بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۲۹ خبر
پژوهش هوش مصنوعی در تحلیل ویدیوهای طولانی: TimeScope و چالش‌های آن TimeScope، بنچمارکی متن‌باز برای سنجش توانایی مدل‌های هوش مصنوعی در درک ویدیوهای طولانی تا 8 ساعت با چالش‌های متعدد و کاهش هزینه‌های پردازش. پژوهش کِمینا‑پروور: هوش مصنوعی «Test‑Time RL» در جستجوی اثبات‌های رسمی مدل برجسته‌ی کِمینا‑پروور با استفاده از جستجوی RL در زمان آزمون، پیشروی‌های جدیدی در حل مسئله‌ی خودکار ریاضیات و منطق معرفی می‌کند. مزایا، روش و کاربردهای آن را بخوانید. محصولات هوش مصنوعی در ۴۵ روز: Genspark تولید $36M ARR با no‑code و GPT‑4.1 Genspark با Agent‌های No-Code، GPT‑4.1 و Realtime API در ۴۵ روز محصول AI با درآمد $36M ساخت. این مقاله روند توسعه، بازاریابی و نکات کلیدی موفقیت را بررسی می‌کند. پژوهش پیشرفت‌های هوش مصنوعی: مدل o1 و ابزارهای جدید برای توسعه‌دهندگان OpenAI با معرفی مدل جدید o1، بهبودهای Realtime API و روش جدید تنظیم دقیق، امکانات گسترده‌ای را برای توسعه‌دهندگان فراهم کرد. اخبار OpenAI و TIME: همکاری هوش مصنوعی را با ۱۰۱ سال محتوا تقویت می‌کند OpenAI همکاری خود را با شبکهٔ معتبر خبری TIME آغاز کرده و با دسترسی در دسترس به ۱۰۱ سال پوشش خبری، پاسخ‌های هوش مصنوعی را بهینه می‌کند و لینک به مقالات زمان را فراهم می‌کند. پژوهش سرعت‌گذاری پیشرفته SD Turbo و SDXL Turbo با ONNX Runtime و Olive معرفی به‌روزرسانی‌های سرعت‌سازی مدل‌های SD Turbo و SDXL Turbo با ONNX Runtime و Olive، اجازه می‌دهد تا تصاویر گرافیکی در کمتر از یک گام، در محیط‌های C# و Java ایجاد شوند. پژوهش همینگ فیس و ONNX Runtime: ۱۳۰,۰۰۰ مدل هوش مصنوعی را دو برنده می‌کنیم در این مقاله به بررسی راهکار ONNX Runtime می‌پردازیم که از طریق آن می‌توان بیش از ۱۳۰،۰۰۰ مدلّی Hugging Face را بهینه‌سازی و سرعت بخشی کرد. این نوآوری، گام مهمی در ارائهٔ دسترسی به هوش مصنوعی در سطح جهان است. پژوهش سرعت آموزش مدل‌های هوش مصنوعی ۳۵% سریعتر با Optimum+ONNX Runtime حکیمی‌ترین مدل‌های هوش مصنوعی با تمهیدات Optimum و ONNX Runtime، در مدت زمان کمتر از قبل به دقت و سرعت بیشتری آموزش می‌یابند. ایده‌های جدید در این حوزه در آینده نزدیک چالش‌های بزرگی را حل می‌کنند. پژوهش هوش مصنوعی سریع‌تر؛ Optimum و Pipelineهای Transformers با ONNX در این مقاله، بررسی می‌شود چطور با Optimum و ONNX Runtime می‌توان اجرای مدل‌های Transformer را تسریع کرد؛ تبدیل، بهینه‌سازی، فشرده‌سازی و بررسی عملکرد.