ニュースを探す

AUTOMATIC1111の機能を再構築：Hugging Faceで実現したWorkflow1111の概要

Hugging Faceは、以前の投稿で示唆された複雑なシステムであるAUTOMATIC1111のstable-diffusion-webuiの機能を、Gradio Workflowを用いて再構築した「Workflow1111」を発表しました。このWorkflow1111は、73のノードか

単一Transformerで画像とテキストを処理する多言語マルチモーダルエンコーダ「NeoMME」を発表

Hugging Faceは、新しい多言語マルチモーダルエンコーダ「NeoMME」（ニーオミ）を発表しました。NeoMMEは、既存の生成型ビジュアル言語モデルとは異なり、別途事前学習されたビジョンタワーや因果言語モデルを使用しません。代わりに、単一の双方向Transformerがテキストトー

コーディングエージェントに永続的な記憶を付与する「funes」の発表

開発者が複数のマシンやタスクに応じて利用するコーディングエージェントは、セッションが終了すると過去の推論過程や決定理由といった重要な情報を失いがちです。これまでのエージェントの実行ログは、何が変更されたかだけでなく「なぜ変更されたのか」という詳細な記録を残していますが、これらは単なるアーカ

Hugging FaceがWebGPUカーネルライブラリを公開、ブラウザ上でのAI推論を高速化

Hugging Faceは、ブラウザ上でのAI推論を可能な限り高速かつ使いやすくすることを目指す取り組みの一環として、新しいライブラリ「@huggingface/kernels」をリリースしました。このライブラリは、Hugging Face Hubから最適化されたWebGPUカーネルをロー

Open ASRリーダーボードに南アジア言語が追加、公平な音声認識評価へ

Hugging FaceとVoice Arenaは提携し、オープンな自動音声認識（ASR）評価の枠組みを拡充しました。この度、南アジアの言語を対象とした評価セットが導入され、特にヒンディー語とインド英語のベンチマークが追加されました。これまでのリーダーボードは、主にヨーロッパ言語を対象とし

Sentence Transformers v6.0で実現したマルチベクトル埋め込みモデルのファインチューニング手法

PythonライブラリであるSentence Transformersは、検索拡張生成（RAG）や意味的検索など、多様なアプリケーションで埋め込みおよびリランカーモデルを利用・訓練するためのツールです。このライブラリのv6.0アップデートにより、ColBERTスタイルの遅延相互作用検索に対

圧縮と量子化を克服：4ビットモデルが元の高精度モデルを上回る手法を提案

大規模言語モデル（LLM）を実用的に展開する際、モデルのサイズを削減するために、まずアーキテクチャのパラメータ数を削減する構造的圧縮を行い、その後、残った重みを4ビットに量子化するという手法が標準的となっています。しかし、この「圧縮してから量子化する」プロセスを経ると、推論能力、数学的推論

Gradioのgr.WorkflowでAIパイプラインを視覚化・展開：ドラッグ＆ドロップで複雑なAIワークフローを構築

近年、最も興味深いAIアプリケーションは、単一の機能ではなく、複数のステップを連携させたパイプラインとして構成されています。例えば、画像を生成した後で背景を切り抜いたり、スクリプトを生成した後に音声合成を行ったりといった一連の処理がこれにあたります。従来、これらのステップはPythonコー

Hugging Faceの各種サービスがPapers with Codeの高度な検索機能を支える

Hugging Faceは、オープンAI研究の普及と理解を促進するため、「Papers with Code」の活動を再開しました。このプラットフォームの目的は、研究者が論文に関連する成果物を見つけたり、様々なAI分野における最先端（SOTA）を把握したり、研究を共有・発展させたりできるよう

音声認識モデルの「ベンチマーク最適化」を定量化する新たな評価手法が発表

公開されている音声認識（ASR）のベンチマークスコアは、モデルが人間のレベルに達していることを示唆していますが、これらのスコアが実際の運用環境での性能を正確に反映していないという問題が指摘されています。広く利用される公開ベンチマークは、モデルがテスト自体のパターンを学習し、根本的なタスク能

LFM2.5シリーズにDSparkを導入、推論速度を最大3.2倍に向上

Hugging Faceは、LFM2.5ファミリーの3つのモデル（LFM2.5-1.2B-Instruct、LFM2.5-2.6B、LFM2.5-8B-A1B）向けに、DSparkドラフトモデルのチェックポイントをリリースしました。このDSparkは、推論のデコードパスに「推測的デコーディ

Sentence Transformersが多重ベクトルエンコーダを導入、より詳細な検索を実現

PythonライブラリであるSentence Transformersが、v6.0のアップデートにより「MultiVectorEncoder」という新しいモデルタイプを導入しました。これは、ColBERTスタイルの「遅延相互作用（Late Interaction）」検索を可能にする機能です

GPU利用率を33ポイント向上させた、制約認識型GPUスケジューラの実装

本発表では、エンタープライズAIにおける次の制約は「知性」ではなく「利用率」にあるという指摘に基づき、成熟したGPU管理プラクティスを具体的に示した制約認識型GPUアロケータが紹介されました。この新しいアロケータは、従来のFIFO（先入れ先出し）スケジューラと比較検証され、同一のハードウェ

Strands AgentsとHugging Face Storage Bucketsでロボットの記録・学習・展開を統合的に実現

本記事は、Strands Robots、LeRobot、およびHugging Face Storage Bucketsを統合的に利用することで、ロボットのデモンストレーション記録から学習、そしてポリシーの再展開までの一連のデータループを単一の場所で完結させる方法を解説しています。Stran

地球観測データ解析を加速するOlmoEarth埋め込みベクトルの提供開始

Allen AIが提供する地球観測モデルプラットフォーム「OlmoEarth Studio」において、地球観測データから生成される埋め込みベクトル（embedding vectors）の計算とエクスポート機能が利用可能になりました。この埋め込みベクトルは、地球観測データのコンパクトな数値表

スマートフォンカメラで心拍数を常時監視する研究システムを発表

Google Researchは、日常的なスマートフォン利用中に、前面カメラで撮影した顔の動画から心拍数（HR）と安静時心拍数（RHR）を非侵襲的に測定する研究システム「PHRM」を発表しました。心拍数は、活動レベルやストレス、病気など生理的状態を示す重要な指標であり、RHRは心血管の健康

Google Researchが水文モデルをオープンソース化、洪水予測の高度化を支援

Google Researchは、洪水予測の精度向上を目的とした水文モデリングフレームワークをGitHubでオープンソース化しました。このモデルは、国家気象・水文サービスがAIベースの洪水予測を自らのワークフローに統合できるように提供されます。研究者や予報士は、このフレームワークを利用して

NASA、NFL試合でF-5戦闘機によるフライオーバーを実施、ファンとの交流も

NASAは、インスピレーション・ツアーの一環として、F-5戦闘機を3機使用したフライオーバーを実施する。NASA局長であるジャレッド・アイザックマンが、このうちの1機を操縦し、10月11日日曜日にニュージャージー州イーストラザーフォードで行われるニューヨーク・ジェッツ対クリーブランド・ブラ