NVIDIA が高速マルチリンガルOCRモデル「Nemotron OCR v2」をリリース ── 合成データ1200万枚で多言語対応を突破
NVIDIAのNemotron OCR v2が合成データ1200万枚で6言語対応。A100で34.7pages/secの高速処理を実現。
-
-
Hugging Face 記事で Ecom-RLVE が紹介 ── ECサイトのAI対話エージェントを強化学習で鍛える新フレームワーク
EC向け対話エージェントを強化学習で訓練する「EcomRLVE-GYM」が紹介。8つの環境と12軸の難易度カリキュラムを提供。
-
Hugging Face が 「The PR you would have opened yourself」 を公開 ── エージェント生成PRの功罪を問う
Hugging Faceがエージェント生成PRの問題点を告発。transformersの設計思想をエージェントが理解せず、メンテナーの負担が増大している現状を報告。
-
Hugging Face が Sentence Transformers でのマルチモーダル検索モデル学習・ファインチューニング手法を公開 ── 自前データで学習して4倍デカいモデルを凌駕
Sentence Transformersでマルチモーダル検索モデルを学習・ファインチューニングする手法が公開。自前データで鍛えれば4倍の巨大モデルをも凌駕する。
-
Hugging Face が Inside VAKRA: Reasoning, Tool Use, and Failure Modes of of Agents をリリース ── エージェントの失敗を徹底解剖する企業向けベンチマーク
IBM ResearchがVAKRAベンチマークを公開。8,000以上のAPI・62ドメインでエージェントの実力を徹底評価する企業向けベンチマーク。
-
Hugging Face が Meet HoloTab by HCompany. Your AI browser companion. をリリース
Hugging FaceのMeet HoloTab by HCompany. Your AI browser companion.リリース情報
-
Hugging Face が Waypoint-1.5: Higher-Fidelity Interactive Worlds for Everyday GPUs をリリース ── 手元のGPUで720p・60FPSのリアルタイム空間生成
手元のGPUで最大720p・60FPSのリアルタイム空間生成を実現。Overworldの最新モデル「Waypoint-1.5」の詳細と魅力を紹介。
-
Hugging Face が Multimodal Embedding & Reranker Models with Sentence Transformers をリリース ── テキスト・画像・音声・動画を同じAPIで扱えるマルチモーダル対応が到来
Sentence Transformers v5.4でテキスト・画像・音声・動画を同じAPIで扱うマルチモーダル埋め込み・リランカーが追加
-
Hugging Face が ALTK‑Evolve を発表 ── エージェントが仕事から学ぶ仕組みで「永遠のインターン」問題に挑む
Hugging FaceがAIエージェント向け長期学習システムALTK-Evolveを発表。経験から原則を抽出しガイドラインに変換。
-
Hugging Face が ALTK‑Evolve: On‑the‑Job Learning for AI Agents をリリース ── “永遠のインターン”から脱却する長期記憶システム
IBM ResearchがALTK-Evolveを発表。AIエージェントに長期記憶を実装し、AppWorldでΔ14.2%の信頼性向上。
