#transformers Dépôts
273 dépôts au total
[ICLR 2025] De n'importe quoi à la maille comme des artistes humains. Implémentation officielle de "MeshAnything: Artist-Created Mesh Generation with Autoregressive Transformers"
TransmogrifAI (prononcé trăns-mŏgˈrə-fī) est une bibliothèque AutoML permettant de créer des flux de travail d'apprentissage automatique modulaires, réutilisables et fortement typés sur Apache Spark avec un réglage manuel minimal.
[CVPR 2025] Implémentation officielle PyTorch de MambaVision : un backbone hybride Mamba-Transformer pour la vision
Lumina-T2X est un framework unifié pour la génération de texte vers n'importe quelle modalité
Une collection de démos et d'applications exemples de 🤗 Transformers.js
Implémentation de Toolformer, Language Models That Can Use Tools, par MetaAI
Forcer le format de sortie (schéma JSON, Regex, etc.) d'un modèle linguistique
Bindings Python pour les modèles Transformer implémentés en C/C++ à l'aide de la bibliothèque GGML.
Synthèse de programmes graphiques pour figures scientifiques et croquis avec TikZ.
Cours pratique sur les grands modèles linguistiques.
RDT-1B : un modèle de fondation de diffusion pour la manipulation bimodale
Veille, recherche et application des technologies de pointe telles que le traitement automatique du langage naturel, les graphes de connaissances, les grands modèles de langage et les agents.
Mise en œuvre de "EasyControl : Ajout d'un contrôle efficace et flexible pour les transformeurs de diffusion" (ICCV2025)
Efficacité de la quantification après entraînement, précision de la quantification avec entraînement conscient
Transformez n’importe quel LLM en un modèle de décision de type Jev : décisions typées, probabilités réelles, sans entraînement. (Mises à jour continues ; vos signalements de problèmes et demandes de PR sont les bienvenus)
Entraînement unifié de transformeurs universels pour la prévision de séries temporelles
RLHF Sûr : Alignement des Valeurs Contraints par l'Apprentissage par Renforcement Sûr à partir des Retours Humains
[PAMI'23] TransFuser : Imitation avec fusion de capteurs basée sur Transformer pour la conduite autonome ; [CVPR'21] Multi-Modal Fusion Transformer pour la conduite autonome de bout en bout
Modèles de reconnaissance vocale Fun-ASR, avec prise en charge native de Hugging Face Transformers pour Fun-ASR-Nano et des voies de déploiement distinctes pour FunASR, vLLM et llama.cpp.
[CVPR 2025 Oral]Infinity ∞ : Mise à l'échelle de la modélisation autorégressive bit à bit pour la synthèse d'images haute résolution
Lag-Llama : Vers des modèles fondamentaux pour la prévision probabiliste de séries temporelles
Mise en œuvre de SoundStorm, génération audio parallèle efficace de Google Deepmind, en Pytorch
Ajustez finement les LLMs sur votre Mac avec Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding et ajustement fin d'OCR — nativement sur MLX. API compatible avec Unsloth.
Un programme d'études pour apprendre les modèles fondamentaux, de zéro à la pointe
Réimplémentation du modèle d'action vision-langage (VLA) pi0 de Physical Intelligence
Le choix open-source du data scientist pour faire évoluer, évaluer et maintenir les données de langage naturel. Traitez les données d'entraînement comme un artefact logiciel.
Implémentation Pytorch de Transfusion, "Prédire le prochain token et diffuser des images avec un seul modèle multimodal" par MetaAI
Mise en œuvre du cadre d'entraînement proposé dans Self-Rewarding Language Model, par MetaAI
Pruna est un framework d'optimisation de modèles conçu pour les développeurs, vous permettant de fournir des modèles plus rapides et plus efficaces avec une surcharge minimale.
Collectez quelques papiers sur les transformeurs pour la détection et la segmentation. Awesome Detection Transformer pour la vision par ordinateur (CV)