مدلها
مقدمه عملی: آموزش مبتنی بر Transformer برای تصمیمگیری در هوش مصنوعی
در این مطلب بهصورت گام به گام با نحوهٔ آموزش اولین مدل Decision Transformer در محیط گوگل کولاب آشنا میشویم و چگونگی استفاده از آن در مسائل تصمیمگیری را بررسی میکنیم.
پژوهش
هوش مصنوعی و یادگیری تقویتی: DQN برای بازی Space Invaders در Hugging Face
در این مطلب، بهدست آوردن بازی مبدل پرش در Space Invaders با استفاده از الگوریتم Deep Q‑Learning (DQN) پرداخته شده و نحوه پیادهسازی در Hugging Face توضیح داده میشود.
پژوهش
هوش مصنوعی چندتایی: چارتر اخلاقی پیشگام در پژوهش و توسعه
Hugging Face با ایجاد چارتر اخلاقی در حوزه هوش مصنوعی چندتایی، اصول اخلاقی را در هستهٔ چرخهٔ پژوهش قرار داده و با شفافیت، عدالت، مسئولیت و احترام به حریم خصوصی، ابتکاراتی برای پیشبازی خطرات فنی و اجتماعی ارائه میکند.
پژوهش
جنگ برفکیک: اولین محیط ML‑Agents برای یادگیری تقویتی در Unity
Hugging Face محیطی در Unity تحت نام Snowball Fight را معرفی کرده که با استفاده از ML‑Agents، امکان آزمایش مدلهای یادگیری تقویتی در یک بازی ساده است.
مدلها
هوش مصنوعی با RAG و Ray: افزایش سرعت بازیابی متن تا ۲ برابر
با ترکیب RAG و Ray، سرعت بازیابی اسناد در مدلهای زبانی هوش مصنوعی تا ۲ برابر افزایش یافته و مقیاسپذیری تنظیم دقیق توزیعشده نیز بهطور چشمگیری بهبود مییابد.