پژوهش
هوش مصنوعی در مسیر ساختاردهی: CodeAgents جدید و بهبود عملکرد
با معرفی ساختاردهی جدید در CodeAgents، دقت و سرعت اجرای ماژولهای هوش مصنوعی در انجام وظایف بهسرعت پیشرفت میکند. در این مقاله به تحلیل عملکرد و نوآوریها میپردازیم.
پژوهش
هوش مصنوعی در Liger GRPO: تقویت TRL با بهینهسازی حافظه و مقیاسپذیری
در این خبر، Liger GRPO با کاهش مصرف حافظه ۴۰٪ و افزودن امکانات FSDP و PEFT، آموزش RL را برای مدلهای بزرگ بهینه میکند و به تسهیل مقیاسپذیری در چند گپ تبدیل میشود.
پژوهش
هوش مصنوعی در پایتون: ساخت اپلیکیشن کمکد با Tiny Agents
با Tiny Agents، یک عامل هوش مصنوعی فراگیری در پایتون، در حدود 70 خط کد، به سادگی میتوانید قدرت ابزارهای خارجی را در مدلهای زبان بزرگ استخراج کنید.
پژوهش
کوانتایزاسیون Diffusers: هوش مصنوعی را سریعتر و ارزانتر میکند
کـوانتایزاسیون در Diffusers مدلهای Flux را تا 80٪ فشرده میکند و مصرف حافظه را کاهش میدهد، در حالی که کیفیت تصویر تقریباً همانند نسخهٔ بالا باقی میماند.
پژوهش
Falcon‑Edge: مدلهای هوش مصنوعی 1.58bit برای زیرساختهای کوچک و راههای مقیاسپذیری جدید
در این گزارش به معرفی Falcon‑Edge، مجموعهای از مدلهای زبان قدرتمند 1.58bit میپردازیم که بر معماری BitNet بنا شدهاند و در قالب سهنیتی قابل تنظیم و مقیاسپذیر هستند.
پژوهش
Transformers: استانداردسازی مدلهای هوش مصنوعی برای توسعهدهندگان و پژوهشگران
کتابخانه Transformers از Hugging Face، با استانداردسازی تعریف مدلها، یکپارچهسازی در فریمورکهای متعدد و افزودن هر هفته بیش از 3 معماری پشتیبانی شده را ارائه میدهد.
پژوهش
همکاری هوش مصنوعی: اتصال هنجینگ فیس با کگل برای دسترسی سریع به مدلها
کگل و هنجینگ فیس در گام جدیدی پیشقدم شدند؛ با ادغام مستقیم مدلها، دسترسی راحتتر و اجرای سریعتر را برای پژوهشگران داده ارائه میدهند.
پژوهش
هوش مصنوعی در مدلهای دید و زبان: جدیدترین پیشرفتهای Hugging Face
پیشرفتهای اخیر در Vision Language Models توسط Hugging Face، تواناییهای جدیدی در درک تصاویر، متن و ویدئو ایجاد کرده و روند بازفراز Open Source را تسریع میکند.