بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۳۶۳ خبر
پژوهش آموزش ناهمزمان GRPO با LoRA؛ گامی نو در هوش مصنوعی متن‌باز TRL v1.14 با پشتیبانی LoRA در AsyncGRPOTrainer، آموزش و استنتاج را از هم جدا می‌کند. مقاله به بررسی معماری سه‌لایه و استفاده از Storage Buckets می‌پردازد. اخبار انویدیا Hugging Face را تصاحب کرد؛ گامی بزرگ برای هوش مصنوعی انویدیا با پرداخت ۱۲.۹ میلیارد دلار، پلتفرم Hugging Face را تصاحب کرد تا دسترسی توسعه‌دهندگان به هوش مصنوعی را گسترش دهد. اخبار ۲۰۰+ کرنل WebGPU هوش مصنوعی برای اجرای محلی از Hugging Face هاگینگ فیس کتابخانه @huggingface/kernels را با بیش از ۲۰۰ کرنل بهینه WebGPU معرفی کرد تا استنتاج هوش مصنوعی در مرورگر سریع‌تر و ساده‌تر شود. اخبار حوادث امنیتی در Hugging Face: درس‌هایی برای هوش مصنوعی OpenAI یافته‌های خود را درباره حادثه امنیتی Hugging Face و اقداماتش برای تقویت امنیت، نظارت و همسویی مدل‌های هوش مصنوعی منتشر کرد. پژوهش آیا نمره هوش مصنوعی در تشخیص گفتار واقعاً معتبر است؟ بمباران داده‌های هوش مصنوعی باعث بهینه‌سازی غیراصولی مدل‌ها در بنچمارک‌های تشخیص گفتار شده است. در این مطلب بررسی می‌کنیم که چرا نمرات بنچمارک‌ها ممکن است گمراه‌کننده باشند. پژوهش هوش مصنوعی Papers with Code: قدرتمندتر از پیش با ابزارهای Hugging Face بازسازی پلتفرم Papers with Code با تکیه بر Inference Endpoints، Jobs و Buckets هات‌فیس؛ جستجوی معنایی، سرعت و دقت بالاتر برای پژوهشگران هوش مصنوعی. مدل‌ها هوش مصنوعی: ۳ برابر سریع‌تر با مدل LFM2.5-DSpark Liquid AI Liquid AI مدل LFM2.5-DSpark را منتشر کرد که تا ۳.۲ برابر اجرای سریع‌تر هوش مصنوعی را بدون کاهش کیفیت ارائه می‌دهد. مدل‌ها افزایش ۳۳ درصدی بهره‌وری GPU با هوش مصنوعی: نوبت‌دهی، کلید موفقیت تحقیق Dharma-AI نشان می‌دهد با تخصیص‌دهنده هوشمند، بهره‌وری GPU تا ۳۳ درصد در یک-cluster افزایش می‌یابد. بررسی راهکارهای جدید هوش مصنوعی برای مدیریت منابع. محصولات حلقه داده‌های زنده هوش مصنوعی: ضبط، آموزش و استقرار ربات‌ها در یکجا با همکاری آمازون و Hugging Face، حلقه داده‌های زنده‌ای برای ربات‌ها ساخته شده که ضبط، آموزش و استقرار را در یک مکان انجام می‌دهد. پژوهش هوش مصنوعی کم‌هزینه: الگوریتم جدید IBM با کمتر از ACE هوش مصنوعی پیشرفته IBM در وبلاگ هما؛ روشی نوین برای کاهش مصرف توکن در مدل‌های هوش مصنوعی با یادگیری از تجربیات گذشته.