Vibekollen Nytt
Hämtar senaste nytt…
Vibekollen Nytt
Modeller, verktyg och händelser som formar AI-världen. Hitta nyheter, video och poddar – och följ vad som händer på Vibekollen.
BloggHugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
22 sep. huggingface.co
BloggHugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
22 sep. huggingface.co
BloggHugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
22 sep. huggingface.co
BloggHugging Face
A Blog post by Multiverse Computing on Hugging Face
21 sep. huggingface.co
BloggHugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
21 sep. huggingface.co
BloggTechCrunch AI
Baseten lanserade tillsammans med sitt forskningsprogram Base Labs en ny säkerhetsstandard för open-source AI-modeller, i samarbete med Hugging Face och Goodfire AI. Bakgrunden är att open-source-modeller blir allt oftare saboterade genom en teknik som kallas abliteration — Hugging Face listar redan över 6 000 sådana försvagade modeller. Base Labs ska utveckla och publicera metoder för att träna och övervaka öppna modeller på ett sätt som gör säkerheten inbyggd från början, inte något som läggs på efteråt. Företagen menar att öppna modeller faktiskt är säkrare än stängda, eftersom man då kan se hur modellerna beter sig.
17 sep. techcrunch.com
BloggHugging Face
IBM Research presenterar ett problem med AI-agenter: även om en agent lyckas lösa en uppgift i genomsnitt 77 procent av gångerna, löser den samma uppgift varje gång i bara 53 procent av fallen. Det är en påtaglig skillnad på 24 procentenheter. Problemet är att agentens beslut ofta görs utifrån osäkra sannolikhetsfördelningar — vissa steg i processen är nästan på gränsen till att kunna gå olika vägar. IBM utvecklade därför ett verktyg som kallas Consistency Analyzer, som hittar dessa kritiska punkter genom att spela upp samma steg flera gånger. Sedan kan de skapa riktlinjer som hjälper agenten att bli mer konsistent, vilket halverade gapet från 24 till 12 procentenheter utan att offra genomsnittlig noggrannhet.
15 sep. huggingface.co
BloggHugging Face
Hugging Face har uppdaterat sitt AsyncGRPOTrainer-verktyg (i version 1.14) så att det kan träna adaptrar — små tillägg till AI-modeller — istället för att träna hela modellen. De nya adaptrar är bara några megabyte stora och kan synkroniseras genom en lagringsbucket istället för mellan maskiner. En träningsjobb och två inference-servrar (vLLM) kan nu köra på helt separata maskiner. En liten proxyserver dirigerar varje begäran till rätt server och uppdaterar alla servrar när det finns nya adaptrar. I praktiken blev träningen fem gånger snabbare: från 3 timmar 27 minuter ned till 53 minuter för 500 steg.
10 sep. huggingface.co
BloggHugging Face
Hugging Face har byggt om AUTOMATIC1111, ett populärt verktyg för bildgenerering, som ett visuellt arbetsflöde med 73 noder i Gradio. Workflow1111 innehåller elva olika bildbearbetningsscenarier: textbeskrivning till bild, högupplöst förbättring, bild-till-bild-redigering, bildruta-matriser, automatisk bildanalys, detektion för maskgenerering, bildeffekter, bakgrundsborttagning, metadatalagring och bild-till-video. Användare kan koppla ihop dessa komponenter genom en grafisk yta utan att skriva kod, och ungefär två tredjedelar av arbetsflödet fungerar offline utan nätverksanrop. Man kan duplicera flödet och bygga om det för sina egna behov.
10 sep. huggingface.co
BloggHugging Face
IBM har släppt Granite Time Series PatchTST-FM-r2, en uppdaterad modell för att förutsäga tidsserier — till exempel efterfrågan, priser eller energiförbrukning — utan att behöva träna en separat modell för varje dataset. Modellen är cirka 385 miljoner parametrar stor och presterar bäst bland kommersielt användbara modeller enligt GIFT-Eval-jämförelsen från september 2026. Den nya versionen kombinerar en uppdaterad arkitektur med bättre förmåga att förstå både långsiktiga och kortsiktiga mönster i data, och är helt öppen med kod och vikter tillgängliga.
9 sep. huggingface.co
BloggHugging Face
Hugging Face presenterar en ny forskning om hur AI-modeller ska vägra att svara på vissa frågor utan att bli för strikta. Problemet är att dagens säkerhetssystem ofta arbetar på tema-nivå — om en modell vägrar att diskutera politik, vägrar den allt om politik. I verkligheten behöver många tillämpningar (en civics-tutor kontra en allmän assistent) olika regler inom samma tema. Forskarna definierar problemet som att identifiera exakt vilka delfrågor inom ett tema som ska vägras, och tränar modeller med parvis motsatta prompter — en som ska vägras, en som ska besvaras. De visar att standard-metoder tappar svåra exempel under träningen, producerar falskt vägring på harmlösa frågor, och att man måste mäta båda sidorna av gränsen för att undvika att bli alltför restriktiv.
8 sep. huggingface.co
BloggHugging Face
Hugging Face presenterar NeoMME, en ny AI-modell som är byggd för att förstå både text och bilder tillsammans. Till skillnad från många andra modeller använder NeoMME inte separata komponenter för vision och språk, utan behandlar allt i en enda transformer. Modellen finns i två storlekar (260 miljoner och 800 miljoner parametrar) och är särskilt bra på att söka i dokument genom att analysera sidbilder istället för utvinnad text. Den kan processa omkring 51 sidor per sekund och använder mindre lagringsutrymme än tidigare modeller — 255 gånger mindre per sida enligt testningarna.
3 sep. huggingface.co
BloggNVIDIA
NVIDIA köper Hugging Face för cirka 12,9 miljarder dollar. Hugging Face är en plattform där över 18 miljoner utvecklare, forskare och skapare delar mer än 3 miljoner AI-modeller, 500 000 datasets och 1 miljon applikationer — och över 200 000 företag använder den. NVIDIA lovar att Hugging Face förblir en öppen plattform där utvecklare kan välja vilka modeller, ramverk, molnleverantörer och hårdvara de vill använda, och att Nvidias egen hårdvara inte kommer att krävas. NVIDIA säger att öppna AI-modeller ger starkt-ups, universitet och små företag möjligheten att bygga på avancerade AI-förmågor utan att träna modeller från början.
3 sep. blogs.nvidia.com
BloggHugging Face
Hugging Face visar hur man kan träna upp en liten AI-modell (350 miljoner parametrar) att ge bättre strukturerade utdata, som giltig JSON. Genom att använda en träningsmetod som kallas GRPO och bara omkring 500 träningsexempel och 100 steg kunde modellen förbättras från 22,6 procent till 29,7 procent på IFStruct-testet. Det viktigaste var att få modellen att producera giltig JSON-kod — andelen korrekta JSON-svar steg från 18 procent till nästan 32 procent. Metoden är billig och passar på gratis GPU-resurser, och visar att även små modeller kan bli tillräckligt pålitliga för verklig användning om man tränar dem rätt.
3 sep. huggingface.co
BloggHugging Face
Hugging Face presenterar funes, ett verktyg som ger kodningsagenter (AI-program som skriver kod) ett eget minne byggt på tidigare arbetssessioner. När agenter söker genom kod, provar olika lösningar och stöter på fel lämnar de spår av vad de gjort och varför — men det är svårt att söka igenom utan ordentlig indexering. funes löser det genom att indexera, rangordna och hämta denna information lokalt på din maskin, så agenten kan återanvända tidigare beslut och upptäckter. Minnet kan också delas privat via Hugging Face, så agenter på olika maskiner kan dela samma minnesbank utan att data skickas till externa tjänster.
3 sep. huggingface.co
BloggHugging Face
Hugging Face har publicerat en guide om hur man tränar en AI-modell att måla akvareller genom att få den att skriva JavaScript-kod. En video från augusti där en språkmodell skapade vattenfärgsmålningar med p5.brush-biblioteket fick över 1,5 miljoner visningar. I denna artikel reproduceras experimentet med öppna verktyg (TRL och OpenEnv), där modellen belönas baserat på estetisk smak snarare än rätt/fel-svar. Belöningen kommer från två källor: HPSv3, en modell tränad på människors bildpreferenser, och en jämförande domare som bedömer målningar mot en handplockat dataset. Genom att justera viktningen mellan dessa två belöningsmodeller kunde forskarna styra modellens målstil.
3 sep. huggingface.co
BloggHugging Face
IBM och Confluent samarbetar för att göra prognoser och feldetektering på tidsseriedata — såsom temperatur- och hastighetsmätningar från fabrikslinjer — möjlig i realtid utan att behöva specialister. IBMs tidsseriemodeller kan tränas en gång på många olika datasignaler och sedan användas på nya serier de aldrig sett tidigare, och kan berätta vad som kommer härnäst, hur långt beteendet är från normalt, eller vilka inställningar som fungerar bäst. Confluent Cloud hanterar allt som behövs för att köra dessa modeller direkt på strömmande data — ingen separat ML-plattform behövs — och resultaten kan genast användas av system nedströms för varningar, instrumentpaneler eller AI-agenter.
2 sep. huggingface.co
BloggHugging Face
Hugging Face presenterar BenchMIRT, en ny metod för att analysera vad AI-modellernas tester faktiskt mäter. Forskare använder denna teknik för att bryta ner benchmarks — de standardiserade tester som bedömer AI-modeller — på frågenivå och se vilka underliggande förmågor som faktiskt driver resultaten. När forskarna analyserade 100 AI-modeller över 16 benchmarks och mer än 34 000 frågor upptäckte de att många tester mäter flera saker samtidigt: till exempel visar BBQ (som ska testa stereotyper) sig också mäta allmän resoneringsförmåga, inte bara säkerhetsbeteende. BenchMIRT använder psykometriska metoder för att skilja dessa signaler åt och göra det tydligare vad ett testresultat faktiskt säger om en modells förmågor.
1 sep. huggingface.co
BloggHugging Face
Hugging Face lanserar @huggingface/kernels, ett bibliotek med över 200 optimerade WebGPU-kernels — små programkomponenter som kör matematiska operationer snabbt på grafikprocessorn direkt i webbläsaren. Varje kernel är publicerad som ett eget paket på Hugging Face Hub med test, benchmarks och instruktioner. De lanserar också Fleet, ett verktyg som körs i webbläsaren för att testa och mäta kernels på användarnas egna datorer, vilket hjälper dem att förstå hur operationerna presterar på olika hårdvara i verkligheten.
1 sep. huggingface.co
BloggHugging Face
Hugging Face har lagt till två nya språkdataset till sin Open ASR Leaderboard — en plattform där tal-till-text-modeller jämförs. De nya dataseten är på engelska och hindi från Indien, med fokus på att mäta hur väl systemen fungerar för olika grupper av människor. Tidigare har benchmarks bara visat ett genomsnittligt värde, men forskning visar att tal-till-text-system ofta fungerar mycket sämre för vissa folkgrupper — till exempel cirka två gånger sämre för svarta talare än vita. Det nya Monsoon-datasetet är designat för att avslöja sådana olikheter genom att variera efter geografi, ålder, kön, typ av enhet och många andra faktorer. I stället för att spela in från ett litet antal talare i långa sessioner, samlades data från nästan 5000 olika talare från hundratals distrikt över hela Indien, många med bara en inspelning vardera.
28 aug. huggingface.co
