مدلها
پیشبینی سریهای زمانی چندمتغیره با مدل Informer: هوش مصنوعی در خدمت تحلیل دادهها
مدل Informer با توجه مخصوص ProbSparse توانسته در پیشبینی سریهای زمانی چندمتغیره، دقت بالایی ارائه کند و بهوسیله استفاد از داکیومنتهای 🤗 Transformers، توسعه آن سادهتر شد.
پژوهش
هوش مصنوعی: آموزش فاینتیونینگ 20B مدل با RLHF روی کارت گرافیک 24GB
در این مقاله، به بررسی آموزش فاینتیونینگ 20B مدل زبانی با یادگیری تقویتی (RLHF) روی کارت گرافیک 24GB پرداختهایم و نکات کلیدی را در راهحلهای متنباز پوشش میدهیم.
محصولات
هوش مصنوعی در دنیای تصاویر: کنترل بهتر با مدل ControlNet
ControlNet یک چارچوب متن باز برای اضافه کردن کنترل مکانی به مدلهای Diffusion مثل Stable Diffusion است. با استفاده از نقشه عمق، کلید نقطه و سایر ورودیهای فضایی، هنرمندان و توسعهدهندگان میتوانند تصاویر دقیقتر و هدفمندتری ایجاد کنند.
پژوهش
هوش مصنوعی در امد و فریاد: یادگیری ماشینی در کمک به بازماندگان زلزله
در این مقاله، پژوهشگران با استفاده از یادگیری ماشین و هوش مصنوعی، اپلیکیشن سریع برای یافتن بازماندگان زلزله در ترکیه توسعه دادند، تیمهای امداد و داوطلبان را فعال کردند.
پژوهش
هوش مصنوعی در مسیر اخلاقی: راهنمای هفت اصول کتابخانه Diffusers
پیشآگهی کدههای متن اخلاقی برای کتابخانه Diffusers از Hugging Face و نگاهی بر نقش مسئولیتپذیری در انتشار مدلهای گسیله (Diffusion).
محصولات
Diffusers: هوش مصنوعی سریع در مک با Core ML و دیشفرههای برتر
Swift Diffusers برای مک، نسخهی اصلی اپلیکیشن متن به تصویر است، که با تبدیل مدلهای صد در صد به Core ML عملکرد فوقالعادهای ارائه میدهد، و به صورت متنباز در دسترس است.
پژوهش
Red‑Teaming مدلهای زبان بزرگ: چگونه هوش مصنوعی را امن و اخلاقی کنیم؟
در این مقاله به بررسی روشهای Red‑Teaming مدلهای زبان بزرگ میپردازیم؛ رویکردهای کنترل خروجی، چالشهای امنیتی و راهکارهای پیشگیری از سوءاستفاده.