Items tagged with “Hugging Face”.
Scaleway est désormais un Fournisseur d’Inference pris en charge sur Hugging Face Hub, permettant l’inférence serverless directement sur les pages de modèles avec les SDK JS et Python. Accédez à des modèles open-weight populaires et bénéficiez d’une latence réduite.
Découvrez comment la compilation AoT de PyTorch améliore les performances des ZeroGPU Spaces, permettant la réutilisation instantanée des modèles compilés, la quantification FP8 et les formes dynamiques pour des démos plus réactives sur les GPUs H200.
Découvrez comment la compilation ahead-of-time (AoT) de PyTorch accélère les ZeroGPU Spaces sur les GPUs Nvidia H200, avec rechargement instantané, quantification FP8, formes dynamiques et gains de performance (1,3×–1,8×) pour Flux, Wan et LTX.
Découvrez comment la compilation AoT de PyTorch accélère ZeroGPU Spaces en exportant un modèle compilé et en le rechargeant instantanément, avec quantification FP8, formes dynamiques et intégration au flux Spaces GPU.
Claude peut désormais générer des images de haute qualité en se connectant à Hugging Face Spaces via MCP, en utilisant FLUX.1-Krea-dev et Qwen-Image pour des visuels réalistes et un rendu de texte fiable.
NVIDIA publie Nemotron Nano 2 9B, un modèle de raisonnement ouvert offrant une précision de premier plan dans sa catégorie et un débit jusqu'à 6x supérieur au prochain modèle ouvert. Il présente une architecture hybride Transformer–Mamba et un budget de réflexion configurable.
Découvrez comment connecter Claude à Hugging Face Spaces via MCP Server pour générer des images avec Krea et Qwen-Image, profiter des crédits gratuits et explorer le répertoire d'applications IA.
Nemotron Nano 2 9B, modèle de raisonnement ouvert, offre une précision de pointe et jusqu’à 6x de débit grâce à une architecture hybride Transformer–Mamba et un budget de pensée configurable.
Une vue d’ensemble détaillée, axée production, de l’outil kernel-builder de Hugging Face pour développer, compiler et partager des noyaux CUDA comme opérateurs PyTorch natifs, avec des flux complets du développement local au déploiement sur le hub.
Découvrez comment le Model Context Protocol (MCP) permet à l IA d’utiliser des outils de recherche via le langage naturel, automatisant la découverte entre arXiv, GitHub et Hugging Face avec le Research Tracker MCP.
Guide pratique pour développer, construire pour plusieurs architectures et déployer des kernels CUDA avec Hugging Face Kernel Builder. Apprenez à créer un flux robuste, du développement local à la diffusion sur le Hub.
Parcours pratique de kernel-builder de Hugging Face pour développer, compiler et déployer des kernels CUDA prêts pour la production, avec des builds reproductibles, le support multi-architecture et une distribution via Hub.
Explique le Model Context Protocol (MCP) pour la découverte de la recherche et comment l’IA peut orchestrer des outils via le langage naturel sur arXiv, GitHub et Hugging Face.
FilBench évalue les performances des LLMs pour Tagalog, Filipino et Cebuano dans les domaines connaissance culturelle, NLP classique, compréhension en lecture et génération, révélant l'efficacité et les résultats de traduction pour les modèles SEA et GPT-4o.
TextQuests est un benchmark qui évalue les agents LLM sur 25 jeux classiques d’infocom, mettant l’accent sur le raisonnement en contexte long et l’exploration autonome.
FilBench est une suite d’évaluation complète pour mesurer les capacités des LLMs en Tagalog, Filipino et Cebuano, couvrant connaissance culturelle, NLP classique, compréhension de lecture et génération.
Présentation des capacités ND‑Parallel d'Accelerate : composer data, tensor, sharded et context parallelism avec Axolotl pour entraîner de grands modèles sur multi‑GPU et multi‑node.
AI Sheets est un outil open-source et sans code de Hugging Face pour construire, transformer et enrichir des datasets à l'aide de modèles ouverts ou locaux. Testez la Space ou déployez localement.
Ressource sur la composition de plusieurs stratégies de parallélisme (DP, FSDP, TP, CP) avec Accelerate et Axolotl pour entraîner de grands modèles sur de multiples GPU, avec configuration, cas d'utilisation et compromis.
AI Sheets est un outil open-source sans code pour créer, enrichir et transformer des jeux de données avec des modèles d IA. Déployable localement ou sur le Hub, il prend en charge des milliers de modèles ouverts et permet des itérations par prompts, retours en mode few-shot et comparaisons de modèle
TRL élargit l’alignement multimodal pour les VLMs avec GRPO, GSPO, MPO et le support SFT natif, accompagnés de scripts et de notebooks prêts à l’emploi.
Aperçu des méthodes d’alignement multimodal de TRL pour les VLMs: GRPO, GSPO et MPO, avec le support SFT natif et les bases DPO.
OpenAI publie deux modèles ouverts MoE, GPT OSS 120B et GPT OSS 20B, avec quantification MXFP4 en 4 bits. Sous licence Apache 2.0 avec une politique d’utilisation minimale, accessibles via Hugging Face Inference Providers pour des déploiements sur appareil, sur site et dans le cloud.
OpenAI publie GPT OSS, une famille de modèles MoE 120B et 20B avec quantification MXFP4 en 4 bits, sous licence Apache 2.0, et accessibles via les Inference Providers de Hugging Face pour des déploiements locaux et serveurs.
Deux modèles à poids ouverts (gpt-oss-120b et gpt-oss-20b) utilisant des Mixture-of-Experts et une quantification MXFP4 pour une inférence rapide et économe en mémoire. Licenciés Apache 2.0, adaptés aux déploiements privés/local et à l’exécution sur périphérique, avec intégration via Hugging Face In
Découvrez comment les serveurs Gradio MCP permettent à un LLM d’appeler des modèles externes pour naviguer, sélectionner des vêtements et afficher des essayages virtuels via IDM-VTON, le tout intégré via VS Code AI Chat.
Découvrez comment les serveurs Gradio MCP connectent les LLM aux modèles Hugging Face pour alimenter un assistant d'achat IA qui parcourt les sites et réalise des essayages virtuels avec IDM-VTON.
Trackio est une bibliothèque open-source et gratuite pour le suivi d’expériences, avec un tableau de bord Gradio local et une synchronisation optionnelle avec Hugging Face Spaces pour faciliter le partage.
Bibliothèque de suivi d’expériences Python open-source et gratuite, avec un tableau de bord Gradio local qui peut se synchroniser avec Hugging Face Spaces pour un partage facile. Remplace wandb sans effort, design léger (bêta).
Hugging Face introduit Parquet CDC, un chunking défini par le contenu, dans PyArrow et Pandas, et exploite le storage Xet pour réduire les transferts et les coûts de stockage.
CDC Parquet Content-Defined (CDC) est disponible sur PyArrow et Pandas, permettant une déduplication efficace entre répertoires via la couche de stockage Xet de Hugging Face, réduisant les transferts et les coûts de stockage.
Hugging Face renomme sa CLI en hf, réorganise les commandes selon un motif ressource-action et introduit Hugging Face Jobs, tout en conservant l’interface legacy.
Vue d’ensemble de la réorganisation du CLI en hf et du nouveau service Hugging Face Jobs, avec installation, utilisation et notes de migration.
Activez le CDC pour Parquet avec le stockage Xet et PyArrow/Pandas, pour dédupliquer les blocs de données à travers les fichiers et les dépôts, réduisant les transferts et le coût de stockage.
Cet article explique comment une recette d’optimisation Hugging Face accélère l’inférence LoRA sur Flux avec Diffusers et PEFT, avec des gains allant jusqu’à ~2,3x et en détaillant le hot-swapping, la quantification FP8 et les techniques de gestion mémoire.
Benchmark open-source TimeScope évalue la compréhension des vidéos longues par des needles courtes insérées dans des vidéos de 1 minute à 8 heures, couvrant récupération, synthèse, localisation et analyse du mouvement.
TimeScope introduit une nouvelle référence open source pour mesurer comment les modèles vision-langage traitent les vidéos longues en insérant des aiguilles courtes et en évaluant la récupération, la synthèse, la localisation et l’analyse du mouvement.
Aperçu du Virtual Cell Challenge d'Arc Institute, de la baseline STATE et des implications pour modéliser in silico les perturbations cellulaires et la généralisation de contexte.
Analyse approfondie de FutureBench, un benchmark qui évalue les agents IA à prédire des événements futurs à partir de sources réelles, en mettant l’accent sur le raisonnement face à l’incertitude et les résultats vérifiables.
Plongée approfondie dans Consilium, la plateforme multi-LLM qui permet aux modèles de discuter, débattre et atteindre le consensus via des serveurs MCP et une ronde visuelle Gradio.
Aperçu des améliorations du serveur MCP Gradio dans la version 5.38.0: upload de fichiers, streaming de progression, intégration API OpenAPI, gestion des en-têtes et descriptions d’outils personnalisables.
Ettin présente les premiers modèles encodés et décodeurs à la pointe, entraînés sur des données identiques, pour des comparaisons équitables et reproductibles.