Segnalazione automatica

Hugging Face: nuovi set di valutazione ASR per hindi e inglese indiano con metadati su 4.888 parlanti

Voice Arena e Hugging Face aggiungono all'Open ASR Leaderboard i set Monsoon hi-IN ed en-IN, primi dati indic nell'area multilingue. Ogni set ha una parte pubblica (per autoscoring) e una privata, con split disgiunti per parlante, 4.888 parlanti, 12 attributi demografici registrati e 18 colonne per segmento. L'obiettivo dichiarato e' rendere visibili le disparita' di errore per regione, genere, eta' e dispositivo.

Fonte originale: Hugging Face — blog 2 min di letturaScheda compilata il 24 settembre 2026

Data di pubblicazione riportata dalla fonte: 28 agosto 2026. Non indica l’entrata in vigore di una norma.

Sintesi automatica di una fonte primaria, sottoposta a controlli automatici. Consulta il documento originale per il contesto completo.

La segnalazione

Come leggere questa scheda

Le dichiarazioni sono attribuite alla fonte. Questa scheda non certifica prestazioni, conformita o stato di vigenza di norme e non sostituisce una valutazione professionale.

AI Hugging Face — blog

Gradio presenta gr.Workflow: pipeline AI come grafi di nodi con API REST e deploy automatico

Hugging Face illustra gr.Workflow, funzionalita' integrata in Gradio che rappresenta le pipeline AI come grafi di nodi tipizzati (input, operatori e output) con canvas drag-and-drop, risultati intermedi visibili e ogni output esposto come endpoint REST richiamabile da Python o curl. Il deploy su Hugging Face Spaces avviene con un solo comando e i nodi possono eseguire modelli su GPU.

Multiverse Computing presenta il metodo Quantization-Aware Healing per modelli LLM compressi a 4 bit

Il blog di Hugging Face illustra il paper di Multiverse Computing sul Quantization-Aware Healing, tecnica che distilla da un modello originale pre-compressione invece che dal checkpoint recuperato. Applicata a GPT-OSS 120B compresso a 60B e quantizzato in MXFP4, l'azienda riporta risultati superiori al proprio checkpoint bfloat16 su 7 benchmark su 9, con guadagni maggiori su ragionamento a contesto lungo e matematica, e minore instabilita' rispetto al quantization-aware training.