پژوهش
هوش مصنوعی امن: لیور برد DecodingTrust و چالشهای جدید هوش مصنوعی
در آخرین پژوهش هابِیگنِگ فِیچ، لیور برد DecodingTrust بررسی جامع امنیت مدلهای بزرگ زبان (LLM) را معرفی میکند؛ نیاز به راهکارهای امنیتی برای هوش مصنوعی را برجسته 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 پیشرفته: PEFT با پارامترهای کم برای مدلهای میلیاردی و نرمافزار متنباز
PEFT، روشی نوین در فاینتینینگ مدلهای بزرگ، امکان آموزش با پارامترهای محدود و سختافزار کمسرمایه را میآورد؛ این مقاله به مفاهیم، کاربردها و نکات کلیدی آن میپردازد.
پژوهش
هوش مصنوعی در آموزش Diffusion: روش LoRA برای بهینهسازی ثبات تصویر
فنی ترین روشهای بهینهسازی مدلهای بزرگ هوش مصنوعی، LoRA، به کمک فناوری Stable Diffusion، شفاف و سریعتر امکان آموزش مدلها را فراهم میکند.
پژوهش
هوش مصنوعی: چگونه مدلهای بزرگ زبانی بدون نمونهچین آزمایش شوند
این مقاله به بررسی روشهای بدون نمونهچین (Zero‑Shot) برای ارزیابی مدلهای زبان عظیم در هاب هوش مصنوعی میپردازد و ابزارهای جدید را معرفی میکند.
محصولات
هوش مصنوعی در دسترس: Accelerate مدلهای عظیم را بر روی Colab اجرا میکند
Accelerate ابزارنگاری شده توسط Hugging Face میتواند مدلهای بزرگ زبان را بر روی سختافزار محدود مثل Colab اجرا کند. این راهکار منجر به دموکراتیزهسازی هوش مصنوعی شد.
پژوهش
هوش مصنوعی در بزرگسازی مدل: بهرهبرداری از DeepSpeed و Accelerate
در این مقاله به بررسی نحوه استفاده از کتابخانه Accelerate در درک مدلهای بزرگ با DeepSpeed و جلوگیری از خطای حافظه پرداخته میشود. راهنمایی عملی و نکات کلیدی برای مهندسان هوش مصنوعی!
مدلها
لوئیس تانستال: از فیزیک نظریه تا رهبر در هوش مصنوعی و ترنسفورمر
لوئیس تانستال، متخصص ترنسفورمر، دربارهی مقیاسپذیری مدلهای بزرگ، بهینهسازی تأخیر و نقش او در جامعهی متنباز هوش مصنوعی توضیح به ویژه میدهد.