اخبار
گوگل کلود و Hugging Face: هزاران مدل زبان باز در Vertex AI نمایان میشوند
گوگل کلود و Hugging Face همکار شد که هزاران مدل زبانی باز را در Vertex AI و GKE عرضه کنند؛ برای توسعهدهندگان تولید اپلیکیشنهای هوش مصنوعی، بدون مدیریت سرور، مناسب است.
اخبار
عرصه هوش مصنوعی: تست استرسزا و بررسی نقص امنیت دریبهای گفتگو
اچاف و لایتهاوز با راهاندازی عرصه جدید، پایداری محافظتهای حریم خصوصی مدلهای زبانی بزرگ را در برابر تلاشهای تسریب دادههای حساس آزمایش میکنند.
پژوهش
GaLore: آموزش مدلهای زبانی بزرگ روی سختافزار مصرفی با هوش مصنوعی
تکنیک نوین GaLore با کاهش شدید مصرف حافظه در حالتهای بهینهساز، امکان آموزش مدلهای زبانی چند miljard پارامتری را روی کارتهای گرافیک معمولی و ارزانیتر برای پژوهشگران فراهم میکند.
پژوهش
رهبر جدید ارزیابی هوش مصنوعی کرهای با شفافیت کامل معرفی شد
پروژه Open Ko-LLM با همکاری آپ استیج و هافینگ فیس، اکوسیستم ارزیابی مدلهای زبانی کرهای را متحول کرد؛ رقابت منصفانه و شفافیت در این رهبر تضمین شده است.
پژوهش
هوش مصنوعی خودتنظیم: معرفی روش قانونمحور برای همترازی مدلهای زبانی باز
با Constitutional AI، مدلهای زبانی باز میتوانند خودشان را بر اساس اصول تعریفشده اصلاح کنند. هاگینگفیس ابزار جدیدی برای تولید داده مصنوعی ارائه کرده است.
پژوهش
هوش مصنوعی در پیشرفت با StarCoder: کوانتیزهسازی 8/4 بیت و Speculative
کوانتیزهسازی 8/4 بیت و تکنیک Speculative Decoding در مدل کد نویسی StarCoder باعث افزایش سرعت و کاهش مصرف حافظه میشود، مستقیماً بهرهورتر شدن LLMs در محیطهای نسل جدید.
پژوهش
هوش مصنوعی در سطح بالاتر: لیستبندی حاکی از حواسپرتیها و راهحلها
بررسی کامل لیستبندی حواسپرتی مدلهای زبان بزرگ در هاجیینگ فیس، راهکارها، تأثیرات بر اعتمادسازی و چگونگی برقراری استانداردهای شفافیت در هوش مصنوعی
پژوهش
هوش مصنوعی امن: لیور برد DecodingTrust و چالشهای جدید هوش مصنوعی
در آخرین پژوهش هابِیگنِگ فِیچ، لیور برد DecodingTrust بررسی جامع امنیت مدلهای بزرگ زبان (LLM) را معرفی میکند؛ نیاز به راهکارهای امنیتی برای هوش مصنوعی را برجسته میکند.
پژوهش
ساخت لیدربورڈ هوش مصنوعی: گام به گام با Vectara و HHEM
راهنمای جامع نصب لیدربورڈ هوش مصنوعی در هاجینگ فیس با Vectara و امکان ارزیابی دقیق لسههای هالوژن در مدلهای LLM و مدلهای تجاری در مجتمع آموزشی.
پژوهش
نحوه دو بار سریعتر کردن آموزش مدلهای LLM با Unsloth و 🤗 TRL در دنیای هوش مصنوعی
Unsloth، کتابخانهٔ سبکوزن همراه با 🤗 TRL، عکسالعمل دو مراتبهٔ سریعتر آموزش LLM را با کاهش مصرف حافظهٔ ۴۰٪ و بدون افت دقت ارائه میدهد؛ برای علاقهمندان به هوش مصنوعی بخوبی عمل میکند.