PaddlePaddle が PaddleOCR 3.5 をリリース ── Transformers を推論バックエンドに指定できるようになった
PaddleOCR 3.5がTransformers推論バックエンドに対応。PP-OCRv5やPaddleOCR-VL 1.5をHugging Faceエコシステムで簡単利用可能に。
-
-
Hugging Face が The Open Agent Leaderboard をリリース ── エージェントの「汎用性」と「コスト」を同時に測る新ベンチマーク
Hugging FaceがAIエージェントの汎用性を品質とコストの両面から評価する新ベンチマークを公開。
-
Hugging Face が The Open Agent Leaderboard をリリース ── モデルじゃなく「エージェント全体」を評価する新基準
Hugging Faceがエージェントシステム全体を評価するOpen Agent Leaderboardを公開。品質もコストも見える化する新しいベンチマーク。
-
Hugging Face が Granite Embedding Multilingual R2: Open Apache 2.0 Multilingual Embeddings with 32K Context — Best Sub-100M Retrieval Quality をリリース ── 100Mパラメータ未満で最高峰、32Kコンテキスト対応の多言語Embedding
IBM Granite Embedding Multilingual R2がリリース。97Mモデルで最高峰の多言語検索品質と32Kコンテキストを実現。
-
Hugging Face が Unlocking asynchronicity in continuous batching をリリース ── GPUの無駄な待機時間を削り飛ばす
Hugging FaceがCPUとGPUのワークロードを分離し、LLM推論のパフォーマンスを劇的に向上させる非同期バッチングについて詳しく解説。
-
Hugging Face が Unlocking asynchronicity in continuous batching を解説 ── GPUの待ち時間を削る非同期アプローチ
Hugging Faceが非同期バッチングでGPU利用率を最大化する手法を解説。CPU・GPU並列動作で約25%のアイドル時間を削減。
-
Hugging Face 記事で AWS の基盤モデル学習・推論のビルディングブロックが解説 ── スケーリング法則は「1つ」から「3つ」の時代へ
AWS上の基盤モデル学習・推論インフラを解説。スケーリング法則は事前学習・ポストトレーニング・テスト時計算の3本柱へ。
-
Hugging Face で MachinaCheck: Building a Multi-Agent CNC Manufacturability System on AMD MI300X が公開 ── CADデータを食わせたら30秒で製造可否を判定するマルチエージェント
CNC加工の可否判断を自動化するマルチエージェント。AMD MI300Xの192GB VRAMを活用し、機密データを外部に送らずに30秒で製造レポートを出力する。
-
Hugging Face が “OncoAgent: A Dual-Tier Multi-Agent Framework for Privacy-Preserving Oncology Clinical Decision Support” をリリース ── がん診療の現場を支えるプライバシー保護型マルチエージェントシステム
腫瘍学特化のプライバシー保護型臨床意思決定支援システムOncoAgentが登場。9B/27Bのデュアルモデルとマルチエージェント構成で患者データを守りつつ高精度な支援を実現。
-
Hugging Face が CyberSecQwen-4B をリリース ── 12GB GPUで動く、サイバー防御特化の4Bモデル
12GBの消費者向けGPUで動くサイバー防御特化モデル「CyberSecQwen-4B」が登場。8Bモデルを上回る結果に。
