NewTypeCola a publié VOKU Archive sur Hugging Face, une collection de 66 010 pages numérisées de cue sheets (feuilles d'indications) de radios universitaires étudiantes en Corée du Sud. Les documents couvrent la période de 1988 à 2019 et incluent du texte OCR, des annotations de pseudonymes sous forme de tokens et des métadonnées.
Les chercheurs présentent VideoX-Qwen, un cadre intégré combinant la construction évolutive de données avec l'entraînement du modèle pour faire progresser l'édition vidéo générale et pilotée par des instructions. Le système utilise un pipeline de production qui organise des modèles spécialisés pour générer des enregistrements d'édition directionnelle, résultant en plus de 1,2 million d'échantillons de haute qualité dans les tâches d'ajout, de suppression, de remplacement et d'attributs.
Un linguiste computationnel et spécialiste du TAL en haoussa a présenté un nouvel ensemble de données conçu pour évaluer les grands modèles de langage dans le contexte des soins de santé et de la sécurité en haoussa.
Le projet FlyEye a publié le premier jeu de données compact au niveau des neurones, accompagné d'un kit de développement pour navigateur et runtime. Cette version inclut le jeu de données Tubban/flyeye-escape-neuron-v1 hébergé sur Hugging Face.
Adaption Labs a introduit « Invent a Dataset », une fonctionnalité qui génère des ensembles de données structurés et prêts pour l'entraînement directement à partir de descriptions de tâches en langage naturel, sans nécessiter de corpus initial, de schéma prédéfini ou de guide d'étiquetage. L'outil est disponible via l'application Adaption, le SDK Python et l'API REST, permettant aux utilisateurs de télécharger les lignes générées au format JSONL, JSON, CSV ou Parquet.
Les auteurs présentent TrialGPT 2.0, un système de recommandation d'essais cliniques assisté par IA conçu pour un déploiement en conditions réelles, qui évalue quels essais méritent d'être considérés en fonction des besoins des patients et des priorités du flux de travail.