Метод Magpie адаптирован для синтеза речевых данных в TTS-моделях на основе LLM
Метод синтеза данных Magpie адаптирован для создания речевых датасетов TTS-моделей, что позволяет генерировать 125k образцов без человеческого участия.
-
-
Hugging Face интегрировал генерацию изображений в Claude через MCP-сервер
Hugging Face интегрировал генерацию изображений в Claude через MCP-сервер. Доступны модели FLUX.1 Krea для фотореалистичных изображений и Qwen-Image для работы с текстом.
-
Hugging Face представляет PTS: новый инструмент для эффективного обучения языковых моделей
Hugging Face выпустила PTS — унифицированный фреймворк для параметр-эффективного обучения языковых моделей, который стандартизирует процесс тонкой настройки и ускоряет эксперименты.
-
Model Context Protocol автоматизирует научные исследования через естественный язык
Model Context Protocol позволяет ИИ-ассистентам автоматизировать научный поиск across платформ через естественный язык, устраняя рутину ручного кросс-референсинга.
-
Hugging Face представила инструмент для автоматизации сборки ядер ML-библиотек
Hugging Face представила инструмент для автоматизации сборки низкоуровневых ядер ML-библиотек, упрощающий оптимизацию кода под различные аппаратные архитектуры.
-
Hugging Face перечиляет пять методов снижения затрат на корпоративный ИИ
Hugging Face представила пять практических методов снижения затрат на эксплуатацию AI-моделей в enterprise-среде без потери производительности.
-
NVIDIA представляет дообучение модели GR00T N1.5 для робота-манипулятора SO-101
NVIDIA анонсировала дообучение модели GR00T N1.5 для робота-манипулятора SO-101 с открытым кодом и пошаговой инструкцией адаптации под пользовательские задачи.
-
Итоги PyTorch Day China: рост экосистемы и новые инструменты
Обзор ключевых анонсов PyTorch Day China 2025: универсальные инструменты для железа, рост open source проектов и локализация экосистемы.
-
FilBench: бенчмарк для оценки языковых моделей теперь понимает филиппинские языки
Hugging Face представил FilBench — первый бенчмарк для оценки LLM на филиппинских языках. Тестирование 41 модели выявило лидеров и слабые места, особенно в генерации текста.
-
TextQuests оценил, насколько эффективны языковые модели в текстовых играх
Новый бенчмарк TextQuests на классических текстовых играх вскрыл слабости LLM в долгосрочном планировании и пространственном мышлении. Модели галлюцинируют в длинных сессиях и неэффективно тратят вычислительные ресурсы.
