آموزش سرعت طراحی پروتوتایپ با Canvas در ChatGPT: راهنمای هوش مصنوعی Canvas در ChatGPT به تیم‌های طراحی اجازه می‌دهد مستندات نیازمندی را به پروتوتایپ‌های HTML/React تبدیل کرده، سریع، دقیق و بدون کدنویسی دستی. ۲۴ فروردین ۱۴۰۴ ۲ دقیقه محصولات هاگینگ فیس: جهشی در تحلیل بی‌درنگ عملکرد نقاط پایانی هوش مصنوعی هاگینگ فیس داشبورد تحلیل عملکرد نقاط پایانی استنتاج خود را به‌روزرسانی کرد. اکنون کاربران به معیارهای بی‌درنگ، بارگذاری سریع‌تر داده‌ها و پایش دقیق‌تر برای استقرار بهینه مدل‌های هوش مصنوعی دسترسی دارند. ۱ فروردین ۱۴۰۴ ۳ دقیقه پژوهش MLE-bench: معیاری نوین برای ارزیابی مهندسی یادگیری ماشین در هوش مصنوعی MLE-bench، معیاری نوین از OpenAI برای سنجش عملکرد عامل‌های هوش مصنوعی در مهندسی یادگیری ماشین؛ گامی مهم در بهبود و مقایسه مدل‌های ML. ۱۹ مهر ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی بر روی حافظهٔ محلی: معرفی ggml و کاربردهای آن بررسی جامع فریم‌ورک open-source ggml که برای اجرای مدل‌های ترنسفورمر به صورت on-device طراحی شده و متناسب با دستگاه‌های کم‌منبع است و ابزارهای توسعه ۲۳ مرداد ۱۴۰۳ ۲ دقیقه سخت‌افزار هک‌های هوش مصنوعی: اجرای Mistral 7B بر روی Core ML در WWDC 2024 در صدوی WWDC، اپل امکان اجرای مدل هوش مصنوعی Mistral 7B بر روی Apple Silicon را با Core ML معرفی کرد. این نوآوری دنیای مدل‌های زبانی را به هم می‌کشد. ۱ مرداد ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی با حریم شخصی: اجرای حوسبه‌پوشیده در Hugging Face Endpoints دستگاه‌های پیشرفتهٔ FHE برای اجرای مدلسازی هوش مصنوعی در محیط امن و معکوس‌شدهٔ Hugging Face Endpoints معرفی شدند؛ روند و نکات کلیدی برای توسعه‌دهندگان و پژوهشگران. ۲۸ فروردین ۱۴۰۳ ۲ دقیقه مدل‌ها هوش مصنوعی WebSight؛ تحولی در تبدیل اسکرین‌شات به کد HTML دیتاست WebSight از Hugging Face، مجموعه‌ای بزرگ از تصاویر اسکرین‌شات و کد HTML را برای آموزش مدل‌های هوش مصنوعی فراهم می‌کند تا تبدیل طراحی به کد ساده‌تر شود. ۲۵ اسفند ۱۴۰۲ ۲ دقیقه پژوهش PatchTSMixer: مدل سبک زمانبندی در هوش مصنوعی با MLP‑Mixer PatchTSMixer مدل زمان‌سنجی سبک، مبتنی بر MLP‑Mixer، توسط IBM Research و Hugging Face عرضه شد؛ امکان پیش‌بینی یک‌سویه سریع در دیتاست‌های برق و صنعت. ۲۹ دی ۱۴۰۲ ۲ دقیقه پژوهش انتقال DeepFloyd IF به محیط تولید با BentoML: راهنمای عملی هوش مصنوعی پذیرفتن و استقرار ماژول‌های هوش مصنوعی در فضای واقعی، از چالش‌های پیچیده تا راهکارهای ساده. در این مقاله، می‌گوییم چگونه DeepFloyd IF را در محیط‌های پروک درونی و ابری با BentoML و سرویس­های تولیدی، جای‌نما دهید. ۱۸ مرداد ۱۴۰۲ ۲ دقیقه پژوهش هوش مصنوعی در اپل: Swift Transformers برای اجرای LLMهای بر دستگاه Hugging Face با انتشار Swift Transformers، امکان اجرای LLMهای بزرگ بر روی دستگاه‌های اپل را فراهم می‌کند؛ تبدیل مدل‌های PyTorch به Core ML را ساده می‌سازد. ۱۷ مرداد ۱۴۰۲ ۲ دقیقه