Hugging Face 宣布 SpeechT5 已集成进 Transformers，论文作者发布的官方 checkpoint 可在 Hugging Face Hub 获取，并提供语音合成、音色转换和自动语音识别三个 Spaces 演示。
推荐理由：SpeechT5 以同一套编码器解码器架构覆盖 TTS、语音转换与 ASR，读者可据此了解多任务语音模型在 Transformers 中的接入方式。
Hugging Face 发布开源工具 AI vs. AI，用于在深度强化学习多智能体场景中对模型进行相对排名。该工具由 Space 匹配算法、Dataset 结果存储和展示 ELO 评分的 Leaderboard 三部分组成，模型上传至 Hub 后即自动参与对战评估，初始 ELO 为 1200。
OpenAI 宣布为 ChatGPT 推出试点订阅方案 ChatGPT Plus。ChatGPT 是一款对话式 AI，可与用户聊天、回答追问并指出错误假设。
推荐理由：OpenAI 官方公布 ChatGPT 付费订阅试点，读者可据此了解其早期商业化路径的起点。
OpenAI 发布一款经过训练的分类器，用于区分 AI 生成文本与人类撰写文本。
推荐理由：OpenAI 官方发布 AI 文本检测分类器，读者可了解其用途与官方定位。
Hugging Face 与微软 ONNX Runtime 团队合作，在 Optimum 库中集成 ONNX Runtime 训练后端，为多种 Hugging Face 模型带来 35% 以上的训练提速。
OpenAI 展示了用 GPT-3 从客户反馈中快速提取细致洞察的能力。该方案面向客户反馈分析场景，可输出更细腻的洞察结果。
OpenAI 通过微调 GPT-3 来驱动并规模化"代客制作"的视频创作。
OpenAI 利用 GPT-3 创建新一代 AI 驱动的角色。
Hugging Face 推出 Model Card Creator Tool 和 Model Card Guide Book，前者提供图形界面，无需编程或写 markdown 即可创建模型卡。同步更新了 huggingface_hub 库中的模型卡模板，并发布注释版模板、用户研究和文献综述。
OpenAI 发布 Point-E，一个可根据复杂提示词生成 3D 点云的系统。
Elixir 社区推出 Bumblebee 库，用纯 Elixir 实现了 Hugging Face Transformers，让 GPT2 到 Stable Diffusion 等模型可在 Elixir 中运行。
Hugging Face 与 arXiv 合作，通过 arXivLabs 将 Spaces 集成进论文页面，新增 Demo 标签页，可直接打开社区或作者创建的开源演示。
Hugging Face 在 transformers 4.24.0 中集成了 Contrastive Search 解码方法，PyTorch 和 TensorFlow 均可用。
推荐理由：Hugging Face 把对比搜索集成进 transformers，读者可据此替换现有解码方式并对比生成质量。
OpenAI 宣布 DALL·E API 进入公开测试，开发者从即日起可以基于该 API 构建应用。
推荐理由：OpenAI 官方开放 DALL·E API 公测，开发者可据此判断图像生成能力接入自家应用的门槛变化。
Hugging Face 将 Intel OpenVINO 集成进 Optimum Intel，用户可在多种 Intel 处理器上用 OpenVINO Runtime 对 Transformers 模型执行推理，并借助 NNCF 在数分钟内完成量化以压缩模型体积、降低预测延迟。
Hugging Face 宣布用户可直接在 Hub 上为模型或数据集生成 DOI，其他人在模型或数据集页面点击“Cite this model/dataset”即可引用。该功能通过与 DataCite 合作实现，注册用户填写元数据后即可获得 DOI，新版本发布时 DOI 可更新、旧版本随之失效。带 DOI 的数据集和模型将永久保存，仅能通过向官方支持提交请求删除。
Hugging Face 在 Hub 上线由 AutoTrain 驱动的 Evaluation on the Hub，无需写代码即可对任意因果语言模型做零样本评估，目前支持最大 66B 参数模型，更大模型的支持即将推出。
OpenAI 宣布 DALL·E 不再需要等待名单，新用户可以直接开始创作。官方表示，部署中积累的经验以及安全系统的改进使更广泛的开放成为可能。
推荐理由：OpenAI 官方说明 DALL·E 取消等待名单，并给出安全系统改进这一放开依据。
Hugging Face AutoTrain 新增图像分类任务，用户无需编写代码即可训练模型。上传数据后选择模型候选数量即可开始训练，5 个候选模型、500 张以内图片免费；示例中最佳模型达到 84% 准确率。
Hugging Face 联合 Intel Labs 和 UKP Lab 发布 SetFit，一个用于 Sentence Transformers 少样本微调的框架，无需提示词或 verbaliser。
推荐理由：原文给出 SetFit 的两阶段训练流程与 RAFT 基准对比，读者可据此判断少样本分类的成本与精度取舍。
Hugging Face 发布 diffusers 0.3，新增图生图 pipeline、Textual Inversion、实验性 inpainting 与 ONNX 导出等能力。
推荐理由：diffusers 0.3 集中放出图生图、Textual Inversion 与显存优化，可据此判断扩散模型工具链的成熟度。
OpenAI 为 DALL·E 推出 outpainting 功能，可生成任意尺寸的图像，用于延展创作并讲述更大的故事。
推荐理由：OpenAI 为 DALL·E 加入 outpainting，读者可了解图像生成从单张出图扩展到任意尺寸延展的能力变化。
Hugging Face 发布新库 Skops，支持将 scikit-learn 模型托管到 Hugging Face Hub，并可为模型创建 model card 进行文档化与协作。Skops 通过 hub_utils.init 生成含模型与环境配置的本地仓库，后端使用 joblib 加载模型，Card 类可自动填充超参数、模型结构图及推理组件所需元数据。
OpenAI 发布新版内容审核工具 Moderation endpoint，改进自此前的内容过滤器，即日起面向 OpenAI API 开发者免费开放。
Hugging Face 发布 Private Hub（PH），为机器学习全生命周期提供统一工具集，支持以安全合规的方式加速从研究到生产的各环节。PH 以 Hugging Face Hub 为核心，后者已托管超 60K 模型、6K 数据集和 6K ML 演示应用，模型覆盖 180 种语言、支持最多 25 个 ML 库。
Hugging Face 为 🤗 Datasets 补充了音频和图像数据集的文档，Quickstart 新增端到端加载与处理示例，并引入 to_tf_dataset 函数，可将数据集转换为 tf.data.Dataset 供 TensorFlow 或 Keras 训练。
OpenAI 宣布 DALL·E 进入测试版，将在未来数周从候补名单中邀请 100 万人使用。用户可用每月重置的免费积分生成图像，也可按 115 次生成 15 美元的价格购买额外积分。
推荐理由：OpenAI 公布 DALL·E 测试版开放节奏与积分定价，读者可据此了解早期图像生成产品的使用门槛。
OpenAI 为 DALL·E 2 部署了一项新技术，使其生成的人物图像能更准确地反映世界人口的多样性，以降低偏见并提升安全性。
OpenAI 公布 DALL·E 2 研究预览进展，来自 118 个以上国家的 3000 多名艺术家已将 DALL·E 纳入自己的创作流程。OpenAI 表示，早期访问组的艺术家帮助发现了 DALL·E 的新用法，并在其决定 DALL·E 功能时提供了关键意见。
推荐理由：官方披露 DALL·E 2 研究预览的艺术家使用规模，可了解早期创作者如何把它接入创作流程。
Hugging Face 推出 Evaluation on the Hub，由 AutoTrain 驱动，用户无需写代码即可在 Hub 上用任意数据集评测任意模型。评测结果会以 PR 形式写入模型卡元数据，并可在数据集排行榜上比较不同模型的表现。官方已用该工具在多个关键数据集上评测了数百个模型，并给出文本分类、命名实体识别和文本摘要等可直接试用的数据集示例。
推荐理由：Hugging Face 把模型评测做成 Hub 上的零代码流程，读者可据此了解评测结果如何进入模型卡与排行榜。
Graphcore 与 Hugging Face 扩展了开源库 Optimum 中的模型阵容，新增覆盖 NLP、语音和计算机视觉的 10 个 IPU 优化 Transformer 模型，均附带 IPU 配置文件和预训练、微调权重。
Hugging Face 在 Hub 上线 Pull Requests 和 Discussions，覆盖 models、datasets 和 Spaces 三类仓库，任何社区成员都可在 Community 标签页发起和参与。
OpenAI Codex 现已通过 OpenAI API 为 70 款不同应用提供支持，覆盖多种使用场景。
OpenAI 更新 DALL·E 2 研究预览进展，早期用户迄今已生成超过 300 万张图像，并帮助改进了安全流程。OpenAI 表示将开始每周从候补名单中新增最多 1000 名用户。
推荐理由：官方披露 DALL·E 2 预览期用户产出与安全流程改进，并给出每周扩量节奏，可据此判断其开放进度。
Hugging Face 发布 Gradio 3.0，对 Gradio 库进行彻底重设计，前端改用 Svelte 等现代技术，页面体积更小、加载更快，并新增 Gallery 组件和 TabbedInterface 类。
推荐理由：Gradio 3.0 重写前端并推出 Blocks 低层 API，读者可了解它如何让 Python 直接搭建复杂自定义 ML 演示。
Hugging Face 开源库 Optimum 发布 1.2 版本，新增对 Transformers pipelines 的推理支持，首批接入 ONNX Runtime，用户可将 AutoModelForXxx 替换为对应的 ORTModelForXxx 类。
fastai 现已接入 Hugging Face Hub，开发者用一行 Python 的 push_to_hub_fastai 就能把 Learner 上传到 Hub，并通过 from_pretrained_fastai 加载他人模型。
Hugging Face Hub 推出 emissions_threshold 参数，可按训练碳排放量筛选模型，例如搜索排放不超过 100 克的模型可返回 191 个结果。Transformers 集成 codecarbon，训练时自动记录排放数据并生成 emissions.csv，方便写入模型卡。
OpenAI 在 API 中新增 embeddings 端点，用于自然语言与代码任务，包括语义搜索、聚类、主题建模和分类。
推荐理由：OpenAI 在 API 中新增 embeddings 端点，读者可据此了解语义搜索与分类等任务的接入方式。
huggingface_hub 库新增 ModelSearchArguments 和 ModelFilter 类，让用户无需离开 IDE 即可通过 Python API 搜索 Hub 上的模型和数据集。