Sakhanda Wire
NVDA $153.73 -1.54% MSFT $506.30 -2.26% GOOGL $280.09 -1.28% META $619.28 -1.14% AMZN $256.62 -0.44%

Hugging Face

111 новин · усі джерела

Hugging Face

Політику ходіння Microduck переносять із симуляції на реального робота

Pollen Robotics і Hugging Face представили процес навчання двоногого робота з відкритим кодом Microduck у симуляції та перенесення політики ходіння на фізичний пристрій. У посібнику застосовуються NVIDIA Isaac Lab 3.0 і Newton для моделювання реакції сервоприводів, тертя, затримок і люфту редукторів — чинників, що впливають на роботу робота поза симуляцією.

Hugging Face

VocabX знизив виміряну вартість генерації моделі на 77%

Метод спеціалізації словника VocabX знизив виміряну вартість генерації системи для перевірки португальських есе на 77,0%. Результати наведено в матеріалах статті, яка ще проходить рецензування. Система працює на Qwen3-4B, але його початковий токенізатор розрахований на багато мов і предметних сфер. Для цієї задачі він використовував словник із 151 669 елементів і поділяв повторювані структури JSON на зайву кількість токенів.

Hugging Face

Профілювання TorchNeuron порівнює три реалізації RMSNorm на AWS Trainium

У посібнику, опублікованому 21 жовтня 2026 року, розглядається аналіз продуктивності інференсу за допомогою TorchNeuron — нативного open source бекенду PyTorch для AWS Trainium. Перша частина розрахована на читачів без попереднього досвіду профілювання та пояснює налаштування torch.profiler для Neuron, запис трасування і порівняння часу роботи CPU та прискорювача.

Hugging Face

IBM оновила Granite Speech для точності, швидкості та атрибуції мовців

IBM випустила три оновлення колекції Granite Speech: нову модель granite-speech-5.0-2b і переглянуті версії granite-speech-5.0-470m-turboctc та granite-speech-4.1-2b-plus. Моделі призначені для багатомовної транскрипції й перекладу, швидкої роботи на периферійних пристроях, а також аналізу записів із кількома мовцями.

Hugging Face

NVIDIA представила Kumo Forecast для прогнозування часових рядів

NVIDIA Kumo Forecast, раніше відома як NV-Tesseract Forecasting, є багатовимірною моделлю прогнозування часових рядів. Вона поєднує представлення, отримані під час попереднього навчання, з шаблонами, знайденими в історичних даних. Основою слугує Transformer MOMENT-1-large: енкодер приблизно на 340 мільйонів параметрів доповнений навчуваною головою прогнозування. У прямому режимі модель використовує останні спостереження, а Domain-Aware Representation and Retrieval (DARR) додає схожі історичні фрагменти, відібрані методом найближчих сусідів.

Hugging Face

SimReady Central відкрила понад 2 000 3D-активів для симуляцій

SimReady Central, нова бібліотека на Hugging Face, об’єднує понад 2 000 OpenUSD-активів, підготовлених для симуляційних процесів. Безкоштовна бібліотека з відкритим доступом має стати основою для середовищ навчання роботів і цифрових двійників AI-фабрик. До каталогу входять роботизовані руки та захвати, складське обладнання, стелажі, системи охолодження й інша інфраструктура.

Hugging Face

NVIDIA представила генеративний симулятор хірургії в реальному часі

NVIDIA представила Cosmos3-H-Dreams — дослідницький симулятор, що генерує інтерактивне відео клінічних хірургічних процедур. Систему навчали на синхронізованих відеозаписах і даних про кінематику робота, зібраних під час холецистектомій на платформі Versius компанії CMR Surgical. NVIDIA називає її першим генеративним хірургічним симулятором реального часу, навченим на клінічних записах холецистектомій і здатним підтримувати керування за кінематичними даними.

Hugging Face

FairStress виявляє приховану демографічну асиметрію рішень LLM

Дослідники AI2 представили FairStress — бенчмарк для оцінювання демографічної справедливості великих мовних моделей не лише за їхнім остаточним вибором. Він містить 300 сценаріїв із двома кандидатами у 29 сферах, зокрема в наймі, кредитуванні, охороні здоров’я, освіті, житлі та кримінальному правосудді. Тести змінюють спосіб подання демографічної ідентичності: від її відсутності до непрямого натяку, демографічно маркованого імені або прямого позначення. Також застосовуються зіставні переконливі твердження, які називають adversarial prefixes.

Hugging Face

Навчена пам’ять вивела GPT-4.1 у лідери retail-тесту τ²-bench

ALTK-Evolve за допомогою GPT-4.1 виокремлює поведінкові рекомендації з попередніх спроб агента й додає їх до системного prompt. Ваги моделі не змінюються, а людська анотація не потрібна. У retail-частині τ²-bench такий ReAct-агент отримав Pass^4 на рівні 67,5% — виконав усі чотири спроби для такої частки завдань — і перевищив усі retail-результати у зрізі таблиці лідерів від 12 жовтня 2026 року.

Hugging Face

Hugging Face додала нативну підтримку TPU через TorchTPU

Hugging Face представила TorchTPU — нативний бекенд для PyTorch, який дає змогу використовувати Tensor Processing Units від Google як звичайний пристрій. Компанія повідомляє, що Transformers, Diffusers і Kernels тепер працюють із TPU безпосередньо. Користувач може завантажити модель із Hub і вказати пристрій «tpu», не переносячи код на JAX і не використовуючи torch_xla.

Hugging Face

AnyLanguageModel 1.0 об’єднує доступ до моделей у Swift-застосунках

Випущено AnyLanguageModel 1.0 після року розробки та десятків релізів. Swift-пакет створено як сумісну заміну фреймворку Foundation Models від Apple: розробники можуть залишити незмінним код сесій і обирати системні, локальні або хостингові моделі. Разом із ним представлені версії 1.0 пакетів swift-huggingface та swift-xet.

Hugging Face

PyTorch 2.15 розширює можливості MPS на комп’ютерах Apple

У PyTorch 2.15 з’явилися масштабні покращення MPS для комп’ютерів з Apple silicon. Оновлення додає тензори torch.float8_e4m3fn і масштабоване матричне множення: значення FP8 потребують удвічі менше пам’яті, ніж BF16. Для MPS тепер потрібна macOS 15 або новіша, а PyTorch 2.15 потребує Python 3.11 або новішої версії.