Aller au contenu

Entreprises et modèles

Meta / Llama Dernières actualités

Meta : l'actualité de l'IA — modèles des gammes Llama et Muse, laboratoire de superintelligence et produits Meta AI.

21 sélections30 derniers jours 5 entréesTotal : 126 entrées

mise à jour

Meta / Llama: sa sélection

17 novembremar.1–20 entrées
  1. The Hacker News67

    Des chercheurs détaillent une faille iPhone permettant à des apps d'enregistrer l'audio malgré le refus de permission micro

    Des chercheurs ont détaillé une faille désormais corrigée dans le service audio d'Apple qui permettait à des apps sur iPhone et iPad d'enregistrer l'audio même après que l'utilisateur avait appuyé sur « Don't Allow » dans l'invite micro. Les premières mises à jour de sécurité contenant le correctif sont sorties le 17 août. Ni Apple ni les deux chercheurs à l'origine de la découverte ne rapportent que la faille ait été exploitée lors d'attaques. Nik Tsytsarkin, de Meta Red Team X, a publié les détails techniques la semaine dernière.

13 novembreven.
  1. Hackaday60

    Piratage des lunettes connectées de Meta via une mise à jour logicielle

    La chercheuse p0pcycle a piraté les lunettes connectées Ray-Ban de Meta en interceptant une mise à jour logicielle puis en décompilant l'application pour obtenir le firmware complet. Une version ancienne du firmware faisait confiance aux applications auto-signées, ce qui lui a permis d'exécuter du code arbitraire sur l'appareil et d'exposer un écouteur réseau. Elle a signalé la faille via le programme de bug bounty de Meta, et ces étapes ne fonctionnent plus sur les firmwares plus récents.

    Motif de la recommandation :Le récit détaille le chemin d'attaque depuis la décompilation d'une mise à jour jusqu'à l'exécution de code arbitraire sur les lunettes connectées de Meta.

22 octobrejeu.
  1. Tom's Hardware 3D80

    Les TPU de Google exécutent des charges IA dans les centres de données de Meta

    Les TPU de Google traitent désormais des charges IA en production chez Meta via une version native PyTorch du moteur d'inférence SGLang.

    Motif de la recommandation :Le passage de TPU à une pile native PyTorch et son usage en production chez Meta offrent un point de comparaison concret face à l'écosystème Nvidia.

  2. Next (fr)78

    Cambridge Analytica : Meta condamnée à payer 25 milliards de dollars au Nouveau-Mexique

    Meta a été condamnée à payer 25 milliards de dollars dans l'État américain du Nouveau-Mexique pour avoir menti à ses utilisateurs sur la confidentialité de leurs données dans le cadre de l'affaire Cambridge Analytica. Le jury a retenu 43 899 725 infractions à la loi sur les pratiques déloyales et jugé trompeuses 26 des 29 déclarations pointées par l'accusation ; le juge Francis J. Mathew a ramené l'amende de 219 milliards à 25 milliards de dollars, avec des intérêts de 15 % par an jusqu'au paiement intégral. Meta a annoncé qu'elle ferait appel.

    Motif de la recommandation :Le jugement précise le montant, les 43,9 millions d'infractions retenues et les intérêts de 15 % par an, ce qui éclaire l'ampleur de la sanction.

20 octobremar.
16 octobreven.
  1. Hackaday67

    Le noyau Linux abandonne l'obligation de tag IA et utilise Meta AI pour les revues de code

    Le projet du noyau Linux a décidé d'abandonner complètement l'obligation de marquer les commits assistés par LLM avec le tag Assisted-by.

    Motif de la recommandation :Le noyau Linux abandonne le tag Assisted-by et adopte des LLM de Meta pour la revue de patches, un choix inverse de la plupart des projets open source.

  2. TechCrunch · AI78

    Meta lance Muse Spark Open, un modèle open-weight exécutable sur Mac

    Meta a lancé Muse Spark Open, présenté comme le modèle open-weight le plus capable aux États-Unis.

    Motif de la recommandation :Meta publie un modèle open-weight natif multimodal de 816 milliards de paramètres, exécutable localement sur Mac, ce qui éclaire les arbitrages entre performance et matériel requis.

  3. Hugging Face Blog88

    Meta publie Muse Spark Open, modèle MoE multimodal open-weight de 816B paramètres

    Meta publie Muse Spark Open, un modèle open-weight de la série Muse, avec environ 816 milliards de paramètres au total et environ 42 milliards activés par token.

    Motif de la recommandation :Meta ouvre les poids d'un modèle MoE de 816B paramètres couvrant texte, image, audio et vidéo, avec les recettes de déploiement et de fine-tuning associées.

  4. AWS Machine Learning Blog62

    Le modèle open-weight Muse Spark Open de Meta est disponible dans Amazon SageMaker JumpStart

    Le modèle open-weight Muse Spark Open de Meta, optimisé pour le codage, est désormais disponible dans Amazon SageMaker JumpStart.

    Motif de la recommandation :Le billet détaille les deux variantes de quantification, les instances compatibles et le déploiement pas à pas, ce qui aide à évaluer le coût et la mise en service.

13 octobremar.
12 octobrelun.
  1. Hackster.io62

    Meta publie Muse Gadgets, un SDK open source pour connecter l'agent Muse à l'ESP32 et au Raspberry Pi

    Meta a publié Muse Gadgets, un SDK open source qui permet aux développeurs de connecter son agent personnel Muse à leur propre matériel.

    Motif de la recommandation :Meta ouvre son agent Muse au matériel ESP32 et Raspberry Pi via deux SDK sous Apache 2.0, avec un boîtier Home Link distribué gratuitement aux abonnés américains.

  2. CNX Software58

    Meta publie le SDK open source Muse Gadgets pour ESP32 et les appareils Linux comme le Raspberry Pi

    Meta a publié le SDK open source Muse Gadgets, destiné aux cartes ESP32 et aux SBC Linux comme le Raspberry Pi.

    Motif de la recommandation :Le SDK open source Muse Gadgets expose les interfaces ESP32 et Linux, permettant de juger de la faisabilité d'intégrer Muse dans du matériel edge.

10 aoûtlun.
23 juilletmar.
18 avriljeu.
  1. Hugging Face Blog88

    Meta publie Llama 3, la nouvelle génération de LLM open source

    Meta publie Llama 3, la nouvelle génération de sa famille de LLM open source, disponible sur Hugging Face en versions 8B et 70B.

    Motif de la recommandation :L'article détaille les spécifications de Llama 3, les intégrations dans l'écosystème Hugging Face et les méthodes de déploiement, ce qui permet de comprendre les capacités du modèle et les options d'utilisation.

13 septembremer.
25 aoûtven.
  1. Hugging Face Blog88

    Code Llama : Llama 2 apprend à coder

    Hugging Face annonce l'intégration de Code Llama, une famille de modèles ouverts dérivés de Llama 2 spécialisés sur le code.

    Motif de la recommandation :Présente les trois tailles de Code Llama, la fenêtre de contexte étendue et l'intégration complète dans l'écosystème Hugging Face.

8 aoûtmar.
  1. Hugging Face Blog62

    Fine-tuner Llama 2 avec DPO dans la bibliothèque TRL

    Hugging Face présente l'implémentation de la méthode Direct Preference Optimization (DPO) dans la bibliothèque TRL et montre comment fine-tuner le modèle Llama 2 7B sur le jeu de données de préférences Stack Exchange. DPO remplace l'étape de modélisation de récompense et l'optimisation RL de RLHF par un objectif de vraisemblance directe optimisé via une simple perte d'entropie croisée binaire, en s'appuyant sur une correspondance analytique entre la fonction de récompense et la politique RL optimale. Le tutoriel détaille le pipeline complet : SFT avec QLoRA sur Llama 2 7B, préparation des données de préférence au format prompt/chosen/rejected, puis entraînement avec DPOTrainer en configurant le paramètre beta (0,1 à 0,5). Le code source des scripts d'entraînement est disponible dans le répertoire examples/stack_llama_2 et le modèle entraîné est publié sur le Hub Hugging Face.

    Motif de la recommandation :Le tutoriel détaille l'implémentation de DPO dans TRL et le fine-tuning de Llama 2, avec le code et les métriques de suivi.

18 juilletmar.
  1. Hugging Face Blog88

    Llama 2 est disponible sur Hugging Face

    Meta publie Llama 2, une famille de grands modèles de langage open access de 7B à 70B paramètres.

    Motif de la recommandation :Présente l'intégration complète de Llama 2 dans Hugging Face, avec les modèles, l'inférence et le fine-tuning, utile pour évaluer les options de déploiement.