Aller au contenu
17 novembremar.
  1. Hugging Face Blog62

    Hugging Face et OpenRouter s'associent pour faciliter l'exécution des modèles open-weight

    Hugging Face bascule Inference Providers de son propre routeur vers celui d'OpenRouter.

    Motif de la recommandation :Le changement de routeur d'Inference Providers et les chiffres de coût et de latence permettent de mesurer l'impact sur les appels de modèles open-weight existants.

14 novembresam.
13 novembreven.
  1. Hugging Face Blog62

    llama.cpp et ggml publient la version 1.0.0 et introduisent le versionnage sémantique

    llama.cpp et ggml publient la version 1.0.0, qui marque l'adoption du versionnage sémantique.

    Motif de la recommandation :La version 1.0.0 fixe les règles de versionnage sémantique et de compatibilité API/ABI, ce qui aide les développeurs à évaluer le coût des mises à jour.

  2. Hugging Face Blog72

    IBM publie LLMON, un langage de balisage natif pour LLM, avec les modèles Granite 4.1 3B et 8B

    IBM publie deux modèles expérimentaux dérivés de Granite 4.1, granite-4.1-3b-LLMON-preview et granite-4.1-8b-LLMON-preview.

    Motif de la recommandation :L'article détaille le format LLMON et deux modèles expérimentaux Granite 4.1 entraînés pour le consommer, avec des résultats chiffrés sur la résistance aux injections de prompt.

12 novembrejeu.
  1. Hugging Face Blog62

    Guide de fine-tuning LoRA pour TRELLIS.2 : scripts et conteneurs pour la génération 3D

    Le blog Hugging Face fournit des scripts et conteneurs Docker pour fine-tuner TRELLIS.2 avec LoRA sur ses propres assets 3D.

    Motif de la recommandation :Le guide détaille quels composants de TRELLIS.2 figer ou entraîner et fournit des scripts et conteneurs exécutables, une méthode transférable à d'autres modèles 3D.

11 novembremer.
  1. Hugging Face Blog22

    Hugging Face Hub : payer via son compte Google Cloud

    Les organisations Hugging Face peuvent désormais lier leur compte Google Cloud pour que leur usage soit facturé sur la facture Google Cloud existante plutôt que par carte bancaire. L'abonnement se prend via la liste Hugging Face Hub sur le Google Cloud Marketplace, puis l'admin associe son organisation ; la souscription est validée par l'équipe Hugging Face avant facturation. Cela couvre le passage aux offres Team ou Enterprise, le calcul à l'usage (Jobs, Inference Endpoints, Inference Providers, GPU Spaces, extension de quota ZeroGPU) et le stockage supplémentaire aux tarifs publics Hugging Face.

10 novembremar.
  1. Hugging Face Blog62

    Hugging Face présente les decision models et leur prise en charge dans l'écosystème

    Hugging Face présente les decision models, des modèles qui renvoient une distribution de probabilités sur des réponses prédéfinies sans générer de texte.

    Motif de la recommandation :L'article présente l'interface unifiée des decision models et leur prise en charge dans Transformers, llama.cpp et le Hub, utile pour évaluer leur intégration dans les applications existantes.

9 novembrelun.
6 novembreven.
  1. Hugging Face Blog72

    Allen AI présente ToyBlocks, un environnement de simulation contrôlé pour l'apprentissage et l'évaluation des robots

    Allen AI présente ToyBlocks, un cadre de simulation ouvert construit autour d'un bras robotique et de blocs sur une table.

    Motif de la recommandation :L'article détaille la génération automatique de données, les protocoles d'évaluation et les résultats de transfert sim-to-real, fournissant un cadre reproductible pour étudier la généralisation des modèles d'action.

  2. Hugging Face Blog78

    NVIDIA publie quatre modèles ouverts Cosmos 3 pour la simulation interactive de mondes

    NVIDIA ajoute quatre checkpoints à poids ouverts à la famille Cosmos 3 pour la simulation interactive de mondes et la génération de scènes de conduite multi-capteurs et multi-vues. Cosmos3-Nano-Transfer-Auto génère des données de conduite multi-vues avec météo, éclairage et heure variables ; Cosmos3-Nano-Sim-Auto produit en streaming des observations caméra et LiDAR synchronisées ; Cosmos3-Nano-Sim-Transfer transforme les contrôles d'un simulateur et un prompt texte en vidéo photoréaliste ; Cosmos3-Nano-Sim-Bimanual prédit la vidéo à partir des actions d'un robot ou de la caméra. Les quatre modèles sont des exemples post-entraînés de Cosmos 3 Nano avec 16B paramètres entraînables et sont diffusés sous OpenMDW1.1, qui autorise un usage commercial et non commercial selon ses termes.

    Motif de la recommandation :NVIDIA ouvre quatre checkpoints Cosmos 3 Nano avec leurs recettes de post-entraînement, ce qui donne un point de départ concret pour la simulation de mondes et la génération de données de conduite.

5 novembrejeu.
  1. Hugging Face Blog78

    Phonon TTS : Gradium détaille son modèle vocal embarqué et ses résultats sur le leaderboard

    Gradium revient sur le lancement de Phonon, son modèle TTS qui tourne entièrement sur l'appareil sans serveur ni réseau. Phonon 31m est sous licence Apache 2.0 pour l'anglais.

    Motif de la recommandation :L'article détaille les deux tailles de Phonon, les licences, les performances sur le leaderboard TTS et l'intégration dans Transformers, ce qui aide à évaluer un TTS embarqué.

  2. Hugging Face Blog62

    Dharma-AI publie Dharma Field Extractor, un modèle de 2 milliards de paramètres qui extrait des champs structurés en JSON

    Dharma-AI publie Dharma Field Extractor, un modèle de 2 milliards de paramètres qui prend en entrée l'image d'un document et renvoie des champs structurés en JSON.

    Motif de la recommandation :Le texte détaille l'entraînement LoRA, les deux modes de requête et le benchmark comparatif face aux API frontières, utile pour évaluer le compromis qualité-coût.

4 novembremer.
  1. Hugging Face Blog73

    Collinear AI publie CWE-bench v2, un benchmark de sécurité de 100 tâches couvrant 91 CWE

    Collinear AI publie CWE-bench v2, un ensemble public de 100 tâches où un agent doit trouver et corriger une faille de sécurité dans un dépôt open source réel sans casser les fonctionnalités existantes, avec une notation entièrement programmatique et reproductible. Les tâches couvrent 91 CWE différents et un ensemble held-out reste réservé pour suivre les progrès sur des tâches qu'aucun modèle n'a vues. Sur les 11 modèles évalués, Gemini 4 Argon mène avec 67,8 % pass@1 et 81,0 % pass@4, devant Claude Opus 5.5 (67,3 % pass@1, 78,0 % pass@4) ; 95 tâches sont résolues par au moins un modèle, mais le leader échoue encore sur 19 % de l'ensemble à chaque tentative. Le dataset, le grader et le harness sont ouverts, et les tâches sont exécutables depuis le Hub via Harbor.

    Motif de la recommandation :Le benchmark public de 100 tâches couvre 91 CWE et fournit un classement reproductible, utile pour situer les capacités de sécurité des modèles.

  2. Hugging Face Blog66

    IBM Research présente Palette, un modèle 20B open-weight qui génère des présentations au style de l'entreprise

    IBM Research a fine-tuné un modèle 20B open-weight, Palette, pour produire des présentations conformes à un langage de design donné.

    Motif de la recommandation :L'article détaille la synthèse de données, l'entraînement LoRA et le harnais de vérification-réparation, une méthode transférable aux sorties structurées vérifiables par code.

  3. Hugging Face Blog62

    Même modèle, harness différent : CUGA, Hermes et Deep Agents comparés sur AppWorld

    L'équipe CUGA d'IBM a fait tourner CUGA, Hermes et Deep Agents avec le même modèle open-weight GLM-5.3-flash sur 90 tâches AppWorld.

    Motif de la recommandation :Une comparaison contrôlée à modèle constant quantifie l'écart entre harnesses et détaille les points d'application des règles d'entreprise.

3 novembremar.
  1. Hugging Face Blog62

    Hugging Face propose MIC, un contrat de test d'intégration de modèles basé sur des fixtures réduites

    Hugging Face présente transformers-mic, un standard proposé pour empaqueter les tests d'intégration de modèles sous forme de contrats. Chaque contrat comprend une fixture de modèle réduit.

    Motif de la recommandation :L'article détaille la méthode de réduction des points de contrôle et le mécanisme de test par contrat, utile pour comprendre comment les régressions de modèles sont interceptées avant la fusion.

31 octobresam.
29 octobrejeu.
  1. Mistral AI88

    Mistral AI publie les poids ouverts de Mistral Large 4 (Le Chonk), modèle multimodal de 1 000 milliards de paramètres

    Mistral AI publie les poids ouverts de Mistral Large 4 (Le Chonk), un modèle multimodal natif de 1 000 milliards de paramètres entraîné en Europe.

    Motif de la recommandation :L'original détaille les performances de Mistral Large 4 sur le codage agentique et la cybersécurité défensive, ainsi que trois modes de raisonnement et le tarif API.

  2. Hugging Face Blog62

    Hugging Face présente AnySpeechRecognizer et AnyDecisionModel pour la reconnaissance vocale et la décision sur les plateformes Apple

    Hugging Face publie deux packages Swift open source, AnySpeechRecognizer et AnyDecisionModel.

    Motif de la recommandation :L'article détaille les API Swift, les moteurs interchangeables et les taux d'erreur mesurés, ce qui permet d'évaluer le choix d'un moteur local pour la reconnaissance vocale et la prise de décision.

28 octobremer.
  1. Hugging Face Blog80

    NVIDIA publie Nemotron 3.5 Transcribe et le pipeline de données Granary v2

    NVIDIA publie Nemotron 3.5 Transcribe, un modèle open-weight pilotable par prompt qui réunit transcription en 40 langues.

    Motif de la recommandation :Le modèle open-weight réunit transcription, diarisation et traduction en un seul checkpoint, avec les recettes de données et de fine-tuning pour l'adapter à un domaine.

24 octobresam.
23 octobreven.
  1. Hugging Face Blog42

    Hugging Face : vérifier si un modèle Transformers s'exécute sur AWS Trainium

    Hugging Face met en ligne un Space qui indique si un modèle Transformers du Hub s'exécute sans modification sur AWS Trainium via le backend PyTorch natif torch-neuronx. Chaque fiche précise le résultat du test, le nombre de cœurs Trainium utilisés, le temps d'exécution compilation incluse et la mémoire device de pointe, avec le script run.py et les versions de neuronx-cc et de Transformers. Les tests se limitent pour l'instant aux modèles de génération de texte et image-texte tenant sur 4 instances Trainium2 (16 cœurs au plus), et les résultats proviennent du dataset public aws-neuron/torch-neuronx-model-support.

  2. Hugging Face Blog62

    Transformer la notation de bases de données en récompense RL : Microsoft et Hugging Face entraînent des agents avec ThinkingBox

    Microsoft et Hugging Face publient ThinkingBox-Training sur GitHub.

    Motif de la recommandation :Le texte détaille la sélection de tâches par difficulté relative à la politique et la boucle de récompense par état final, transférables à d'autres entraînements d'agents.