پژوهش PipelineRL از سرویس‌نوا: هوش مصنوعی در یادگیری تقویتی نوآورانه PipelineRL با به‌روز‌رسانی وزن‌های در حین آموزش و معماری ماژولار، عملکردی مشابه Open-Reasoner-Zero را به‌دنبال دارد.کد منبع در Hugging Face موجود است. ۶ اردیبهشت ۱۴۰۴ ۲ دقیقه پژوهش هوش مصنوعی چندرسانه‌ای: Visual Salamandra و گام تازه‌ای در درک تصاویر دنبال کردن لبه‌های هوش مصنوعی چندرسانه‌ای، مدلی جدید به نام Visual Salamandra معرفی شد؛ با 7 میلیارد پارامتر، انطباق تصویر‑متن را در فهم عمیق تصاویر و ویدئوها بهبود می‌بخشد. ۲۲ فروردین ۱۴۰۴ ۲ دقیقه پژوهش نوآوری SigLIP 2: موتور چندزبانه دیده‑متن برای هوش مصنوعی پیشرفته SigLIP 2؛ جدیدترین موتور چندزبانه دیده‑متن؛ بهبود یافته با اهداف یادگیری تازه، تاکنون برکرد SigLIP 1 را در دسته‌بندی صفر‑شی، retrieval و انتقال نمایه‌ها پشت سر گذاشته است. ۳ اسفند ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی در ثبت اختراع: XLSCOUT ارائه کرد ParaEmbed 2.0 با ۲۳٪ افزایش دقت XLSCOUT با همکاری Hugging Face معرفی ‌ParaEmbed 2.0، مدل پیشرفته‌ای برای استخراج و هم‌راستا‌سازی متون ثبت اختراع، با دقت ۲۳٪ بالاتر. این پیشرفت به عنوان گام مهمی در دیجیتالی‌سازی مالکیت فکری مطرح می‌شود. ۵ تیر ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی: بهبود مدل‌های زبانی با روش‌های بهینه‌سازی ترجیحات مستقیم در آخرین پژوهش از هاگ‌فیس، روش‌های بهینه‌سازی ترجیحات مستقیم می‌توانند مدل‌های زبانی را بدون استفاده از یادگیری تقویتی همگرا کنند. نتایج نشان می‌دهد IPO مشابه DPO و بهتر از KTO است. ۲۸ دی ۱۴۰۲ ۲ دقیقه پژوهش IDEFICS: مدل هوش مصنوعی تصویری متن‌باز با 80 میلیارد پارامتر IDEFICS یک مدل هوش مصنوعی تصویری متن‌باز است که بر پایه Flamingo، LLaMA و OpenCLIP ساخته شده و با 9 و 80 میلیارد پارامتر، امکان ترکیب متن و تصویر را به تمامی افراد می‌دهد. ۳۱ مرداد ۱۴۰۲ ۲ دقیقه پژوهش آژانگ‌های هوش مصنوعی را با JavaScript در Hugging Face به کار ببرید نسخه جدید کتابخانه Agents.js را معرفی می‌کنیم؛ راهی نوین برای کنترل مدل‌های زبانی بزرگ با استفاده از JavaScript و دسترسی به ابزارهای متنوع، چه در مرورگر و چه در سرور. مبحثی جذاب برای توسعه‌دهندگان و پژوهشگران هوش مصنوعی. ۲ مرداد ۱۴۰۲ ۲ دقیقه محصولات Stripe با GPT‑4: تجربه کاربر بهتر و جلوگیری از تقلب – هوش مصنوعی Stripe از قدرت GPT‑4 بهره می‌برد تا تجربه کاربر را ساده‌تر کند و روش‌های پیشرفته‌ای برای شناسایی و جلوگیری از تقلب‌های آنلاین ارائه دهد. ۲۳ اسفند ۱۴۰۱ ۲ دقیقه پژوهش BLIP‑2: هوش مصنوعی بدون آموزش برای تبدیل تصویر به متن در یک گام BLIP‑2 یک مدل هوش مصنوعی مؤثر برای تولید متن از تصویر است. بدون نیاز به آموزش خاص، این مدل در زمینه کپشن‌سازی، پرسش‑جواب تصویری و جستجوی چندرسانه‌ای به‌صورت Zero‑shot کار می‌کند. ۲۶ بهمن ۱۴۰۱ ۲ دقیقه پژوهش چطور مدل‌های هوش مصنوعی بین تصاویر و متن تفسیر می‌کنند؟ در این مقاله به جایگاه بالای مدل‌های هوش مصنوعی چشمی-زبان می‌پردازیم، استراتژی‌های یادگیری، پیشرفت‌های اخیر و چشم‌اندازهای پژوهشی آن‌ها را بررسی می‌کنیم. ۱۴ بهمن ۱۴۰۱ ۲ دقیقه