OpenAI Operator System Card
OpenAI 发布 Operator System Card,阐述其多层安全方法,包括针对提示工程和越狱的模型与产品缓解措施,以及隐私和安全保护。文档还详述了外部红队测试、安全评估和持续完善这些防护措施的工作。
OpenAI 发布 Operator System Card,阐述其多层安全方法,包括针对提示工程和越狱的模型与产品缓解措施,以及隐私和安全保护。文档还详述了外部红队测试、安全评估和持续完善这些防护措施的工作。
OpenAI 官方发布新产品 Operator,正文抓取失败,仅标题可用,具体功能与开放范围未在材料中给出。
Hugging Face 与 FriendliAI 达成合作,将 FriendliAI Endpoints 集成进 Hugging Face Hub 的“Deploy this model”按钮,提供一键部署。
Mistral AI 宣布与法新社(AFP)达成全球合作,其 AI 助手 Le Chat 将接入 AFP 的新闻专线内容,使回答基于可靠、及时的信息。Le Chat 将利用 AFP 每日以法语、英语、西班牙语、葡萄牙语、德语和阿拉伯语 6 种语言发布的 2,300 条电讯稿,以及其全球 1,700 名记者的报道。该集成将在未来几周内向所有 Le Chat 用户推出。
Hugging Face 在 transformers 中推出 TimmWrapper,让任意 timm 视觉模型可直接接入 transformers 生态,获得 pipeline 推理、Auto Classes 加载、量化、Trainer 微调与 LoRA 支持。
Hugging Face 官方宣布为 Text Generation Inference (TGI) 引入多后端架构,通过统一的前端层集成 vLLM、llama.cpp、TensorRT-LLM 等推理方案,让用户按模型、硬件和性能需求切换后端。
Hugging Face 发布两款静态嵌入模型 sentence-transformers/static-retrieval-mrl-en-v1(英文检索)和 static-similarity-mrl-multilingual-v1(多语言相似度)。
Hugging Face 发布 smolagents,一个让语言模型获得智能体能力的简洁库,核心特点是让智能体以代码形式编写动作而非 JSON 片段。库的逻辑约数千行代码,支持 E2B 沙箱执行、通过 Hub 分享加载工具,并经 LiteLLM 集成支持 OpenAI、Anthropic 等 100+ 云端模型,是 transformers.agents 的继任者。
推荐理由:原文对比了代码动作与 JSON 工具调用的取舍依据,读者可据此判断何时该用智能体。
电影制作二人组 Vallée Duhamel 讲解了如何用 Sora 构建新世界。
跨学科艺术家 Minne Atairu 分享了 Sora 如何帮助她实现创作愿景。文章以访谈形式呈现,聚焦 Sora 在艺术创作中的实际应用。
OpenAI 发布 Sora System Card,介绍其视频生成模型 Sora:可接受文本、图像和视频输入并生成新视频,构建于 DALL-E 和 GPT 模型的经验之上,旨在为用户提供更丰富的叙事与创意表达工具。
电影制作人 Lyndon Barrois 讲述了如何把 Sora 作为叙事工具来使用,用它创造新的世界。
OpenAI 发布面向产品团队的 AI 应用指南,介绍如何将 AI 融入产品团队的日常工作流程。内容围绕产品团队如何借助 AI 提升协作与产出效率展开。
OpenAI 发布 ChatGPT Pro,定位为拓展前沿 AI 使用范围的订阅方案,官方页面主题为 Broadening usage of frontier AI。
Morgan Stanley 正在使用 AI evals 来塑造金融服务的未来。
OpenAI 发布文章介绍如何结合人与 AI 推进红队测试(red teaming),以提升模型安全评估能力。文章来自 OpenAI News,聚焦红队测试方法的演进方向。
OpenAI 介绍如何通过 GPT-4o vision fine-tuning(视觉微调)来构建更智能的地图应用。文章围绕 GPT-4o 的视觉微调能力展开,说明其在地图场景中的应用方式。
Rox 结合商业经验与 LLM 专业知识,全面采用 OpenAI 的模型,让每位销售都成为前 1% 的顶尖销售。
Hugging Face 与 Atla 联合推出 Judge Arena,让任何人并排对比模型作为评判者的表现:系统随机生成或自定义样本,两个 LLM 评判者分别打分并给出理由,用户投票选出更符合自己判断的一方,投票后才揭示模型名以避免偏差。
Mistral AI 为免费生成式 AI 助手 le Chat 推出一批 beta 新功能,包括带引用的 Web 搜索、用于协作创作与就地编辑的 Canvas、由 Pixtral Large 驱动的文档与图像理解、由 Black Forest Labs Flux Pro 驱动的图像生成,以及可复用提示词的 Agents。
推荐理由:原文逐项对比了与 ChatGPT、Perplexity、Claude 的功能差异,读者可据此判断其免费 beta 策略的切入点。
雅诗兰黛(The Estée Lauder Companies)使用 ChatGPT Enterprise 和 custom GPTs 分析消费者数据、挖掘洞察,加速美妆创新。
Mistral AI 在 La Plateforme 上线 Batch API,批量处理 Mistral 模型请求的成本比同步 API 调用低 50%,适用于优先数据量而非实时响应的场景。
Mistral AI 发布新的内容审核 API,即驱动 Le Chat 审核服务的同一接口,向用户开放以便按自身应用和安全标准定制。该模型是 LLM 分类器,将文本输入分为 9 类,提供原始文本和对话内容两个端点,对话端点在上下文中对最后一条消息进行分类。
Hugging Face 官方博客介绍其与 PyCharm 的集成,开发者可在代码中右键选择 Insert HF Model,按 image-text-to-text 等类别筛选并查看 Model Card 示例代码,直接粘贴运行,例如选用 microsoft/Phi-3.5-vision-instruct 实现图文对话。
Argilla 2.4 新增无代码功能,用户可在 Argilla UI 中直接从 Hugging Face Hub 导入数据集、定义问题并收集人工反馈,无需编写代码。
OpenAI 官方宣布推出 ChatGPT search,让用户在 ChatGPT 中获得快速、及时的答案,并附带相关网络来源的链接。
Promega 自上而下推动 ChatGPT 在公司内部的采用,加速了制造、销售与营销环节的效率提升。
OpenAI 发布面向营销团队的 AI 应用方案,帮助营销团队将 AI 投入实际工作。原文仅提供标题与主题,未披露具体功能、模型版本或性能数据。
Decagon 与 OpenAI 合作,以 OpenAI 模型为支撑,规模化交付高性能、全自动化的客户支持服务。该方案将客户支持流程完全自动化,帮助企业在大规模场景下实现高效响应。
Hugging Face 与 Intel Labs 联合推出 Universal Assisted Generation(UAG),让 assisted generation(投机解码)不再要求目标模型与助手模型来自同一模型族、共享同一 tokenizer,可为任意 decoder 或 MoE 模型带来 1.5x-2.0x 推理加速且几乎零开销。
Hugging Face 推出 Hugging Face Generative AI Services(HUGS),一套基于 Text Generation Inference(TGI)的零配置推理微服务,可在自有基础设施上部署开源模型,提供 OpenAI 兼容 API,支持 NVIDIA、AMD GPU,AWS Inferentia 和 Google TPU 即将支持。
Google DeepMind 与 Hugging Face 在 Transformers v4.46.0 中推出 SynthID Text,可通过 logits processor 为 AI 生成文本添加水印并用分类器检测。
推荐理由:原文给出了配置参数、检测器训练流程和局限,读者可据此评估如何在自己的模型上落地水印方案。
Hugging Face 宣布与 Protect AI 合作,将其安全扫描工具 Guardian 集成到 Hub 的扫描套件中,所有公开模型仓库在推送文件后会被 Guardian 自动扫描。
Hugging Face 与 dottxt 合作发布 outlines-core,即 outlines 结构化生成核心算法的 Rust 移植版本,0.1.0 版 Python 绑定已发布并集成进 outlines。
Stable Diffusion 3.5 已上线 Hugging Face Hub 并可用 Diffusers 调用,提供 8B 参数版和 timestep-distilled 少步推理版两个 checkpoint。
推荐理由:文章给出了量化推理和 LoRA 训练的具体配置,读者可直接迁移到自己的消费级显卡上跑 SD3.5 Large。
Hugging Face 官方发布 Transformers.js v3,加入 WebGPU 支持,性能最高可达 WASM 的 100 倍,可通过设置 device: 'webgpu' 启用。
推荐理由:原文列出了 WebGPU 加速与 dtype 量化参数的具体用法,读者可据此判断浏览器端模型部署的性能与体积取舍。
Hugging Face 官方博客说明 transformers Trainer 中梯度累积导致损失不匹配的问题及其修复方案。问题源于默认损失函数按批次平均而非按累积步内非 padding token 总数计算,官方将自动处理默认损失的梯度累积逻辑,并新增 loss_function 属性和 API 允许用户传入自定义损失函数。
AMD 发布基于 Zen5 架构的第五代 EPYC 服务器 CPU(代号 Turin),最高 192 核 384 线程,Hugging Face 与 AMD 合作验证了其生态支持。
Hugging Face 邀请网络安全公司 Trail of Bits 对 Gradio 代码库进行独立安全审计,发现的问题已在 Gradio 5.0 发布前全部修复并经对方验证。
Hugging Face 宣布 Gradio 5 稳定版发布,用几行 Python 即可构建高性能、可扩展、符合 Web 安全最佳实践的机器学习应用,升级命令为 pip install --upgrade gradio。
推荐理由:原文逐条对应开发者痛点给出改进方案,读者可据此评估升级到 Gradio 5 的收益与迁移成本。