بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۲۸۲ خبر
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. پژوهش جدول رهبری NPHardEval: سنجش توانایی استدلال هوش مصنوعی با مسائل سخت NPHardEval معیاری پویا برای ارزیابی قدرت استدلال مدل‌های زبانی بزرگ است؛ این جدول رهبری با ۹۰۰ مسئله سخت، هر ماه به‌روز می‌شود. اخبار هوش مصنوعی در AWS: عرضه عمومی Text Generation Inference برای Inferentia2 هاگینگ فیس از در دسترس بودن عمومی Text Generation Inference روی AWS Inferentia2 و SageMaker خبر داد؛ راهکاری جدید برای استقرار مدل‌های زبانی بزرگ بدون نیاز به GPU. پژوهش هوش مصنوعی خودتنظیم: معرفی روش قانون‌محور برای هم‌ترازی مدل‌های زبانی باز با Constitutional AI، مدل‌های زبانی باز می‌توانند خودشان را بر اساس اصول تعریف‌شده اصلاح کنند. هاگینگ‌فیس ابزار جدیدی برای تولید داده مصنوعی ارائه کرده است. مدل‌ها هوش مصنوعی در دنیای واقعی: جدول رده‌بندی مدل‌ها برای کاربردهای شرکتی هفتمان مه جدید، جدول رده‌بندی ارزیابی عملکرد مدل‌های زبانی در سناریوهای واقعی شرکتی را از سوی هیوگینگ فیند معرفی کرده؛ بخش‌های مالی، قانون، خدمات مشتری و شناسایی حساسیت را پوشش می‌دهد. پژوهش هوش مصنوعی در سطح بالاتر: لیست‌بندی حاکی از حواس‌پرتی‌ها و راه‌حل‌ها بررسی کامل لیست‌بندی حواس‌پرتی مدل‌های زبان بزرگ در هاجیینگ فیس، راه‌کارها، تأثیرات بر اعتماد‌سازی و چگونگی برقراری استانداردهای شفافیت در هوش مصنوعی 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.