مدلها
هوش مصنوعی در دسترس همه: آموزش LoRA بر روی سختافزار خانگی FLUX.1-dev
دانشنامهٔ هوش مصنوعی: راهنمای گام به گام برای اجرای Fine‑Tuning مدل FLUX.1-dev با LoRA روی سختافزارهای خانگی و گوگل کولاب، بدون نیاز به GPU قدرتمند.
کسبوکار
SmolVLA: هوش مصنوعی شیفته چشمانداز-زبان-عمل، مدل کم حجم و قدرتمند
مدل SmolVLA، یک مدل چشمانداز-زبان-عمل کوچک (450M پارامتر) که با دادههای جامعهی Lerobot در هوش مصنوعی روباتیک آموزش دیده و بر روی سختافزار مصرفکننده قابل اجرا است
پژوهش
هوش مصنوعی در پایتون: ساخت اپلیکیشن کمکد با Tiny Agents
با Tiny Agents، یک عامل هوش مصنوعی فراگیری در پایتون، در حدود 70 خط کد، به سادگی میتوانید قدرت ابزارهای خارجی را در مدلهای زبان بزرگ استخراج کنید.
پژوهش
Falcon‑Edge: مدلهای هوش مصنوعی 1.58bit برای زیرساختهای کوچک و راههای مقیاسپذیری جدید
در این گزارش به معرفی Falcon‑Edge، مجموعهای از مدلهای زبان قدرتمند 1.58bit میپردازیم که بر معماری BitNet بنا شدهاند و در قالب سهنیتی قابل تنظیم و مقیاسپذیر هستند.
پژوهش
هوش مصنوعی در 50 خط: Tiny Agents و بالاتر بردن قابلیت MCP
Tiny Agents، یک عامل ۵۰ خطی که با پروتکل MCP قدرت فراخوانی ابزارهای LLM را بهصورت متن باز و سبک در دنیای هوش مصنوعی ارائه میدهد.
پژوهش
بهینهسازی صف درخواست در هوش مصنوعی: سروری هوشمند برای بارگذاری موازی مدلها
در این مقاله به چالشهای همزمانسازی دسترسی به مدلهای بزرگ زبان پرداخته و راهکارهای صفبندی عادلانه، مانع از بلوک شدن کاربران قدرتمند و بهینهسازی مصرف GPU میشود برای بهبود کارایی و بهرهوری شبکههای هوش مصنوعی.
پژوهش
آموزش و بهینهسازی مدلهای بازرتبهبندی با هوش مصنوعی سنتنس ترنسفورمرز
با کتابخانه قدرتمند Sentence Transformers، نحوه آموزش و تنظیم دقیق مدلهای بازرتبهبندی (Reranker) را بیاموزید. این تکنیک کلیدی، جستجو و تولید متن در هوش مصنوعی را متحول میکند و به بهبود دقت و کارایی سیستمهای هوشمند کمک میکند.