FUTO Swipe : Les modèles de saisie par glissement open source atteignent la précision des grandes technologies
FUTO a publié FUTO Swipe, une famille de modèles et d'algorithmes de saisie par glissement open source, accompagnée d'une bibliothèque d'inférence. Ces modèles alimentent le FUTO Keyboard hors ligne pour Android, mais peuvent être utilisés indépendamment sous la licence FUTO Model License.
Architecture et benchmarks
FUTO Swipe utilise trois types de modèles :
- Encodeur (635 140 paramètres) – indépendant de la disposition et de la langue, prédicteur universel.
- ContextLM (1 498 472 paramètres au total, 1,1 M d'embeddings) – petit modèle de langue entraîné par langue pour filtrer les mots non pertinents en fonction du contexte. Nécessite uniquement des données textuelles.
- Décodeur (304 155 paramètres) – spécifique à la langue et à la disposition. Actuellement, seul QWERTY anglais entraîné sur des données réelles de glissement.
Combinés (1 364 271 actifs / 2 494 767 paramètres totaux), les modèles atteignent un taux d'échec top-4 d'environ 4 % sur l'ensemble de test. En excluant les mots hors vocabulaire, le taux d'erreur est inférieur à 1 %. Cela correspond aux claviers des grandes entreprises technologiques, selon FUTO. Les benchmarks dépendent de l'ensemble de données, mais l'article est à venir.
Ensemble de données
FUTO a publié un ensemble de données de 1 million de glissements QWERTY anglais réels sous licence MIT, collectés auprès d'utilisateurs volontaires sur swipe.futo.org. Disponible sur HuggingFace.
Bibliothèque d'inférence
La bibliothèque swipe-library (C++, GPL) gère l'inférence, le décodage et la recherche par faisceau contrainte par dictionnaire. Avec une largeur de faisceau de 300, elle convertit les chemins de glissement en candidats de mots classés. La bibliothèque s'exécute sur l'appareil en millisecondes, même sur les appareils bas de gamme.
Comment l'utiliser
- Installez FUTO Keyboard v0.1.29 depuis futo.org pour une expérience prête à l'emploi avec la saisie par glissement hors ligne.
- Téléchargez les modèles depuis HuggingFace et intégrez-les via
swipe-library. - Attribution requise selon la licence FUTO Model License.
FUTO travaille sur un article détaillant l'entraînement et l'architecture. L'ensemble de données et les modèles sont disponibles dès maintenant pour que les développeurs puissent les utiliser.
📖 Lire la source complète : HN AI Agents
👀 See Also
Mímir : Un système de mémoire Python basé sur 21 mécanismes de neurosciences
Mímir est un système de mémoire Python pour agents IA qui implémente 21 mécanismes de sciences cognitives comme la mémoire flash et l'oubli induit par la récupération. Il utilise un index hybride BM25 + sémantique + date et montre des améliorations de référence, notamment une précision d'outil 13% supérieure sur Mem2ActBench par rapport à VividnessMem.
Hypura : Planificateur d'inférence LLM optimisé pour les niveaux de stockage des puces Apple Silicon
Hypura est un planificateur d'inférence basé sur Rust qui répartit les tenseurs du modèle entre les niveaux GPU, RAM et NVMe pour exécuter des modèles dépassant la mémoire physique sur les Mac à puce Apple Silicon. Il permet d'exécuter un Mixtral 8x7B de 31 Go sur un Mac Mini 32 Go à 2,2 tok/s et un Llama 70B de 40 Go à 0,3 tok/s là où llama.cpp standard plante.
PocketBot : Un pilote automatique IA local pour iOS utilisant les intentions d'application et l'inférence sur appareil
PocketBot est une application iOS qui exécute un modèle Llama 3B quantifié localement sur le Neural Engine de l'iPhone via Metal, en utilisant les frameworks AppIntents et CoreLocation d'Apple pour créer des automatisations pilotées par événements sans transmission de données vers le cloud.
quorum : l'outil de gouvernance du code IA impose un examen indépendant des modèles
quorum est une couche de gouvernance pour le développement assisté par IA qui applique un protocole de consensus exigeant que le code soit examiné indépendamment par un modèle différent avant validation. Il comprend trois barrières structurelles qui bloquent la progression : les barrières d'audit, de rétrospective et de qualité.