Hugging News #0428: HuggingChat 來啦

HuggingFace發表於2023-04-29

每一週,我們的同事都會向社群的成員們釋出一些關於 Hugging Face 相關的更新,包括我們的產品和平臺更新、社群活動、學習資源和內容更新、開源庫和模型更新等,我們將其稱之為「Hugging News」,本期 Hugging News 有哪些有趣的訊息,快來看看吧!

Hugging Chat 來啦!

我們認為需要有一個 ChatGPT 的開源替代品,讓好的機器學習大眾化,因此,我們推出了 HuggingChat,歡迎你的使用!這個聊天機器人使用了德國非營利組織 LAION.ai 的 Open Assistant 模型。這是一個V.0的版本,但是我們正在努力快速迭代介面和安全機制以支援下一個快速改進的開源模型。

使用 Hugging Chat: hf.co/chat

以及,邀請各位關注 Hugging Face 的小紅書賬號:

Hugging Face 中文部落格正式釋出

4 月 20 日(上週),我們成功舉辦了 Hugging Face 在國內的首次線下活動,邀請了 JAX/Diffusers 社群衝刺的參賽選手以及社群成員們共同交流和探討了 ControlNet、JAX、Diffusers、Cloud TPU 等技術內容,有 7 支來自北京的參賽隊伍代表也來到臺前向參會者分享他們的參賽作品,令人印象深刻。

截止彼時,Hugging Face 的中國社群已經成立了五個月,我們也非常高興的看到 Hugging Face 相關的中文內容在各個平臺都廣受好評,因此,我們在這次特別的線下活動上正式釋出了我們的 Hugging Face 中文部落格,歡迎透過 hf.co/blog/zh 來檢視。

官宣文章(英文): https://hf.co/blog/chinese-language-blog
官宣文章(中文):https://hf.co/blog/zh/chinese-language-blog

由於公眾號文章限制,未來的文章請讀者們點選閱讀原文到中文部落格裡體驗更完整的文章內容。

社群活動

組隊學習:ChatGPT 從入門到應用

我們正聯合 Datawhale 團隊組織 AIGC 主題學習活動「ChatGPT 從入門到應用」,歡迎大家參加

開源庫更新

Diffusers 0.16 正式釋出

0.16.0 版本支援了 DeepFloyd 的 IF 文生圖模型和 ControlNet 1.1,IF 的靈感來自 Google 的 Imagen,使用了 SOTA 開源文生圖模型,具有高度的真實感和語言理解能力。

檢視全部更新內容: https://github.com/huggingface/diffusers/releases/tag/v0.16.0

對了,我們還更新了我們 Diffusers 的文件頁面,歡迎來看看: https://hf.co/docs/diffusers/index

PEFT 現已支援 Multi-Adapter 的訓練和推理

? PEFT 包含了引數高效的微調方法,用於訓練大型預訓練模型。透過 PEFT,你可以將不同的 LoRA 權重相結合來做微調和推理。

你還可以透過這個教程瞭解更多: https://github.com/huggingface/peft/blob/main/docs/source/task_guides/dreambooth_lora.mdx

將 transformers 模型轉換為 ?Core ML

將你的 transformers 模型轉換為 Core ML,以支援在 iPhone 和 Mac 電腦上執行模型推理!

快來體驗吧: https://hf.co/spaces/huggingface-projects/transformers-to-coreml

內容更新

RLHF 實踐教程: 訓練 LLaMA 模型回答 Stack Exchange 上的問題

我們釋出了一篇實踐教程型別的博文,教你使用強化學習以及 RLHF 的方法,透過結合有監督微調、獎勵/偏好建模和強化學習來訓練一個名為 StackLLaMA 的模型來回答 Stack Exchange 上的問題。在 RLHF 過程中,需要從已有的能力模型出發,透過 fine-tuning 來改善模型響應和使用方式的一致性。為了訓練龐大的模型,需要採用 Parameter-Efficient Fine-Tuning (PEFT) 技術和資料並行處理等策略。最終在人工反饋下進行強化學習,並透過獎勵模型建模評分,以完成模型的訓練。

檢視部落格文章: https://hf.co/blog/stackllama

如何降低模型帶來的道德和社會風險問題

Hugging Face 的使命是推動好的機器學習大眾化,我們也在研究如何支援機器學習社群的工作,幫助識別危害和防止可能的危害發生。我們正在開發工具並推出一些保障措施,如“不適合所有受眾”標籤等,我們也推出了一些流程來保證模型和資料的限制、共享和其他機制。

閱讀我們的 Hugging Face AI 倫理簡報 #3 瞭解更多。


以上就是本期 Hugging News,預祝各位社群成員們有個愉快的五一假期,我們節後見!

相關文章