پژوهش
هوش مصنوعی در عمل: Advantage Actor Critic (A2C) و کاربردهایش
مزیت A2C در هوش مصنوعی: یادگیری تقویتی با کاهش واریانس، بهبود عملکرد رباتیک در PyBullet، آموزش عملی، بهینه‌سازی مدل و کاهش هزینه اجرا و بازدهی بیشتر.
پژوهش
هوش مصنوعی در مواجهه با قانون غودهارت: چگونگی اندازه‌گیری مؤثر
قانون غودهارت در هوش مصنوعی… وقتی معیار هدف می‌شود، به همان سرعت به معیار ناکارآمد تبدیل می‌شود. OpenAI چگونه با این چالش مقابله می‌کند؟
مدل‌ها
لوئیس تانستال: از فیزیک نظریه تا رهبر در هوش مصنوعی و ترنسفورمر
لوئیس تانستال، متخصص ترنسفورمر، درباره‌ی مقیاس‌پذیری مدل‌های بزرگ، بهینه‌سازی تأخیر و نقش او در جامعه‌ی متن‌باز هوش مصنوعی توضیح به ویژه می‌دهد.
مدل‌ها
هوش مصنوعی و مدل‌های زبانی بزرگ: آیا لیور کوپر جدیدی را قیاس می‌کنیم؟
با معرفی مدل Megatron‑Turing NLG 530B، دنیای هوش مصنوعی به دستگیری دوچندان برای ساخت مدل‌های زبان بزرگ دست می‌یابد؛ اما پرسش چیست؟ آیا این روند واقعی رشد است یا فقط فکر آرایه پارامترها؟ و چشم‌انداز آینده پژوهش
مدل‌ها
افزایش ۱۰ درصدی سرعت مدل‌های TensorFlow در ترنسفورمرز هوگینگ فیس
هوگینگ فیس با بهینه‌سازی مدل BERT در کتابخانه ترنسفورمرز، عملکرد TensorFlow Serving را تا ۱۰ درصد نسبت به پیاده‌سازی رسمی گوگل بهبود بخشید و سرعت را نسبت به نسخه قبلی دو برابر کرد.
مدل‌ها
بهینه‌سازی مدل‌های زبانی با ماتریس‌های اسپارس بلوکی در هوش مصنوعی
آشنایی با pytorch_block_sparse، ابزار جدید Hugging Face برای کاهش حجم و افزایش سرعت مدل‌های زبانی با بهره‌گیری از ماتریس‌های اسپارس بلوکی.
پژوهش
انقلاب در هوش مصنوعی: شبکه‌های عصبی خلوت با تنظیم‌گر L₀
اوپن‌ای‌آی با روشی نوین به شبکه‌های عصبی خلوت دست یافته است. این تکنیک با استفاده از تنظیم‌گر L₀، مدل‌هایی با پارامترهای کمتر و کارایی بالاتر می‌سازد. کشف این راهکار، گام مهمی در بهینه‌سازی مدل‌های هوش مصنوعی محسوب می‌شود.