پژوهش
هوش مصنوعی باز: زبانهای مدل باز به عنوان عاملان هوشمند LangChain
مقاله تازه در زمینه مدلهای زبانی متنباز و تبدیل آنها به عاملان هوشمند LangChain را بررسی میکند؛ با نکات نوآورانه در توسعه و بهرهبرداری!
پژوهش
هوش مصنوعی: بهبود مدلهای زبانی با روشهای بهینهسازی ترجیحات مستقیم
در آخرین پژوهش از هاگفیس، روشهای بهینهسازی ترجیحات مستقیم میتوانند مدلهای زبانی را بدون استفاده از یادگیری تقویتی همگرا کنند. نتایج نشان میدهد IPO مشابه DPO و بهتر از KTO است.
پژوهش
هوش مصنوعی باز: چرا سال ۲۰۲۳ سال انقلابی در LLMها بود بهصورت کامل
در سال ۲۰۲۳، دنیای مدلهای زبانی بزرگ (LLM) بهدنبال بیسابقهای فرو رفت؛ بازسازی کود، داده، و همکاریهای جامعه باعث فروپاشی موانع دسترسی و پیشرفت سریع در هوش مصنوعی شد.
مدلها
هوش مصنوعی و Mixture of Experts: چگونگی تغییر پردازش زبان
Mixture of Experts (MoE) به عنوانفرایندهای ترکیبی پیشرفته، با کاهش مصرف حافظه و افزایش سرعت، آیندهٔ مدلهای زبانی را شکل میدهد. مقایسه با مدلهای چگال، چالشها، نواحی استفاده و راهکارهای بهینهسازی را بررسی میکنیم.
سختافزار
AMD و 🤗: تسریع LLMها بهصورت Out-of-the-Box با کارت گرافیک AMD
خبر جدید اینستیتوت هوش مصنوعی 🤗 و AMD، امکان اجرای سریع مدلهای زبانی بر کارتهای گرافیک MI300 را بدون نیاز به تغییر در کد، فراهم میکند.
محصولات
هوش مصنوعی با شخصیسازی: ساخت همکار کدنویسی Personal Copilot
با همکار کدنویسی شخصیسازی شده، توسعهدهندگان میتوانند از مدلهای هوش مصنوعی پیشرفته بهرهبرند، فرآیند کدنویسی را سفارشی سازی کنند و بهصورت در VS Code بهینه شوند.
پژوهش
هوش مصنوعی در خدمت دنیای دادهها: انتشار مدلهای ایمبدینگ در Hugging Face
پست جدید هوش مصنوعی در Hugging Face با توضیح گام به گام جهت استقرار مدلهای ایمبدینگ، سرعت پردازش بالاتر و استفاده در تجزیه و تحلیل دادههای متنی و تصویری با مقایسه عملکرد و نکات عملکردی.
پژوهش
هوش مصنوعی در قالببندی چت: چالشهای نهخامنزه و راهکارهای Hugging Face
قالبهای گفتگو در Hugging Face از طریق Jinja، مدلهای زبانی را قادر میسازند تا با فرمت نامناسب مواجه نشوند و عملکرد بهینهای ارائه دهند. در این مقاله به چالشها و راهحلها میپردازیم.