بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۱۳۵ خبر
پژوهش پیشرفت‌های هوش مصنوعی: مدل o1 و ابزارهای جدید برای توسعه‌دهندگان OpenAI با معرفی مدل جدید o1، بهبودهای Realtime API و روش جدید تنظیم دقیق، امکانات گسترده‌ای را برای توسعه‌دهندگان فراهم کرد. پژوهش سرمایه‌گذاری در عملکرد: تنظیم دقیق مدل‌های کوچک با بینش‌های LLM ما در مسیر پیشرفت و دموکراتیزه کردن هوش مصنوعی از طریق متن‌باز و علم آزاد هستیم. پژوهش نقشه‌های هوشمندتر با GPT‑4o: بهینه‌سازی چشم‌پوشی در تعبیه داده‌ها OpenAI با مدل GPT‑4o Vision و تنظیم دقیق، نقش چشم‌پوشی تفصیلی در نقشه‌سازی را بازتعریف کرده و امکان ایجاد نقشه‌های هوشمند، دقیق و فهم‌پذیرتر را فراهم می‌کند. مدل‌ها معرفی چشم‌انداز به API تنظیم دقیق توسعه‌دهندگان اکنون می‌توانند GPT-4o را با تصاویر و متن تنظیم کنند تا قابلیت‌های بینایی را بهبود بخشند کسب‌وکار تنظیم دقیق GPT‑4o: راهکارهای کلیدی برای کسب‌وکارهای هوش مصنوعی در وبینار جدید OpenAI، نحوه تنظیم دقیق مدل GPT‑4o برای بهینه‌سازی عملکرد در سناریوهای کسب‌وکار و فرآیند ساخت راهنماهای سفارشی بررسی شد. پژوهش ساخت چت‌بات هوش مصنوعی Argilla 2.0: از distilabel تا پیاده‌سازی واقعی در این مقاله به نحوه تولید داده‌ی مصنوعی، تنظیم دقیق مدل تعبیه‌های تخصصی، و راه‌اندازی چت‌بات Argilla 2.0 می‌پردازیم؛ از distilabel تا نهایی‌سازی با Gradio. مدل‌ها هوش مصنوعی: کشف حافظه کوانتیزه برای تولید متن طولانی در مدل‌های بزرگ کاهش مصرف حافظه در تولید متن طولانی با کوانتیزه کردن KV Cache، راه‌حلی قابل تنظیم برای مدل‌های بزرگ – معیارهای عملکرد و کیفیت بدون کاهش قابل توجهی در خروجی. اخبار آموزش مدل‌های هوش مصنوعی با H100 در سرویس جدید Hugging Face با سرویس Train on DGX Cloud، سازمان‌ها می‌توانند مدل‌های محبوب مانند Llama و Mistral را با GPUهای H100 در چند کلیک روی هاب Hugging Face تنظیم دقیق کنند. پژوهش آموزش تنظیم دقیق مدل‌های جما با هوش مصنوعی در Hugging Face در این مقاله، روش تنظیم دقیق کارآمد پارامتر (PEFT) مدل‌های جما را با کتابخانه‌های Hugging Face روی GPU و TPU می‌آموزیم؛ راهکاری نوین برای سفارشی‌سازی هوش مصنوعی. پژوهش استفاده از داده مصنوعی؛ کاهش هزینه، زمان و کربن در پروژه‌های هوش مصنوعی در این مقاله از بلاگ هگینگ فیس می‌خوانیم که چگونه تولید داده مصنوعی با مدل‌های زبانی متن‌باز، هزینه، زمان و انتشار کربن را در پروژه‌های هوش مصنوعی کاهش می‌دهد.