پژوهش
هوش مصنوعی و OCR متن‌باز: راهنمای جامع انتخاب مدل برای کسب‌وکارها
مدل‌های OCR متن‌باز جدید‑مان مثل Chandra و OlmOCR-2، قدرت بالایی در پردازش اسناد دارند؛ این مقاله نکات انتخاب و بهره‌برداری را بررسی می‌کند.
محصولات
چگونه NVIDIA NIM سهل‌سازی می‌کند انتشار سریع LLM ها بر روی HuggingFace
به‌روزرسانی جدید NVIDIA NIM در Hugging Face، امکان استقرار سریع 100,000+ مدل LLM را با یک میکروسرویس در یک کانتینر داکر فراهم می‌کند.
پژوهش
کِمینا‑پروور: هوش مصنوعی «Test‑Time RL» در جستجوی اثبات‌های رسمی
مدل برجسته‌ی کِمینا‑پروور با استفاده از جستجوی RL در زمان آزمون، پیشروی‌های جدیدی در حل مسئله‌ی خودکار ریاضیات و منطق معرفی می‌کند. مزایا، روش و کاربردهای آن را بخوانید.
پژوهش
هوش مصنوعی: چگونه پرامپت‌های طولانی صف‌های پیش‌بینی را مسدود می‌کنند
در این مقاله به بررسی چالش‌های پرامپت‌های طولانی در مدل‌های زبان بزرگ و راه‌حل‌های پیشنهادی برای بهبود تأخیر و کارایی پرداخته‌ایم.
پژوهش
هوش مصنوعی در دسترس همه: همکاری NVIDIA و Hugging Face معرفی سرویس خوشه‌سازی آموزش
در روزگارد GTC پاریس، همکاری جدید هگینگ فیس و NVIDIA چرخاندن دسترسی به خوشه‌های گرافیک بالا را برای مراکز پژوهشی فراهم می‌کند. سرویس Training Cluster as a Service امکان آموزش مدل‌های بنیادی در حوزه‌های مختلف را به همه می‌دهد.
پژوهش
هوش مصنوعی در مسیر ساختاردهی: CodeAgents جدید و بهبود عملکرد
با معرفی ساختاردهی جدید در CodeAgents، دقت و سرعت اجرای ماژول‌های هوش مصنوعی در انجام وظایف به‌سرعت پیشرفت می‌کند. در این مقاله به تحلیل عملکرد و نوآوری‌ها می‌پردازیم.
اخبار
شراکت هفینگ فیس و IISc برای تقویت هوش مصنوعی چندزبانه در هند
همکاری هفینگ فیس و IISc، پروژه Vaani را برای جمع‌آوری صدها زبان در هند به‌روز می‌کند، دسترسی آزاد به دیتاست‌های چندزبانه را فراهم می‌آورد و پیشرفت مدل‌های هوش مصنوعی را تسهیل می‌کند.
آموزش
Argilla 2.4: ساخت دیتاست فاین‑تیون و ارزیابی بدون کد در هاب هوش مصنوعی
Argilla نسخهٔ 2.4 ابزار کاربرپسندی است که امکان ساخت و ارزیابی دیتاست‌های یادگیری ماشین بدون نیاز به کدنویسی را در هاب هوش مصنوعی فراهم می‌کند.
پژوهش
هوش مصنوعی در مالی: Open FinLLM Leaderboard با نتایج شگفت‌انگیز
Open FinLLM Leaderboard، یک نمونه از پیشرفت هوش مصنوعی در حوزه مالی، با ارزیابی دقیق مدل‌های یادگیری عمیق بر اساس معیارهای مالی خاص، در دسترس پژوهشگران و صنایع است.
پژوهش
هوش مصنوعی: دیتاست Docmatix، ۲۴۰برابر بزرگتر از DocVQA برای پاسخگویی به سوالات تصویری در مستندات
در حالی که دیتاست DocVQA با ۱۰٬۰۰۰ تصویر کمبود داشت، Hugging Face دیتاستی تحت عنوان Docmatix را معرفی کرد؛ ۲.۴ میلیون تصویر و ۹.۵ میلیون‌پایه‌پاسخ برای پیش‌بینی‌های عکس‑متن در مستندات PDF.