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: 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.