Openmed
PulseAugur coverage of Openmed — every cluster mentioning Openmed across labs, papers, and developer communities, ranked by signal.
- 2026-06-23 product_launch OpenMed has released over 650 biomedical NER and de-identification models optimized for on-device processing using MLX. 来源
2 天有情绪数据
-
Hugging Face生态系统在mRNA模型、Gradio和safetensors方面取得进展 · 跟踪3个来源
Hugging Face 参与了多项与人工智能相关的开发。该公司在一篇关于使用165美元训练25种物种的mRNA语言模型的帖子中被重点介绍。此外，用于构建机器学习模型界面的工具Gradio正在自定义前端的背景下进行讨论。最后，safetensors格式已加入PyTorch基金会，表明更广泛的行业采用和合作。
-
Hugging Face博客强调mRNA模型、Gradio和safetensors加入PyTorch基金会 · 跟踪3个来源
Hugging Face 参与了多项与AI相关的开发。该公司博客宣布，现在仅需165美元即可跨25种物种训练mRNA语言模型。此外，Gradio 在 Hugging Face 后端的支持下，允许创建自定义前端。在模型共享方面的一项重大举措是，safetensors 已加入 PyTorch 基金会。
-
Hugging Face 推出存储桶、语音代理框架和经济高效的 mRNA 模型训练 · 跟踪 3 个来源
Hugging Face 在多个领域推出了新功能和框架。该平台现在提供存储桶（Storage Buckets）用于管理 AI 生成的内容，一个名为 EVA 的新框架，用于与 ServiceNow 合作评估语音代理，以及一种经济高效的方法，可以以仅 165 美元的价格跨 25 个物种训练 mRNA 语言模型。
-
OpenMed 1.8 为本地临床数据去标识化添加了移动和浏览器支持
OpenMed 1.8，一个临床数据去标识化工具包，已发布并支持 Android、iOS 和网页浏览器，可实现完全本地数据处理。此次更新包括一个用于设备端去标识化的移动工具包、一个用于客户端处理的浏览器运行时，以及改进的 PDF 涂抹验证。该项目还提供 1500 多个根据 Apache 2.0 许可提供的模型，其中有几个模型在 PII Masking Benchmark 上排名很高。
-
Hugging Face 强调 AI 在 mRNA 模型、Safetensors 和网络安全方面的进展
Hugging Face 正在强调 AI 领域的几项关键进展。其中一篇文章详细介绍了如何以低至 165 美元的成本跨 25 个物种训练 mRNA 语言模型。另一项公告涵盖了 Safetensors 加入 PyTorch 基金会，这标志着朝着标准化和协作迈进。最后，一篇文章探讨了开放性在 AI 和网络安全未来中的重要性。
-
OpenMed 发布 650+ 个用于设备端 MLX 处理的生物医学 NER 模型
一个名为 OpenMed 的新开源项目发布了 650 多个生物医学命名实体识别 (NER) 和去标识化模型，这些模型可以使用 MLX 在 Apple 设备上高效运行。这些模型采用 Apache 2.0 许可，专为设备端处理而设计，与传统的基于 CPU 的方法相比，速度有了显著提升。例如，一个 4.34 亿参数的临床 NER 模型在 M3 Max 芯片上的运行速度比在 CPU 上使用 PyTorch 快 30-40 倍，同时保持相同的输…
-
Cohere 发布面向开发者的代码模型，指导 Token 优化
Cohere 发布了 North Mini Code，这是一款专为开发者设计的新模型，旨在协助编码任务，并实现高效的本地推理和自托管部署。一篇配套文章详细介绍了在 LLM 与工具表面交互时如何管理产生的“Token 账单”，强调优化工具描述以减少上下文窗口膨胀并提高在消费级硬件上的性能的重要性。此外，仓库 maziyarpanahi/openmed 被重点介绍为一个专注于医疗 AI 的热门开源项目。
-
Safetensors加入PyTorch基金会，使mRNA模型训练成本更低
研究人员开发了一种方法，能够以165美元的成本跨25种物种训练mRNA语言模型。另外，Safetensors格式已加入PyTorch基金会，表明其在机器学习生态系统中的广泛采用和集成。