Sakhanda Wire
NVDA $154.00 -1.37% MSFT $506.28 -2.26% GOOGL $280.87 -1.00% META $620.34 -0.97% AMZN $256.88 -0.34%

Hugging Face

111 новостей · все источники

Hugging Face

Mistral Large 4 с мультимодальными возможностями появился на Hugging Face

Mistral Large 4, также называемый Le Chonk, опубликован на Hugging Face как мультимодальная и многоязычная модель Mixture-of-Experts. Она принимает текст и изображения, а результатом работы является текст. Модель насчитывает около 1T параметров в общей сложности, 49B активных параметров и поддерживает контекст до 1M токенов. Официально доступны варианты FP8 и NVFP4, а Unsloth и команда llama.cpp подготовили версии GGUF. Распространение ведётся по лицензии Mistral Ecosystem Open-Weight License — производной от MIT, содержащей ограничения для предложений model-as-a-service.

Hugging Face

Project ProtoStar призван сделать науку готовой для ИИ

Project ProtoStar объединит университеты, научные организации, промышленность и сообщество открытой науки, чтобы упростить поиск, повторное использование и объединение публично финансируемых научных наборов данных, моделей и кода. Инициатива поддерживает публикацию таких материалов в готовых для ИИ и машиночитаемых форматах на открытой инфраструктуре. Среди партнеров-основателей — Carnegie Mellon University, Purdue University, Georgia Institute of Technology, Arizona State University, The George Washington University, Astera Institute, Hugging Face и Open Research Community Accelerator.

Hugging Face

AnySpeechRecognizer и AnyDecisionModel расширяют выбор моделей для Apple

Новые Swift-пакеты AnySpeechRecognizer и AnyDecisionModel добавляют варианты моделей для распознавания речи и структурированных решений на платформах Apple. AnySpeechRecognizer повторяет интерфейс API вокруг SpeechAnalyzer от Apple, но позволяет выбрать другой движок. В пакет включена работа с Parakeet от NVIDIA и Qwen3-ASR от Alibaba локально через Core ML, а также с используемым по умолчанию движком Apple.

Hugging Face

NVIDIA выпустила многоязычную модель Nemotron 3.5 Transcribe

NVIDIA выпустила Nemotron 3.5 Transcribe — модель с открытыми весами, доступную на Hugging Face и ModelScope. Один чекпойнт объединяет транскрибацию, определение говорящих, перевод и ответы на вопросы по аудио. Модель обрабатывает 40 языков, переводит 31 из них на английский или с английского, определяет говорящих на 13 языках, работает с записями продолжительностью до часа и может обозначать до восьми участников.

Hugging Face

LFM3 объединяет специализированные мультимодальные модели на общей основе

LiquidAI представила LFM3 — новое поколение Liquid Foundation Models, предназначенное для создания специализированных систем. Семейство охватывает текст, изображения, аудио, комбинированные входы и задачи принятия решений. Шесть моделей класса 2B построены на основе LFM3-1.7B-Base. По данным разработчиков, каждую из них можно дообучить на собственных данных с использованием одного графического процессора и развернуть непосредственно на устройстве.

Hugging Face

Исследование выявило нестабильность оценок новизны научных идей ИИ

Новое исследование Ai2 проверяет, насколько надежно большие языковые модели могут определять новизну научных идей. Авторы опубликовали бенчмарк Old Ideas, Novel Problems, данные и код, а также автоматизированный процесс для создания новых наборов оценки. Он проверяет как абсолютные оценки новизны, так и выбор более новой из двух идей.

Hugging Face

LitPivot связывает развитие исследовательских идей с научной литературой

Ai2 совместно с исследователями из Пенсильванского университета разработала LitPivot — систему для развития исследовательских идей на раннем этапе с учетом научной литературы. Она использует статьи, найденные через Asta Paper Finder, и группирует их по редактируемой части предложения: проблеме, предполагаемому вкладу или плану оценки.

Hugging Face

Новый Space проверяет модели Transformers на AWS Trainium

Hugging Face представила Space для проверки поддержки моделей через torch-neuronx. Он показывает, могут ли выбранные модели Transformers работать на AWS Trainium без изменений. Начальный раздел содержит модели, отобранные среди наиболее скачиваемых и недавно популярных на Hub, а отдельные разделы следуют соответствующим рейтингам. Поиск модели выводит результат, число используемых ядер Trainium, полное время работы с учётом компиляции и пиковый объём памяти устройства. Пользователь также может выбрать версии компилятора и Transformers.

Hugging Face

ThinkingBox использует проверки баз данных как награды для обучения агентов

Microsoft и Hugging Face сообщили о доступности ThinkingBox-Training на GitHub. Система оценивает работу агента по конечному состоянию базы данных, а не только по вызовам инструментов или заявлению модели о завершении задачи. Исполняемые проверки могут напрямую формировать бинарную награду для обучения с подкреплением.

Hugging Face

OlmoEarth v1.3 публикует глобальные спутниковые эмбеддинги

OlmoEarth v1.3 — модель спутниковых эмбеддингов, преобразующая временные ряды радиолокационных и мультиспектральных данных в признаки для повторного использования. Она обрабатывает годовые данные Sentinel-1, Sentinel-2 и Landsat и формирует 128-мерный вектор для каждого 10-метрового пикселя Земли. Первые 64 измерения можно применять отдельно как более компактное представление. Предварительно рассчитанные эмбеддинги всей планеты опубликованы в обоих вариантах.

Hugging Face

Ансамбль IBM Granite объединил четыре модели для прогнозирования рядов

IBM представила Granite Timeseries Ensemble — рецепт прогнозирования, объединяющий четыре предварительно обученные модели временных рядов через единый интерфейс. Он формирует точечный прогноз в виде медианы и квантильные прогнозы без дообучения моделей и без подбора весов по историческим ошибкам. В конфигурацию по умолчанию входят Granite PatchTST-FM-r1, Granite PatchTST-FM-r2, Granite FlowState-r1.1 и Granite TTM-r3. Они используют разные архитектуры: patched Transformer, patched Conformer, модель пространства состояний и MLP-mixer.

Hugging Face

Kumo Relational показывает высокие результаты без дообучения

NVIDIA представила Kumo Relational — предварительно обученную фундаментальную модель для прогнозирования непосредственно по реляционным базам данных. Получив предиктивный запрос, она использует в качестве контекста до 10 000 исторических примеров и оценивает, например, отток клиентов, спрос или мошенничество. Для работы модели не нужны обучение под конкретную задачу, разработка признаков или объединение таблиц в плоскую структуру; при этом для максимальной точности предусмотрена тонкая настройка.