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 новостей · все источники

Hugging Face

ToyBlocks создает контролируемую среду для обучения роботов

Ai2 представила ToyBlocks — открытую симуляционную среду для изучения обучения роботов в ограниченном и воспроизводимом мире. В ней роботизированная рука взаимодействует с блоками на столе. На гранях блоков размещены изображения и буквы, поэтому система может решать задачи поиска, сортировки и компоновки, в том числе сначала переворачивать блок, чтобы увидеть скрытую сторону.

Hugging Face

Египетский и нигерийский английский добавили в Open ASR Leaderboard

В Open ASR Leaderboard появились два закрытых набора для оценки распознавания египетского и нигерийского вариантов английского языка. Они добавлены в рамках сотрудничества с Liva AI. Египетский набор содержит 1,34 часа разговорной речи, нигерийский — 1,55 часа. Оба набора основаны на спонтанных диалогах; транскрипции пунктуированы, сохраняют регистр букв и речевые заминки.

Hugging Face

NVIDIA выпустила четыре открытые модели Cosmos 3 для симуляции

NVIDIA добавила в семейство мировых моделей Cosmos 3 четыре чекпойнта с открытыми весами для интерактивного моделирования окружающего мира. Cosmos3-Nano-Transfer-Auto генерирует синхронизированные данные для сценариев вождения с использованием до 11 камер и совместно создает RGB- и LiDAR-данные. Cosmos3-Nano-Sim-Auto формирует последовательные фрагменты видео с камер и LiDAR на основе команд управления автомобилем, поддерживая потоковую генерацию и длительные интерактивные запуски.

Hugging Face

Phonon переносит многоязычный синтез речи на устройства

Phonon — компактная модель синтеза речи, которая работает непосредственно на телефонах, ноутбуках, одноплатных компьютерах и в браузере, не обращаясь к серверу и не требуя подключения к сети. Разработчики выпустили две версии размером примерно 65 МБ и 75 МБ. В совокупности они поддерживают английский, французский, немецкий, испанский и португальский языки, а также более 100 встроенных голосов. Пользовательские голоса можно создавать в Gradium Studio с помощью клонирования или описания голоса.

Hugging Face

Dharma Field Extractor преобразует документы в структурированный JSON

Dharma-AI представила Dharma Field Extractor — модель с 2 миллиардами параметров, которая извлекает нужную информацию из изображений документов и возвращает ее в виде структурированного JSON. Модель может работать без заранее заданной схемы, определяя поля по подписям, значениям и расположению таблиц, либо заполнять точную схему с заданными именами и типами данных. Если поле отсутствует, система возвращает null; табличные данные сохраняются построчно, в том числе во вложенных структурах.

Hugging Face

StateBench проверяет отслеживание изменений в длинных документах

Исследователи представили StateBench — тест для оценки того, как языковые модели отслеживают изменения состояния объектов и персонажей в длинных документах. Задачи имитируют повторное присваивание переменных в коде, перемещение героев в рассказе и передачу предметов. От моделей требуется либо найти неизменное или последнее значение, либо проследить накопительные обновления и зависимости между переменными.

Hugging Face

Palette обучает модель 20B создавать презентации в заданном стиле

Palette — система с открытыми весами для создания презентаций в пользовательском языке дизайна, в том числе на собственной инфраструктуре. Разработчики дообучили модель размером 20B с помощью LoRA на синтетических данных, основанных на IBM Design Language. Работа разделена между двумя ролями: дизайнер формирует структурированный JSON-бриф с содержанием, компоновкой и обоснованием решений, а кодировщик создает для каждого слайда JavaScript-код для pptxgenjs. Обработка слайдов идет параллельно, поэтому этап написания кода ускоряется примерно в 6–7 раз.

Hugging Face

CUGA показала лучший результат в сравнении с Hermes и Deep Agents

Команда IBM Research сравнила три агентных оболочки на одной и той же модели с открытыми весами GLM-5.3-flash. Тестирование проводилось на 90 заданиях AppWorld в рамках 30 сценариев. Бенчмарк включает девять приложений и 457 API, среди которых электронная почта, платежи и файловое хранилище. CUGA выполнила 73 задания, или 81,1%, Hermes — 42, или 46,7%, а Deep Agents — 27, или 30,0%. Все варианты заданий в 20 сценариях прошли с CUGA, в восьми — с Hermes и в двух — с Deep Agents.

Hugging Face

CWE-bench v2 расширяет открытое тестирование моделей кибербезопасности

CWE-bench v2 представляет открытый набор из 100 заданий для оценки ИИ-агентов в работе с безопасностью программного обеспечения. В каждом задании используются реальный репозиторий с открытым исходным кодом, краткая инструкция и цель: найти и устранить уязвимость, сохранив имеющуюся функциональность. Оценка выполняется программно и детерминированно, поэтому результаты можно воспроизводить без дополнительных затрат. Задания охватывают 91 категорию CWE, а отдельный закрытый набор позволяет отслеживать результаты на ранее не виденных задачах.

Hugging Face

Transformers предлагает контракты для интеграционного тестирования моделей

Transformers проверяет предложенный стандарт Model Integration Contracts (MIC), предназначенный для выявления регрессий до их попадания в основную кодовую базу. Поводом стала ошибка, внесённая 30 июля 2026 года: после включения масштабированного скалярного внимания PyTorch для T5 декодер UMT5 получил возможность видеть будущие токены во время обучения. Проблему исправили 28 сентября, после того как небольшая версия модели для CPU воспроизвела её.

Hugging Face

NVIDIA Nemotron оживляет интерактивный дом на Хэллоуин

Сотрудник NVIDIA Рик Гранди создал MonsterHouse — интерактивную хэллоуинскую проекцию, которая слушает гостей и отвечает голосом сварливого старого пиратского корабля. Персонаж в виде гаражной двери становится мягче, если посетители говорят «please» и «thank you», а в сценарий входит раздача угощений.

Hugging Face

Granite Switch 4.1.1 обновляет распознавание речи и адаптер решений

Granite Switch 4.1.1 — это исправительный выпуск модульной архитектуры языковых моделей, представленной в версии 4.1. В публикации от 29 октября 2026 года указано, что обновление полностью обратно совместимо с 4.1 и не требует миграции.