hugging face

为数据集而生的 SQL 控制台随着数据集的使用量急剧增加，Hugging Face 社区已经变成了众多数据集默认存放的仓库。每月，海量数据集被上传到社区，这些数据集亟需有效的查询、过滤和发现。

Hugging Face 与 TruffleHog 合作，实现风险预警我们非常高兴地宣布与 Truffle Security 建立合作伙伴关系并在我们的平台集成 TruffleHog 强大的风险信息扫描功能。这些特性是我们持续致力于提升安全性的重要举措之一。

stable-zero123模型构建指南stabilityai出品，能够对有简单背景的物体进行三维视角图片的生成，简单来说也就是通过调整变换观察的视角生成对应视角的图片。

使用 HFD 加快 Hugging Face 模型和数据集的下载Hugging Face 提供了丰富的预训练模型和数据集，而且使用 Hugging Face 提供的 from_pretrained() 方法可以轻松加载它们，但是，模型和数据集文件通常体积庞大，用默认方法下载起来非常花时间。

ggml 简介ggml 是一个用 C 和 C++ 编写、专注于 Transformer 架构模型推理的机器学习库。该项目完全开源，处于活跃的开发阶段，开发社区也在不断壮大。ggml 和 PyTorch、TensorFlow 等机器学习库比较相似，但由于目前处于开发的早期阶段，一些底层设计仍在不断改进中。

Llama 3.1 - 405B、70B 和 8B 的多语言与长上下文能力解析Llama 3.1 发布了！今天我们迎来了 Llama 家族的新成员 Llama 3.1 进入 Hugging Face 平台。我们很高兴与 Meta 合作，确保在 Hugging Face 生态系统中实现最佳集成。Hub 上现有八个开源权重模型 (3 个基础模型和 5 个微调模型)。

AGI 之【Hugging Face】的【问答系统】的 [评估并改进问答Pipeline] / [ 生成式问答 ] 的简单整理目录AGI 之【Hugging Face】的【问答系统】的 [评估并改进问答Pipeline] / [ 生成式问答 ] 的简单整理

AGI 之【Hugging Face】的【零样本和少样本学习】之一 [构建标记任务] / [ 基线模型 ] 的简单整理目录AGI 之【Hugging Face】的【零样本和少样本学习】之一 [构建标记任务] / [ 基线模型 ] 的简单整理

AGI 之【Hugging Face】的【问答系统】的 [Haystack构建问答Pipeline] 的简单整理目录AGI 之【Hugging Face】的【问答系统】的 [Haystack构建问答Pipeline] 的简单整理

AGI 之【Hugging Face】的【文本分类】的 [文本分类器] 的简单整理目录AGI 之【Hugging Face】的【文本分类】的 [文本分类器] 的简单整理一、简单介绍

AGI 之【Hugging Face】的【文本分类】的[数据集][文本转换成词元]的简单整理目录AGI 之【Hugging Face】的【文本分类】的[数据集][文本转换成词元]的简单整理一、简单介绍

AGI 之【Hugging Face】的【Transformer】的 [ Transformer 架构 ] / [ 编码器 ]的简单整理目录AGI 之【Hugging Face】的【Transformer】的 [ Transformer 架构 ] / [ 编码器 ]的简单整理

OpenBMB × Hugging Face × THUNLP，联袂献上经典大模型课这个夏天，THUNLP 携手 Hugging Face 和 OpenBMB，推出大模型公开课第二季。在大模型公开课第二季中，将有全球知名开源社区 OpenBMB X Hugging Face 梦幻联动；MiniCPM、ChatDev、Ultra对齐等明星开源项目作者亲自授课，带领同学从深度学习开始快速了解大模型的相关理论并进行实践。

AGI 之【Hugging Face】的[ 简单介绍 ] [ 基础环境搭建 ] 的简单整理目录AGI 之【Hugging Face】的[ 简单介绍 ] [ 基础环境搭建 ] 的简单整理一、简单介绍

Hugging Face x LangChain: 全新 LangChain 合作伙伴包我们很高兴官宣发布 langchain_huggingface ，这是一个由 Hugging Face 和 LangChain 共同维护的 LangChain 合作伙伴包。这个新的 Python 包旨在将 Hugging Face 最新功能引入 LangChain 并保持同步。

Hugging Face ZeroGPU 计划正式发布—提供价值一千万美元的免费共享 GPU在人工智能技术领域，GPU 资源一直是推动研究和应用的关键因素。然而，GPU 的成本和可用性对于许多研究人员和开发者来说却是一个显著的障碍。

Hugging Face 与 Wiz Research 合作提高人工智能安全性我们很高兴地宣布，我们正在与 Wiz 合作，目标是提高我们平台和整个 AI/ML 生态系统的安全性。Wiz 研究人员与 Hugging Face 就我们平台的安全性进行合作并分享了他们的发现。 Wiz 是一家云安全公司，帮助客户以安全的方式构建和维护软件。随着这项研究的发布，我们将借此机会重点介绍一些相关的 Hugging Face 安全改进。

自然语言处理 (NLP) 的技术演变史本文的目标是了解自然语言处理 (NLP) 的历史，包括 Transformer 体系结构如何彻底改变该领域并帮助我们创建大型语言模型 (LLM)。

适合初学者的自然语言处理 (NLP) 综合指南自然语言处理 (NLP) 是人工智能 (AI) 最热门的领域之一，现在主要指大语言模型了。这要归功于人们热衷于能编写故事的文本生成器、欺骗人们的聊天机器人以及产生照片级真实感的文本到图像程序等应用程序。近年来，计算机理解人类语言、编程语言，甚至类似于语言的生物和化学序列（例如 DNA 和蛋白质结构）的能力发生了革命。最新的人工智能模型正在解锁这些领域，以分析输入文本的含义并生成有意义的、富有冲击力（你懂的）的输出。