跳到正文

#教程/实践

今日 2 条
8月1日周二
7月17日周一
7月14日周五
7月5日周三
7月4日周二
7月3日周一
6月29日周四
6月19日周一
  1. Hugging Face Blog40

    微调 MMS Adapter 模型实现低资源 ASR

    Hugging Face 发布博客,介绍如何用 Meta AI 的 MMS Adapter 训练低资源语音识别:仅微调约 2.5M 权重、10-20 分钟即可获得极低词错误率,比微调整个模型更省内存、更稳健。MMS 在 1400 多种语言、50 万小时以上音频上预训练,已放出 300M 和 1B 检查点,以及 102、1107、1162 种语言的 ASR adapter。

6月16日周五
6月15日周四
6月12日周一
6月5日周一
  1. Hugging Face Blog72

    Falcon 模型已接入 Hugging Face 生态

    Hugging Face 发布博客介绍阿布扎比 TII 以 Apache 2.0 开源的 Falcon 系列模型,包括 Falcon-40B 和 Falcon-7B 及其 Instruct 版本,并给出在 HF 生态中运行与微调的具体做法。

    推荐理由:HF 官方给出 Falcon 40B/7B 从推理、量化到 QLoRA 微调的可复用命令与显存要求,便于在自己硬件上复现。

6月2日周五
  1. Hugging Face Blog35

    如何在 Unity 中用 HF Mirror Unity API 实现语音识别

    Hugging Face 发布教程,讲解如何借助 HF Mirror Unity API 在 Unity 中实现语音识别,把玩家说的话转成文本,可用于下达指令、与 NPC 对话或提升无障碍体验。教程演示搭建含开始/停止按钮和 TextMeshPro 文本框的场景,用 Microphone.Start() 以 44100 Hz 录制最长 10 秒音频,再编码为 WAV 格式发送给 API 识别。

5月25日周四
  1. Hugging Face Blog61

    用 NNCF 和 Optimum 为 Intel CPU 优化 Stable Diffusion

    Hugging Face 博客介绍了结合 OpenVINO NNCF 量化感知训练、知识蒸馏与 Token Merging 优化 Stable Diffusion 的工作流,在 Intel CPU 上实现相比 PyTorch 5.1 倍推理加速和 4 倍模型体积缩减。

    推荐理由:Intel 与 Hugging Face 给出了在 CPU 上压缩 Stable Diffusion 的完整工作流,附推理代码与可复现的量化流程。

5月23日周二
5月16日周二
5月15日周一
5月11日周四
  1. Hugging Face Blog62

    Hugging Face 提出辅助生成,用小型助手模型降低自回归文本生成延迟

    Hugging Face 发布辅助生成(Assisted Generation)解码方法,用一个比主模型小一个数量级、且共享同一 tokenizer 的助手模型先草拟候选 token,再由主模型一次前向验证,正确候选被保留,首个不一致处由主模型重新生成。

    推荐理由:Hugging Face 官方给出了辅助生成在 Transformers 中的调用方式与实测延迟数据,读者可据此判断自回归解码能否借小模型降延迟。

5月8日周一
5月1日周一
4月27日周四
4月26日周三
  1. Hugging Face Blog48

    如何在免费版 Google Colab 上用 🧨 diffusers 运行 IF 文生图模型

    DeepFloyd 的像素级文生图模型 IF 可在免费版 Google Colab 上通过 🧨 diffusers 运行,T5-XXL 文本编码器经 bitsandbytes 8bit 量化后仅需约 8GB 显存即可加载。IF 直接在像素空间去噪并以 T5-XXL 替代 CLIP 作为文本编码器,擅长生成人脸、手部等高频细节,也是首个能可靠生成图像文字的開源图像生成模型。

4月17日周一
4月14日周五
4月12日周三
4月5日周三
3月28日周二
3月27日周一
3月24日周五
3月10日周五
3月3日周五
2月24日周五
  1. Hugging Face Blog30

    Hugging Face 解读大语言模型的红队测试(Red-Teaming)

    Hugging Face 发文解读大语言模型的红队测试(Red-Teaming):通过构造自然语言提示词诱导 LLM 暴露有害输出,并对模型进行修正,与人类难以理解的对抗攻击不同。文章指出人类或 LM 均可充当红队,对经 RLHF 或 SFT 对齐的模型需用角色扮演等方式越狱;Tay、Sydney 是缺乏红队评估的真实教训,Meta、Anthropic、AI2 已开源相关数据集。

2月15日周三
2月7日周二
2月6日周一