跳到正文
5月25日周三
  1. Hugging Face 社区博客60

    Hugging Face Hub 推出 Pull Requests 和 Discussions 社区协作功能

    Hugging Face 在 Hub 上为模型、数据集和 Spaces 仓库推出 Pull Requests 和 Discussions 功能,位于新的 Community 标签页,任何社区成员均可参与。PR 不使用 fork,而是通过源仓库中称为 refs 的特殊分支实现,Issues 与 PR 不作区分并显示在同一列表,旨在打造比 GitHub 更简化的 ML 协作流程。

    推荐理由:原文说明了 PR 与讨论功能的具体机制和与 GitHub 的差异,读者可以据此了解如何参与 Hub 上的模型与数据集协作。

5月16日周一
  1. Hugging Face 社区博客64

    Gradio 3.0 发布:全新前端设计与 Blocks 低阶 API

    Hugging Face 发布 Gradio 3.0,对库进行了彻底重构设计。前端改用 Svelte 等现代技术带来更小的载荷和更快的页面加载,组件更新增 Gallery 和 TabbedInterface;新推出的 Gradio Blocks 低阶 API 支持在 Python 中自定义布局、多步骤数据流和组件属性动态控制。

    推荐理由:Hugging Face 官方说明 Gradio 3.0 的前端重构与 Blocks 低阶 API,读者可以判断新布局与数据流控制对模型演示的实际影响。

1月25日周二
  1. OpenAI:官网动态69

    OpenAI API 推出 text 和 code embeddings 新端点

    OpenAI 在 API 中推出 embeddings 新端点,用于自然语言和代码任务。该端点可支持语义搜索、聚类、主题建模和分类等应用。

    推荐理由:原文给出了新的 embeddings 端点及其适用任务,读者可据此判断能否用于搜索、聚类或分类类需求。

12月14日周二
  1. OpenAI:官网动态60

    OpenAI 推出 GPT-3 应用定制微调功能

    OpenAI 宣布可为应用定制 GPT-3,通过微调(fine-tuning)适配自身场景。官方称只需一条命令即可完成微调。

    推荐理由:OpenAI 官方宣布以单条命令即可对 GPT-3 做应用定制微调,降低了把基座模型适配到具体业务场景的门槛。

11月18日周四
  1. OpenAI:官网动态71

    OpenAI API 取消等候名单,全面开放使用

    OpenAI 宣布其 API 取消等候名单,开放更广泛的使用。OpenAI 表示,更广泛的开放得益于安全方面的进展。

    推荐理由:原文说明开放原因是安全性进展,读者可以了解 OpenAI API 使用门槛的降低节点。

8月10日周二
  1. OpenAI:官网动态66

    OpenAI 发布改进版 Codex,通过 API 开启私有测试

    OpenAI 发布改进版 Codex,该系统可将自然语言翻译为代码,即日起通过 API 以私有测试版形式开放。

    推荐理由:OpenAI 官方宣布 Codex 改进版上线 API 私测,读者可以据此了解自然语言转代码能力的开放入口。

7月28日周三
  1. OpenAI:官网动态60

    OpenAI 开源 Triton 1.0:让研究者无需 CUDA 经验也能写高效 GPU 代码

    OpenAI 发布 Triton 1.0,一种类 Python 的开源编程语言。它让没有 CUDA 经验的研究者也能写出高效 GPU 代码,多数情况下效率与专家手写代码相当。

    推荐理由:官方发布口径直接点明了 Triton 的核心价值,让无 CUDA 经验的研究者也能写出接近专家水平的 GPU 代码。

6月11日周四
  1. OpenAI:官网动态76

    OpenAI 发布 API,开放访问其新 AI 模型

    OpenAI 发布 API,供外界访问其开发的新 AI 模型。

    推荐理由:OpenAI 官方宣布开放 API 访问其新模型,原文虽短,但可直接了解其对外提供模型访问的方式。

4月27日周三
  1. OpenAI:官网动态71

    OpenAI 发布 OpenAI Gym 公测版强化学习工具包

    OpenAI 发布 OpenAI Gym 公测版(public beta),这是一个用于开发和比较强化学习(RL)算法的工具包。它包含持续扩充的环境套件,覆盖模拟机器人到 Atari 游戏,并提供用于比较和复现结果的网站。

    推荐理由:工具面向强化学习算法的开发与结果比较,环境覆盖模拟机器人和 Atari 游戏,可帮助读者了解可复现评测的入口。