Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
No encontramos noticias relacionadas por su significado.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Loubna»
Más recientes primero · Hasta 30 noticias por página
Sud OuestAutobuses gratuitos y políticos muestran el ejemplo para fomentar el uso en Pau
Los transportes públicos son gratuitos cada sábado en el aglomerado de Pau como primera medida hacia la gratuidad total. El objetivo es fomentar el uso del transporte público y apoyar el comercio local. Algunos usuarios expresan satisfacción por la facilidad de acceso, aunque otros prefieren seguir usando su coche por rapidez y practicidad. La municipalidad planea evaluar los resultados en seis meses y considerar futuras extensiones de la gratuidad.
Hugging Face BlogHugging Face lanza SmolLM3, un modelo de lenguaje pequeño, multilingüe y con razonamiento de contexto largo
Hugging Face presentó SmolLM3, un modelo de lenguaje de 3.000 millones de parámetros entrenado con 11 billones de tokens, que supera a Llama-3.2-3B y Qwen2.5-3B y compite con modelos de 4B. El modelo es totalmente abierto, multilingüe (seis idiomas, incluido el español), soporta contexto de hasta 128k tokens y tiene modo dual de instrucción y razonamiento. La empresa publicó además la receta completa de entrenamiento, los conjuntos de datos y los checkpoints intermedios.
- Elie Bakouch
- Carlos Miguel Patiño
- Anton Lozhkov
- Edward Beeching
- Aymeric Roucher
- Nouamane Tazi
- Aksel Joonas Reedi
- Guilherme Penedo
- Hynek Kydlicek
- Clémentine Fourrier
- Nathan Habib
- Kashif Rasul
- Quentin Gallouédec
- Hugo Larcher
- Mathieu Morlon
- Joshua Xenova
- Vaibhav Srivastav
- Xuan-Son Nguyen
- Colin Raffel
- Lewis Tunstall
- Loubna Ben Allal
- Leandro von Werra
- Thomas Wolf
SmolVLA: un modelo compacto de visión-lenguaje-acción entrenado con datos de la comunidad LeRobot
Hugging Face presentó SmolVLA, un modelo de visión-lenguaje-acción de 450 millones de parámetros, de código abierto, que se ejecuta en hardware de consumo y fue preentrenado solo con datos comunitarios de LeRobot. Según la empresa, supera a modelos VLA más grandes y a líneas base como ACT en simulación y en tareas reales con los brazos SO100 y SO101. Además, su inferencia asíncrona permite respuestas un 30% más rápidas y duplica el rendimiento de tareas.
Open R1 presenta OlympicCoder, modelos de código que superan a modelos cerrados en problemas de la Olimpiada Informática
El equipo de Open R1 de Hugging Face publicó la Actualización #3 sobre sus avances en reproducir la receta de razonamiento de código de DeepSeek-R1. Presentaron CodeForces-CoTs, un conjunto de casi 100k muestras destiladas de R1, el benchmark IOI 2024 y los modelos OlympicCoder-7B y 32B, que superan a modelos cerrados como Claude 3.7 Sonnet en problemas de la Olimpiada Internacional de Informática. También detallaron lecciones de entrenamiento (empaquetado de muestras, tasas de aprendizaje, prefijado con <think>, optimizadores de 8 bits) y actualizaciones de GRPO y del conjunto de datos matemático.
SmolVLM2: llevar la comprensión de video a todos los dispositivos
Hugging Face lanzó SmolVLM2, una familia de modelos multimodales de 2.2B, 500M y 256M parámetros capaces de comprender video e imágenes en dispositivos locales, desde teléfonos hasta servidores. El modelo de 2.2B supera a otros modelos de su rango en el benchmark Video-MME, mientras que las variantes de 500M y 256M son los modelos de lenguaje para video más pequeños publicados hasta la fecha. La compañía presentó demos como una app de iPhone, una integración con VLC y un generador de momentos destacados, y liberó el uso con Transformers y MLX desde el primer día.
Open R1 presenta su primer gran dataset de razonamiento matemático generado con DeepSeek R1
El proyecto Open R1, que busca reconstruir el pipeline de entrenamiento y los datos sintéticos de DeepSeek R1, presentó OpenR1-Math-220k, su primer conjunto de datos a gran escala para razonamiento matemático, generado localmente en 512 GPU H100. El dataset contiene 800k trazas de razonamiento para 400k problemas de NuminaMath 1.5, filtradas con Math Verify y Llama-3.3-70B-Instruct como juez, reteniendo 220k problemas con al menos una respuesta correcta. Al ajustar Qwen2.5-Math-Instruct con estos datos, OpenR1-Qwen-7B igualó el rendimiento de DeepSeek-Distill-Qwen-7B en benchmarks como MATH-500 y AIME.
SmolVLM: el modelo de lenguaje visual pequeño pero potente
Hugging Face presentó SmolVLM, una familia de modelos de lenguaje visual de 2B parámetros, pequeños, rápidos y eficientes en memoria, publicados bajo licencia Apache 2.0. Incluye tres variantes (Base, Synthetic e Instruct) con pipelines de entrenamiento abiertos e integración en Transformers. Según los benchmarks, requiere solo 5 GB de RAM de GPU, muy por debajo de competidores como Qwen2-VL, y ofrece un throughput de generación hasta 16 veces más rápido.
Copiloto personal: entrená tu propio asistente de programación
Publicación técnica de Hugging Face que explica cómo crear HugCoder, un modelo de lenguaje para código ajustado finamente con los repositorios públicos de la organización. Detalla el flujo de recolección de datos, la comparación entre ajuste fino completo con FSDP en 8 GPUs A100 y QLoRA en una sola A100 40GB, con costos de 108 y 13,75 dólares respectivamente. También aborda la combinación y transferencia de adaptadores LoRA, la integración con VS Code mediante Inference Endpoints y la ejecución local de un modelo de 1B parámetros.