بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۱۶۰۴ خبر
پژوهش معیار SWE-bench Verified: ارزیابی دقیق هوش مصنوعی برای مشکلات واقعی نرم‌افزار OpenAI با معرفی سازماندهی SWE-bench Verified، یک زیرمجموعه ارزیابی مجاز از ابزارهای هوش مصنوعی برای حل مشکلات واقعی نرم‌افزار ارائه می‌دهد. پژوهش هوش مصنوعی بر روی حافظهٔ محلی: معرفی ggml و کاربردهای آن بررسی جامع فریم‌ورک open-source ggml که برای اجرای مدل‌های ترنسفورمر به صورت on-device طراحی شده و متناسب با دستگاه‌های کم‌منبع است و ابزارهای توسعه پژوهش هوش مصنوعی در دسترس: فراخوانی ابزارها با API یکنواخت در وب‌سایت‌های متن‌باز کد یکپارچه فراخوانی ابزار توسط مدل‌های هوش مصنوعی مختلف از جمله Mistral و Llama را در پیاده‌سازی چت‌ها بدون نیاز به تغییرات خاص نشان می‌دهد؛ راهنمای کامل در Hugging Face. پژوهش هوش مصنوعی با مدل Falcon Mamba: نخستین 7B بدون دقت متن کامل مدلی نوآورانه و بدون دقت (attention‑free) با 7 میلیارد پارامتر، Falcon Mamba را که توسط تیم نوآوری تکنولوژی در ابوظبی پردازش کرده‌ایم، در همین هفته معرفی می‌کنیم و کاربردهای آن را بررسی می‌کنیم. پژوهش نکات برجسته امنیتی ۲۰۲۴ ما در مسیر پیشرفت و دموکراتیزه کردن هوش مصنوعی از طریق متن‌باز و علم آزاد هستیم. پژوهش گوگل Gemma 2 2B، ShieldGemma و Gemma Scope را منتشر کرد ما در مسیر پیشرفت و دموکراتیزه کردن هوش مصنوعی از طریق متن‌باز و علم آزاد هستیم. پژوهش LAVE: ارزیابی VQA بدون محدودیت زمانی روی Docmatix با LLMها ما در مسیر پیشرفت و دموکراتیزه کردن هوش مصنوعی از طریق متن‌باز و علم آزاد هستیم. پژوهش هوش مصنوعی ایمن‌تر: روش نوین پاداش‌های مبتنی بر قواعد در OpenAI شرکت OpenAI روش جدیدی به نام پاداش‌های مبتنی بر قواعد را معرفی کرد تا رفتار ایمن مدل‌های زبانی را بدون نیاز به داده‌های انسانی گسترده بهبود بخشد. پژوهش هوش مصنوعی: دیتاست Docmatix، ۲۴۰‌برابر بزرگتر از DocVQA برای پاسخگویی به سوالات تصویری در مستندات در حالی که دیتاست DocVQA با ۱۰٬۰۰۰ تصویر کمبود داشت، Hugging Face دیتاستی تحت عنوان Docmatix را معرفی کرد؛ ۲.۴ میلیون تصویر و ۹.۵ میلیون‌پایه‌پاسخ برای پیش‌بینی‌های عکس‑متن در مستندات PDF. پژوهش هوش مصنوعی: بازی‌های Prover‑Verifier جانبه‌سازی خروجی مدل‌ها را بهبود می‌بخشد بازی‌های Prover‑Verifier با استفاده از تکنیک‌های جدید، امکان قابل‌دقت و شفاف‌سازی خروجی مدل‌های زبانی را فراهم کرده و اعتماد به‌همه‌چیز را برای انسان‌ها و ماشین‌ها افزایش می‌دهد.