醫療 AI 平台 OpenEvidence 分享了他們如何贏得醫生信任的關鍵。透過與 Vercel 合作,他們構建了一個結合 RAG(檢索增強生成)技術的決策支持系統,能針對醫學提問提供精確且附帶權威文獻引用的解答。Vercel 的高效能前端基礎設施與邊緣渲染技術,確保了醫生在臨床現場能以極低延遲獲取關鍵資訊,解決了醫療 AI 常見的幻覺與速度痛點。
智慧財產權平台 XLSCOUT 在 Hugging Face 專家團隊支援下,推出專為專利與 IP 領域設計的嵌入模型 ParaEmbed 2.0。該模型針對專利文本特有的複雜法律與技術術語進行優化,能顯著提升專利相似度檢索與相關 RAG 應用的精準度。這項合作展示了如何透過領域特定(Domain-specific)的微調,解決通用模型在專業領域表現不佳的痛點。
知名簡報平台 Prezi 為了在產品中導入多模態 AI 功能,與 Hugging Face 展開深度合作。透過利用 Hugging Face Hub 的開源模型生態系,並加入「專家支持計畫(Expert Support Program)」,Prezi 獲得了 HF 頂尖工程師的直接技術指導。這項合作不僅解決了模型微調與推理優化的技術瓶頸,更大幅縮短了其機器學習路線圖的時程,實現高效的多模態功能落地。
生醫 AI 平台 Ryght 宣布與 Hugging Face 專家支援團隊合作。面對醫療領域嚴格的 HIPAA 合規性、複雜的醫學術語與高昂的模型微調成本,Ryght 透過 Hugging Face 的技術指導,優化了開源模型的微調與推理效率。此合作成功讓 Ryght 快速推出專為臨床研究與數據分析設計的安全 AI 助理,大幅降低運算成本並縮短產品上市時間。
本案例研究探討了企業級生成式 AI 平台 Writer 如何與 Hugging Face 深度合作。Writer 透過 Hugging Face 的 Transformers、Accelerate 以及 Text Generation Inference (TGI) 等技術,成功開發並部署了專為企業設計的 Palmyra 系列模型。這不僅大幅降低了模型訓練與推論的成本,更在確保數據隱私與合規性的前提下,為企業客戶提供了高度客製化的 AI 解決方案。
醫療科技公司 Sempre Health 透過加入 Hugging Face 的專家加速計畫(EAP),加速了其機器學習技術的落地。在 Hugging Face 專家的指導下,Sempre Health 成功將先進的 Transformer 模型應用於患者簡訊互動的意圖識別,不僅縮短了模型開發與部署週期,更大幅優化了推理延遲與雲端基礎設施成本,有效提升患者的服藥遵從率。