每一周，我們的同事都會向社區(qū)的成員們發(fā)布一些關(guān)于 Hugging Face 相關(guān)的更新，包括我們的產(chǎn)品和平臺更新、社區(qū)活動、學(xué)習(xí)資源和內(nèi)容更新、開源庫和模型更新等，我們將其稱之為「Hugging News」。本期 Hugging News 有哪些有趣的消息，快來看看吧！ ?? ??

重磅更新

Hugging Face ?? 開源大模型排行榜發(fā)現(xiàn)異常：讓我們來調(diào)查一下！??

Open LLM 排行榜是 Hugging Face 設(shè)立的一個用于評測開放大語言模型的公開榜單。最近，隨著 Falcon ?? 的發(fā)布并在 Open LLM 排行榜上瘋狂屠榜，圍繞這個榜單在推特上掀起了一輪熱烈的討論。 討論主要圍繞排行榜上的四個評測基準(zhǔn)其中之一: 大規(guī)模多任務(wù)語言理解（Massive Multitask Language Understanding，MMLU）基準(zhǔn)。

社區(qū)發(fā)現(xiàn)頭部模型 LLaMA ?? 在 Open LLM 榜單上的 MMLU 得分比 LLaMA 論文 中宣稱的數(shù)字要低很多，大家都感覺很奇怪。

因此，我們決定深入分析一下這個現(xiàn)象????，看看到底是什么原因，又應(yīng)該如何解決。

在這段旅程中，你將學(xué)到很多有關(guān)如何評測模型的知識，因此，如果后面你在網(wǎng)絡(luò)上或論文中看到了相關(guān)的評測數(shù)字，相信你就會有一定的判斷力了。

詳細(xì)內(nèi)容請看我們發(fā)布的文章：Open LLM 排行榜近況。

Hugging Face ?? 開源大模型榜單更新啦 ??

• ??更新之一：使用更新版 Harness 重新刷榜，更新得分 ??

在 Falcon 大模型發(fā)布之后，很多人對我們開源大模型榜單上的 LLaMA 排名下降及評分進(jìn)行討論??在 Harness 版本更新之后，我們對所有大模型重新刷榜，目前的得分結(jié)果都是最新的！

• ??更新之二：更快速的推理 ??

我們現(xiàn)在對兼容模型使用 text - generation - inference 文本生成推理，它速度極快且無縫連接，直接讓后端的速度提升了一個數(shù)量級 ??。對于其他模型，我們使用超級棒的 accelerate 來優(yōu)化并行性。

• ??更新之三：提高了可復(fù)制性 ??

可以在更多的位置找到你想要的信息以便復(fù)制或重現(xiàn) ?? 比如在 "about" 可以找到更多的指令細(xì)節(jié)；在擴(kuò)展 view 里可以看到更多有關(guān)模型的信息；一如既往，所有刷榜的結(jié)果和數(shù)據(jù)也都開源在我們的 Hub 上??

如果我們在 Hugging Face 做一個中文大模型的列表并隨時更新，你覺得怎么樣？???

歡迎留言告訴我們你的想法和問題 ??

社區(qū)活動

AI 頭像變裝秀獲得邀請你參加！

我們在小紅書平臺上舉辦的「AI 頭像變裝秀」活動時間已經(jīng)過半，我們看到大家生成了很多很多可愛的的、抖包袱的、唯美的 AI 頭像，只能說大家都太優(yōu)秀啦！越發(fā)覺得好像沒有一個 AI 生成的頭像，出門都不好意思跟人打招呼啦！

7 月 5 日至 7 月 31 日舉行 Hugging Face AI 頭像變裝秀活動 ??

活動介紹: 我們將分享一段 Stable Diffusion 的 Notebook 代碼 ??? (https://hf.link/tx)（不要聽到代碼就頭疼呀集美們，超簡單的?。╉樦鴪?zhí)行這段 Notebook 代碼，你將可以使用 AI 生成自己的頭像，生成頭像的風(fēng)格不限?

參與方式: 在使用我們提供的代碼生成頭像之后，請在你的小紅書發(fā)布一篇筆記 ?? 分享你的成果或體驗(yàn)，并 @Hugging Face 官方賬號讓我們知道。

活動時間: ? 活動將在 7 月 31 日 (周一) 晚上 12 點(diǎn)截止，屆時獲贊最多的 前三名 小伙伴將獲得神秘小驚喜 ??

如果有疑問 ??請隨時私信或留言！可到小紅書查看活動詳情，或者在公眾號后臺回復(fù)「頭像」加入活動群。

官方小紅書賬號活動鏈接: https://hf.link/imot4

內(nèi)容更新

音頻 Transformers 課程完成發(fā)布！

我們發(fā)布了完全開源的音頻 Transformers 課程，迄今為止反響非常好！??

Transformers 作為一種強(qiáng)大而多功能的深度學(xué)習(xí)架構(gòu)，一次又一次地證明了自己在各種任務(wù)中的卓越表現(xiàn)，包括自然語言處理、計算機(jī)視覺，最近更是在音頻處理領(lǐng)域也有不凡的表現(xiàn)。

在這門課程中，我們將探索如何將 Transformers 應(yīng)用于音頻數(shù)據(jù)。你將學(xué)習(xí)如何使用它們來處理各種音頻相關(guān)的任務(wù)。無論你對語音識別、音頻分類還是從文本生成語音感興趣，Transformers 和本課程都能滿足你的需求。

課程鏈接 ??：https://hf.co/learn/audio-course/chapter0/introduction

我們已經(jīng)完成了 7 個單元的發(fā)布：

• 單元 1：處理音頻數(shù)據(jù) - 為處理音頻奠定基礎(chǔ)。??

• 單元 2：音頻應(yīng)用簡介 - 介紹了眾多音頻應(yīng)用。???♂?

• 單元 3：音頻的 Transformers 架構(gòu) - 講解了處理音頻相關(guān)任務(wù)時存在的不同類型的架構(gòu)和設(shè)計！??

• 單元 4：構(gòu)建音樂流派分類器 - 實(shí)際操作教程，教你如何構(gòu)建音頻分類流程。??

• 單元 5：語音識別 - 深入探索語音識別，并構(gòu)建一個模型來轉(zhuǎn)錄會議記錄

• 單元 6：文字轉(zhuǎn)語音 - 學(xué)習(xí)如何將給定的文本轉(zhuǎn)換為音頻輸出

• 單元 7：具體應(yīng)用 - 構(gòu)建真實(shí)世界的音頻應(yīng)用程序

完成這門課以后，你將獲得使用 Transformers 處理音頻數(shù)據(jù)的堅實(shí)基礎(chǔ)，并且能夠?qū)⑦@些技術(shù)應(yīng)用到各類音頻相關(guān)的任務(wù)上。

為了這次課程，我們還進(jìn)行了兩次線上活動，目前兩次活動的回放已經(jīng)發(fā)布，請通過我們的官方嗶哩嗶哩賬號查看:https://hf.link/bili

本期內(nèi)容編輯: Shawn

以上就是本期的 Hugging News，新的一周開始了，我們一起加油！ ????