مدل‌ها چگونه GPT‑J ۶ میلیارد پارامتر را بر روی ساجمارک خودکار به‌کارگیری کنید GPT‑J ۶ میلیارد پارامتر را با استفاده از کتابخانه Transformers و پلتفرم Amazon SageMaker به‌صورت سریع و مقیاس‌پذیر بر روی سرورهای خود در دسترس می‌آوریم. راهنمای گام‌به‌گام و نکات کلیدی را بررسی می‌کنیم. ۲۱ دی ۱۴۰۰ ۲ دقیقه پژوهش هوش مصنوعی در یادگیری فعال: کاربرد AutoNLP و Prodigy برای بهبود مدل‌ها پیش‌تردارین یادگیری فعال در هوش مصنوعی، با ترکیب AutoNLP هشدار گرفت. این راهنما نشان می‌دهد چگونه پارامترهای خود را با Prodigy ساده و سریع بهینه کنید. باز ۲ دی ۱۴۰۰ ۲ دقیقه کسب‌وکار همکاری نوین گرافیو و هوش مصنوعی: بررسی ادغام و تأثیر بر جامعه AI ادغام گرافیو با هاجفِیس، گامی بزرگ برای دسترسی آسان‌تر به ابزارهای ساخت و استقرار مدل‌های هوش مصنوعی، و تقویت جامعه متن‌باز AI برای پژوهشگران. ۳۰ آذر ۱۴۰۰ ۲ دقیقه پژوهش WebGPT: هوش مصنوعی با مرورگر دقیق‌تر و پاسخ‌های حقیقی OpenAI با WebGPT یک مدل هوش مصنوعی با مرورگر دسترسی به وب را معرفی کرد؛ مدل به‌منظور ارتقای دقت پاسخ‌های تعاملی طراحی شد. ۲۵ آذر ۱۴۰۰ ۲ دقیقه پژوهش Perceiver IO: هوش مصنوعی چندرشته‌ای که تمام مدیال‌ها را پوشش می‌دهد پرسِیور ای او، مدل هوش مصنوعی چندرشته‌ای پیشرفته، توانایی تحلیل متن، تصویر، صدا و ویدئو را در یک چارچوب یکپارچه به‌وجود می‌آورد و دسترسی آزاد به آن فراهم می‌کند. ۲۴ آذر ۱۴۰۰ ۲ دقیقه مدل‌ها هوش مصنوعی: با یک فرمان، GPT‑3 را برای برنامه‌تان سفارشی کنید در این مقاله به بررسی امکان هدایت مدل GPT‑3 با یک فرمان ساده می‌پردازیم و نحوه فاین‌تیون مخصوص برنامه‌های خود را توضیح می‌کنیم. درها را باز می‌کند. ۲۳ آذر ۱۴۰۰ ۲ دقیقه پژوهش آموزش مدل GPT-2 خودساخته CodeParrot برای کد نویسی هوش مصنوعی در این مقاله به آموزش مرحله به مرحله ساخت مدل GPT‑2 به نام CodeParrot می‌پردازیم؛ از جمع‌آوری ۱۸۰ گیگابایت کد پایتون تا آموزش و ارزیابی نهایی، ویژگی‌ها و نکات کلیدی این پروژهٔ هوش مصنوعی را توضیح می‌دهد. ۱۷ آذر ۱۴۰۰ ۲ دقیقه پژوهش جنگ برف‌کیک: اولین محیط ML‑Agents برای یادگیری تقویتی در Unity Hugging Face محیطی در Unity تحت نام Snowball Fight را معرفی کرده که با استفاده از ML‑Agents، امکان آزمایش مدل‌های یادگیری تقویتی در یک بازی ساده است. ۱۱ آذر ۱۴۰۰ ۲ دقیقه آموزش تجربهٔ هوش مصنوعی با Optimum و IPU Graphcore – راهنمای شروع برای مبتدیان مقاله حاضر، گام‌های اصلی جهت اجرای مدل‌های Transformer بر روی IPU Graphcore با Optimum را توضیح می‌دهد، تا سرعت پیش‌بینی و کارایی هوش مصنوعی را بهینه کنیم. ۹ آذر ۱۴۰۰ ۲ دقیقه پژوهش سرعت‌دادن فرآیند تنظیم دقیق PyTorch با فناوری‌های آیندل در هوش مصنوعی به‌خاطر استفاده از سرورهای آیندل و کتابخانه‌های کارایی، فرآیند آموزش مدل‌های PyTorch می‌تواند با طولانی‌ترین زمان‌های یادگیری، به سرعت قابل بهبود برسد ۲۸ آبان ۱۴۰۰ ۲ دقیقه