بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۵۱ خبر
مدل‌ها یکپارچه‌سازی Hugging Face و KerasHub: گامی مهم برای هوش مصنوعی نویدبخش لینک دیگیر با ادغام جدید Hugging Face و KerasHub، دسترسی به ۳۰۰ هزار مدل زبانی را ساده می‌کند و امکان آموزش و بهینه‌سازی سفارشی مدل در محیط Keras را فراهم می‌آورد. پژوهش اطلاعات بهتر است وقتی با هم ترکیب شود: نگاه و چشم‌انداز هوش مصنوعی به بررسی تاریخی و آینده‌نگرانهٔ ادغام داده در هوش مصنوعی می‌پردازیم؛ چه چالش‌ها و فرصت‌هایی برای پژوهش و توسعه مدل‌های Hugging Face وجود دارد؟ پژوهش DeepSpeed و FSDP: با یکدیگر در پشتیبان هوش مصنوعی Hugging Face دستگاه‌های DeepSpeed و FSDP در Hugging Face به‌صورت متناظر در پردازش داده‌های هوش مصنوعی به کار گرفته می‌شوند؛ مقاله این‌بار تفاوت‌های میان دو معماری و بهینه‌سازی در بحث توان‌مندسازی مدل‌ها را بررسی می‌کند. اخبار هوش مصنوعی در سرورهای AMD Instinct MI300: یک گام بزرگ از سوی Hugging Face Hugging Face با همکاری AMD از پردازنده‌های گرافیکی Instinct MI300 برای اجرای مدل‌های هوش مصنوعی بهره می‌برد. بدون تغییر کد، در محیط‌های محلی یا سرورهای ابری مانند Azure ND MI300x V5 کاملاً عملیاتی است. پژوهش هوش مصنوعی: LangChain و Hugging Face همکاری جدید برای دسترسی سریع‌تر مدل‌ها حمایت از LangChain و Hugging Face با ایجاد بسته‌ی جدید langchain_huggingface، هوش مصنوعی را بی‌درنگ و آسان‌تر برای توسعه‌دهندگان فراهم می‌کند. مدل‌ها ایده‌فیکس۲: مدل هوش مصنوعی چندرسانه‌ای 8B با قابلیت OCR پیشرفته در این خبر از هاجفیس، مدل جدید Idefics2 8B معرفی می‌شود که توانایی‌های چندرسانه‌ای پیشرفته، بهبود OCR و عملکرد برتر در سوال‑پاسخ تصویری را داراست. پژوهش هوش مصنوعی در دست‌نویس SQL: مدل مغز ۷B و API نمایش داده Hugging Face مدل DuckDB‑NSQL‑7B، بر پایه هوش مصنوعی، از طریق API مشاهده مجموعات دادهٔ Hugging Face امکان نوشتن خودکار کوئری‌های SQL را برای توسعه‌دهندگان فراهم می‌کند. مدل‌ها هوش مصنوعی در Mixtral: مدل 8×7B مبتنی بر Mixture of Experts مدل Mixtral با 8 expert در قالب Mixture of Experts، سریع‌تر از 12B و ثمره‌دار 4× نسبت به 7B است؛ در دسترس به‌صورت متن‌باز برای پژوهشگران هوش مصنوعی. پژوهش هوش مصنوعی در قالب‌بندی چت: چالش‌های نه‌خامنزه و راهکارهای Hugging Face قالب‌های گفتگو در Hugging Face از طریق Jinja، مدل‌های زبانی را قادر می‌سازند تا با فرمت نامناسب مواجه نشوند و عملکرد بهینه‌ای ارائه دهند. در این مقاله به چالش‌ها و راه‌حل‌ها می‌پردازیم. پژوهش کشف مزایا و معایب کوانتیزه‌سازی مدل‌های هوش مصنوعی در Transformers متن به بررسی مزایا و معایب دو روش کوانتیزه‌سازی، BitsAndBytes و AutoGPTQ، در کتابخانه Transformers می‌پردازد و راهنمایی برای انتخاب مناسب ارائه می‌دهد.