新着ニュース

24318件
OpenAI Blog ★4 LLM EN

GPT-4をコンテンツモデレーションに活用

要約を読む要約を閉じる
📰ニュース

OpenAIがGPT-4をコンテンツポリシー策定とモデレーション判断に利用開始しました。

🔍注目ポイント

GPT-4により、コンテンツのラベリングの一貫性が向上し、ポリシー改善のサイクルが高速化されます。

🔮これからどうなる

人間によるモデレーションの負担が軽減され、より迅速かつ客観的なコンテンツ管理が可能になります。

GPT-4の導入により、ポリシーの曖昧さが減り、人間が判断に迷うケースが減少します。
これにより、ポリシーの改善がより迅速に行え、コンテンツモデレーションの効率と精度が向上することが期待されます。
最終的には、ユーザーにとってより安全なプラットフォームの実現に貢献します。
Hugging Face Blog ★3 ビジネス EN

Hugging Face HubがAWS Marketplaceに登場:AWSアカウントで支払い可能に

要約を読む要約を閉じる
📰ニュース

Hugging Face HubがAWS Marketplaceで利用可能になり、AWSアカウントで支払いが可能になりました。

🔍注目ポイント

AWSの既存契約やクレジットをHugging Faceの有料サービスに充当できる点が技術的連携のポイントです。

🔮これからどうなる

企業や開発者は、Hugging FaceのAIモデルやツールをより簡単に導入・管理できるようになります。

Hugging Face Hubは、機械学習モデル、データセット、デモアプリを共有・発見できるプラットフォームです。
AWS Marketplaceへの統合により、企業は調達プロセスを簡素化し、既存のAWS予算を活用してHugging Faceの有料プランを利用できるようになります。
これにより、AI開発の効率化とコスト管理の改善が期待されます。
Hugging Face Blog ★4 LLM EN

🤗 Transformers を用いた Bark の最適化

要約を読む要約を閉じる
📰ニュース

Hugging FaceがBarkモデルの推論速度とメモリ効率を大幅に改善しました。

🔍注目ポイント

Transformersライブラリの最適化により、Barkの推論が最大10倍高速化し、メモリ使用量も削減されました。

🔮これからどうなる

より多くの開発者がBarkを効率的に利用できるようになり、音声生成AIの普及が加速するでしょう。

Barkはテキストから音声を生成するモデルですが、これまでは推論に時間がかかり、多くのメモリを必要としていました。
Hugging FaceはTransformersライブラリの最適化を通じて、この問題を解決し、より手軽にBarkを利用できる環境を整えました。
特に、CPUでの推論速度が大幅に向上しています。
Hugging Face Blog ★4 研究 EN

Hugging FaceモデルをBentoMLでデプロイ:DeepFloyd IFの実践

要約を読む要約を閉じる
📰ニュース

Hugging FaceのDeepFloyd IFモデルをBentoMLを使って効率的にデプロイする方法が紹介されました。

🔍注目ポイント

BentoMLがモデルのサービング、スケーリング、API作成を簡素化し、複雑なデプロイを容易にします。

🔮これからどうなる

開発者はHugging Faceモデルを本番環境に迅速かつ安定して導入できるようになります。

DeepFloyd IFは、Googleが開発した画像生成モデルで、テキストから高品質な画像を生成できます。
BentoMLは、機械学習モデルを本番環境で動かすためのオープンソースフレームワークで、モデルのパッケージング、デプロイ、サービングをサポートします。
この組み合わせにより、複雑な画像生成モデルも簡単に運用できるようになります。
Hugging Face Blog ★4 LLM EN

DPOでLlama 2をファインチューニング

要約を読む要約を閉じる
📰ニュース

Hugging FaceがLlama 2モデルをDPO(Direct Preference Optimization)でファインチューニングする手法を公開しました。

🔍注目ポイント

DPOは人間の選好データを直接利用し、報酬モデルなしでLLMの性能を向上させる効率的な手法です。

🔮これからどうなる

開発者はより少ない計算リソースで、高品質なLLMを特定のタスクやユーザーの好みに合わせて調整できるようになります。

従来のRLHF(強化学習と人間のフィードバック)は複雑で計算コストが高いですが、DPOは報酬モデルの学習を不要にし、直接ポリシーを最適化します。
これにより、より手軽にモデルの応答品質を改善できる可能性があります。
Hugging Faceは、この手法をLlama 2モデルに適用する具体的なコードとチュートリアルを提供しています。
Hugging Face Blog ★4 LLM EN

Swift Transformersのリリース:AppleデバイスでオンデバイスLLMを実行

要約を読む要約を閉じる
📰ニュース

Hugging FaceがSwift Transformersをリリースし、Appleデバイス上でLLMのオンデバイス実行を可能にしました。

🔍注目ポイント

Core ML ToolsとSwift APIを活用し、TransformerモデルをAppleのハードウェアで効率的に動かすための最適化がされています。

🔮これからどうなる

開発者は、プライバシーを保護しつつ、オフラインでも動作する高性能なAIアプリをAppleユーザーに提供できるようになります。

Swift Transformersは、Hugging FaceのTransformerモデルをCore ML形式に変換し、Swiftで簡単に利用できるライブラリです。
これにより、サーバーへのデータ送信なしに、デバイス上で直接LLM推論が可能になり、応答速度の向上とデータプライバシーの強化が期待されます。
特に、AppleのNeural Engineを最大限に活用できるよう設計されています。
Hugging Face Blog ★4 LLM EN

Hugging Face Inference EndpointsでMusicGenを素早くデプロイ

要約を読む要約を閉じる
📰ニュース

Hugging FaceがMusicGenをInference Endpointsで簡単にデプロイできる機能を提供開始しました。

🔍注目ポイント

複雑なインフラ設定なしに、数クリックでMusicGenモデルを本番環境に展開できる点が画期的です。

🔮これからどうなる

開発者は音楽生成AIの導入障壁が下がり、より迅速にアプリケーション開発を進められます。

MusicGenはMetaが開発した最先端の音楽生成モデルで、テキストプロンプトから高品質な音楽を生成できます。
Hugging Face Inference Endpointsは、モデルのホスティング、スケーリング、セキュリティなどを自動で管理してくれるサービスです。
これにより、開発者はモデルのデプロイにかかる時間と労力を大幅に削減できます。
Hugging Face Blog ★4 LLM EN

Huggy Lingo: Hugging Face Hubの言語メタデータを機械学習で改善

要約を読む要約を閉じる
📰ニュース

Hugging Faceが機械学習モデル「Huggy Lingo」を開発し、Hub上のモデルやデータセットの言語メタデータを自動で改善しています。

🔍注目ポイント

言語検出モデルと埋め込みモデルを組み合わせ、多言語データセットの言語構成をより正確に特定・分類しています。

🔮これからどうなる

開発者は、より正確な言語情報に基づいて適切なモデルやデータセットを効率的に見つけられるようになります。

Hugging Face Hubには多種多様な言語データが存在しますが、手動でのメタデータ付与は不完全でした。
Huggy Lingoは、既存の言語検出モデルと埋め込みモデルを活用し、モデルカードやデータセットの言語情報を自動で更新・補完します。
これにより、多言語対応モデルの検索精度が向上し、ユーザーエクスペリエンスが改善されます。
Hugging Face Blog ★4 LLM EN

FHEを用いた暗号化大規模言語モデルに向けて

要約を読む要約を閉じる
📰ニュース

完全準同型暗号(FHE)を使って、暗号化されたLLMの推論を可能にする研究が進んでいます。

🔍注目ポイント

FHEにより、データが暗号化されたままでもLLM推論が可能になり、プライバシー保護とセキュリティが向上します。

🔮これからどうなる

機密データを扱う企業や個人が、プライバシーを侵害せずにLLMを利用できるようになります。

現在のLLMは推論時にデータを平文で処理するため、プライバシーリスクがあります。
FHEは、暗号化されたデータ上で計算を実行できる技術で、この問題を解決する可能性を秘めています。
しかし、FHEは計算コストが高く、LLMへの適用には効率化が課題です。
この研究は、FHEとLLMの統合に向けた重要な一歩となります。
OpenAI Blog ★4 AI倫理 EN

AIのための信頼醸成措置:ワークショップ議事録

要約を読む要約を閉じる
📰ニュース

AIの安全性と信頼性を高めるための国際的な信頼醸成措置に関するワークショップが開催されました。

🔍注目ポイント

AIの潜在的リスクを管理し、国際協力を促進するための具体的な枠組みとアプローチが議論されました。

🔮これからどうなる

AI開発者、政策立案者、国際機関が、より安全で透明性の高いAIシステムを構築するための指針を得られます。

このワークショップは、AIの急速な発展に伴うリスクに対処するため、核兵器管理で用いられた信頼醸成措置(CBMs)の概念をAI分野に応用することを目的としています。
参加者は、AIの透明性、検証可能性、説明責任を高めるための具体的な提案を議論し、国際的な協力の重要性を強調しました。
Hugging Face Blog ★4 研究 EN

実践的な3Dアセット生成:ステップバイステップガイド

要約を読む要約を閉じる
📰ニュース

Hugging Faceが、テキストや画像から高品質な3Dアセットを生成する実践的なガイドを公開しました。

🔍注目ポイント

テキストや画像から3Dモデルを生成する最新のAI技術を、具体的なツールと手順で解説しています。

🔮これからどうなる

クリエイターや開発者が、より手軽に3Dコンテンツを制作できるようになり、制作効率が向上します。

このガイドは、テキストから3Dモデルを生成するツール(例えばStable Zero123)や、画像から3Dモデルを生成するツール(例えばInstantMesh)の利用方法を詳細に説明しています。
さらに、生成された3Dモデルを最適化し、ゲームエンジンや他のアプリケーションで利用するための後処理についても触れています。
これにより、AIを活用した3Dアセット制作の敷居が大きく下がることが期待されます。
Hugging Face Blog ★4 画像生成 EN

SD-SmallとSD-Tinyの知識蒸留コードと重みをオープンソース化

要約を読む要約を閉じる
📰ニュース

Hugging FaceがSD-SmallとSD-Tinyの知識蒸留コードと重みを公開しました。

🔍注目ポイント

大規模モデルの性能を維持しつつ、より小型で高速な画像生成モデルを実現する技術です。

🔮これからどうなる

リソースが限られた環境でも高品質な画像生成が可能になり、開発の敷居が下がります。

知識蒸留は、大規模な教師モデルの知識を小さな生徒モデルに転移させる手法です。
これにより、モデルサイズを大幅に削減しながら、元のモデルに近い性能を維持できます。
SD-SmallとSD-Tinyは、Stable Diffusionの小型版であり、推論速度の向上とメモリ使用量の削減が期待されます。