پژوهش
هوش مصنوعی بدون GPU: چگونگی افزایش کارایی با vLLM هممحور در TRL
این مقاله روش Co‑Located vLLM در TRL را معرفی و نشان میدهد چگونه با استفاده از GPUهای مشترک، کارایی مدلهای LLM را بدون هزینه اضافی به حداکثر میرساند.
کسبوکار
SmolVLA: هوش مصنوعی شیفته چشمانداز-زبان-عمل، مدل کم حجم و قدرتمند
مدل SmolVLA، یک مدل چشمانداز-زبان-عمل کوچک (450M پارامتر) که با دادههای جامعهی Lerobot در هوش مصنوعی روباتیک آموزش دیده و بر روی سختافزار مصرفکننده قابل اجرا است
پژوهش
هوش مصنوعی در پایتون: ساخت اپلیکیشن کمکد با Tiny Agents
با Tiny Agents، یک عامل هوش مصنوعی فراگیری در پایتون، در حدود 70 خط کد، به سادگی میتوانید قدرت ابزارهای خارجی را در مدلهای زبان بزرگ استخراج کنید.
مدلها
هوش مصنوعی Falcon‑H1: مدلهای هوشمند ترکیبی با کارایی بینظیر
ماکزیم چند مدل Falcon‑H1 را معرفی کنید: ترکیبی از معماری هیبریدی ترنسفورمر و مدل فضای حالت، با عملکرد بالا در زبان، کارایی اندیشمندی، و بازتابپذیری در حجم متن بزرگ.
مدلها
هوش مصنوعی عربی: مدل Falcon‑Arabic که استاندارد جدیدی تعریف میکند
مدل Falcon‑Arabic با ۷ میلیارد پارامتر و معماری Falcon 3، استاندارد جدیدی در پردازش زبان عربی میسازد؛ عملکرد بالای آن در توضیح، ریاضیات و گفتوگوی مکالمهگرا بالاتر است.
آموزش
نانوVLM: سادهترین راه برای آموزش مدل دید و زبان با هوش مصنوعی
نانوVLM کتابخانهٔ خالص پایتورچ برای ساخت مدلهای دید‑زبان ساده است، که امکان آموزش در کلاب رایگان و بدون پیچیدگی را فراهم میکند.
پژوهش
Falcon‑Edge: مدلهای هوش مصنوعی 1.58bit برای زیرساختهای کوچک و راههای مقیاسپذیری جدید
در این گزارش به معرفی Falcon‑Edge، مجموعهای از مدلهای زبان قدرتمند 1.58bit میپردازیم که بر معماری BitNet بنا شدهاند و در قالب سهنیتی قابل تنظیم و مقیاسپذیر هستند.