本周四，东谈主工智能托管平台Hugging Face的东谈主工智能模子列表初次冲破100 万个fc2 萝莉，这标记着快速彭胀的机器学习限制的一个里程碑。 东谈主工智能模子是一种规划机格式（频繁使用神经收集），通过数据覆按来推行特定任务或进行磋商。 该平台在2016年以聊天机器东谈主期骗格式起步，在2020年转向成为东谈主工智能模子的开源中心，当今为建设东谈主员和接头东谈主员提供了多量用具。

机器学习限制所代表的宇宙远不啻像 ChatGPT 这么的大型言语模子（LLM）。 Hugging Face 首席推行官克莱门特-德朗格（Clément Delangue）在 X 上发表的一篇著述中谈到了他的公司怎样托管了好多闻名的东谈主工智能模子，如"Llama、Gemma、Phi、Flux、Mistral、Starcoder、Qwen、Stable diffusion、Grok、Whisper、Olmo、Command、Zephyr、OpenELM、Jamba、Yi"，况且还有"999984 个其他模子"。

Delangue说，原因在于定制。"他写谈："与'一个模子统治通盘模子'的谬论相背，针对你的用例、你的限制、你的言语、你的硬件以及你的一般完好意思要求而定制的微型特意优化模子会更好。 事实上，很少有东谈主意志到，'拥抱脸谱'上的确有同样多的模子只对一个组织通达，供公司私行构建东谈主工智能，特意用于他们的用例。

由 Hugging Face 提供的图表显现了跟着期间推移逐月添加到 Hugging Face 的东谈主工智能模子数目fc2 萝莉。

跟着通盘科技行业东谈主工智能研发门径的加速，Hugging Face 已转型成为一个长途的东谈主工智能平台。 短短几年间，跟着东谈主们对这一限制的趣味日益浓厚，网站上托管的模子数目也急剧增多。 在 X 上，Hugging Face 家具工程师 Caleb Fahlgren 张贴了一张平台上每月创建的模子图表（以及一个指向其他图表的 荟萃），他说："模子逐月呈指数增长，而九月还莫得完好意思。

微调的力量

正如德朗格在上文所暴露的，平台上的模子数目之多源于平台的和谐性质以及针对特定任务对现存模子进行微调的作念法。 微调是指对现存模子进行很是覆按，为其神经收集添加新成见，并改换其产生输出的面孔。 宇宙各地的建设东谈主员和接头东谈主员齐在孝顺我方的效用，从而酿成了一个遍及的生态系统。

举例，该平台上有好多不同的 Meta 通达权重 Lama 模子，它们代表了原始基础模子的不同微调版块，每个版块齐针对特定期骗进行了优化。

Hugging Face 的资源库包含适用于多样任务的模子。 浏览其模子页面，不错在"多模态"部分看到图像到文本、视觉问题解答和文档问题解答等类别。 在"规划机视觉"类别中，有深度预想、对象检测和图像生成等子类别。 当然言语搞定任务（如文天职类和问题解答）以及音频、表格和强化学习（RL）模子也有体现。

野外 露出

放大/ 2024 年 9 月 26 日拍摄的拥抱脸模子页面截图。

要是按"下载次数最多"排序，Hugging Face 模子列表揭示了东谈主们以为哪些东谈主工智能模子最灵验的趋势。 名步骤一的是麻省理工学院的音频谱图相似器，其下载量高达 1.63 亿次，遥遥特殊，该模子可对语音、音乐和环境声息等音频本色进行分类。 紧随自后的是Google的BERT，其下载量为 5420 万次，这是一个东谈主工智能言语模子，通过磋商避讳的单词和句子磋磨来学习领略英语，使其大略协助完成多样言语任务。

排在前五位的东谈主工智能模子是all-MiniLM-L6-v2（该模子将句子和段落映射为 384 维密集向量暴露，适用于语义搜索）、 Vision Transformer（将图像搞定为补丁序列，以推行图像分类），以及 OpenAI 的CLIP（联结图像和文本，允许使用当然言语对视觉本色进行分类或形容）。

非论是什么模子或任务，该平台齐在不停发展壮大。Delangue 写谈："如今，HF 上每 10 秒钟就会创建一个新的存储库（模子、数据集或空间）。"最终，模子的数目将和代码库的数目一样多fc2 萝莉，咱们将为此而奋勉！"