана ръка, която работи с блокчета върху маса. Върху страните им има изображения и букви, което позволява задачи за търсене, сортиране и подреждане, включително случаи, когато роботът трябва първо да обърне блокче, за да види скрита страна.

Hugging Face

Египетският и нигерийският английски в Open ASR Leaderboard

Open ASR Leaderboard добави два частни набора за оценяване на египетския и нигерийския английски чрез сътрудничество с Liva AI. Египетският набор включва 1,34 часа разговорна реч, а нигерийският — 1,55 часа. И двата съдържат спонтанни разговори, като транскрипциите са пунктуационно оформени, със запазени главни букви и особености на плавността на речта.

Hugging Face

NVIDIA представи четири отворени модела Cosmos 3 за симулации

NVIDIA добави четири модела с отворени тегла към семейството Cosmos 3 за интерактивна симулация на светове. Cosmos3-Nano-Transfer-Auto създава синхронизирани сцени за автономно шофиране от до 11 камери и може едновременно да генерира RGB и LiDAR данни. Cosmos3-Nano-Sim-Auto произвежда последователни сегменти от камерно и LiDAR видео според подадени команди за шофиране, което позволява поточно генериране и по-дълги интерактивни сценарии.

Hugging Face

Phonon пренася многоезичния синтез на реч на локални устройства

Phonon е компактен модел за синтез на реч, който генерира аудио директно на телефони, лаптопи, едноплаткови компютри и в браузър, без сървър или мрежова връзка. Разработчиците са представили две версии с размер около 65 MB и 75 MB. Заедно те поддържат английски, френски, немски, испански и португалски, както и над 100 вградени гласа. Потребителски гласове могат да се създават в Gradium Studio чрез клониране или описване на глас.

Hugging Face

Dharma Field Extractor превръща документи в структуриран JSON

Dharma-AI представи Dharma Field Extractor — модел с 2 милиарда параметъра, който извлича заявена информация от изображения на документи и я връща като структуриран JSON. Той може да работи без предварително зададена схема, като разпознава полета по етикети, стойности и оформление на таблиците, или да следва точна схема с определени имена и типове данни. Липсващите полета се връщат като null, а таблиците се подреждат по редове, включително при вложени структури.

Hugging Face

StateBench измерва как моделите следят промените в дълги документи

Изследователи представиха StateBench — тест за това доколко езиковите модели проследяват променяща се информация за обекти и герои в дълги документи. Задачите наподобяват преназначаване на променливи в програмен код, движение на персонажи в разказ или предаване на предмети. Те започват с намиране на постоянна или последно зададена стойност и стигат до проследяване на натрупващи се промени и зависимости между променливи.

Hugging Face

Palette обучава 20B модел да създава презентации в зададен стил

Palette е система с отворени тегла за генериране на презентации на собствен език на дизайна, включително при работа върху частна инфраструктура. Разработчиците са дообучили модел с 20B параметъра чрез LoRA върху синтетични данни, базирани на IBM Design Language. Процесът разделя задачата между две роли: дизайнер създава структуриран JSON бриф със съдържание, оформление и обосновка, а програмист генерира JavaScript код за pptxgenjs за всеки слайд. Слайдовете могат да се обработват паралелно, което ускорява етапа на програмиране около 6–7 пъти.

Hugging Face

CUGA изпревари Hermes и Deep Agents в сравнение с AppWorld

Екип на IBM Research сравни три хранилища за агентни системи, използвайки един и същия модел с отворени тегла, GLM-5.3-flash, върху 90 задачи от AppWorld в 30 сценария. Бенчмаркът обхваща девет приложения и 457 API, включително електронна поща, плащания и файлово хранилище. CUGA изпълни 73 задачи, или 81,1%, Hermes — 42, или 46,7%, а Deep Agents — 27, или 30,0%. По всички задачи в даден сценарий преминаха 20 сценария с CUGA, осем с Hermes и два с Deep Agents.

Hugging Face

CWE-bench v2 разширява публичното тестване на модели за киберсигурност

CWE-bench v2 представя публичен набор от 100 задачи за оценяване на изкуствени агенти при работа по сигурността на софтуера. Всяка задача използва реално хранилище с отворен код, кратка инструкция и цел — откриване и отстраняване на слабост, без да се нарушава съществуващата функционалност. Оценяването е програмно и детерминистично, което позволява възпроизвеждане на резултатите без допълнителни разходи. Задачите обхващат 91 категории CWE, а отделен скрит набор служи за проследяване на резултатите върху невиждани проблеми.

Hugging Face

Transformers предлага договори за интеграционно тестване на модели

Transformers изпитва предложен стандарт, наречен Model Integration Contracts (MIC), за откриване на регресии преди достигането им до основната кодова база. Инициативата последва грешка, въведена на 30 юли 2026 г., когато включването на мащабирано скаларно произведение за вниманието от PyTorch в T5 позволи на декодера на UMT5 да вижда бъдещи токени по време на обучение. Проблемът е отстранен на 28 септември, след като малка CPU версия го е възпроизвела.

Hugging Face

NVIDIA Nemotron задвижва интерактивна къща за Хелоуин

Служителят на NVIDIA Рик Гранди е създал MonsterHouse — интерактивна прожекция за Хелоуин, която слуша посетителите и им отговаря с гласа на намусен стар пиратски кораб. Гаражната врата-персонаж омеква, когато децата кажат „please“ и „thank you“, а представлението може да включва раздаване на лакомства.

Hugging Face

Granite Switch 4.1.1 обновява речта и вземането на решения

Granite Switch 4.1.1 е междинна актуализация на модулната архитектура за езикови модели, представена с версия 4.1. Според публикацията от 29 октомври 2026 г. тя е напълно обратно съвместима с 4.1 и не изисква миграция.