مدل‌ها چالش‌ها و پیشرفت‌های مدل‌های تولید ویدیو آزاد در دیفیوژر: یکی از گام‌های نوین در مقالات اخیر، نکات کلیدی مدل‌های تولید ویدیو آزاد در سامانه دیفیوژر بررسی شد. از درک دشواری‌های ایجاد ویدیو گرفته تا ابهامات حافظه و بهینه‌سازی‌های لازم، این گزارش به‌روزرسانی جامعی درباره پیاده‌سازی، محدودیت‌ها و چشم‌اندازهای آینده ارائه می‌دهد. ۸ بهمن ۱۴۰۳ ۲ دقیقه سخت‌افزار تجسم و درک حافظه GPU در PyTorch ما در مسیر پیشرفت و دموکراتیزه کردن هوش مصنوعی از طریق متن‌باز و علم آزاد هستیم. ۴ دی ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی در تولید متن سریع‌تر: Self‑Speculative Decoding بهبود سریع‌سازی تولید متن با استفاده از Self‑Speculative Decoding، که ترکیبی از تحلیل زودهنگام و بازنگری در لایه‌های LLM است، می‌تواند سرعت و مصرف حافظه را به طور چشمگیری کاهش دهد. ۳۰ آبان ۱۴۰۳ ۲ دقیقه پژوهش بهینه‌سازی دیتاست‌های روباتیک با رمزگذاری ویدئو: هوش مصنوعی بدون پیچیدگی مدیریت دیتاست روباتیک با رمزگذاری ویدئو، هزینه ذخیره‌سازی را تا 95٪ کاهش می‌دهد و سرعت پردازش را ارتقا می‌بخشد؛ این نوآوری در پژوهش‌های هوش مصنوعی راهنمایی استاندارد می‌شود. ۶ شهریور ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی و آزمایش ناکام «Infini‑Attention»؛ چرا هنوز تلاش کنیم؟ استخراج و آزمایش مدل Infini‑Attention نشان داد که فشرده‌سازی حافظه مدل در طول زمینه طولانی باعث کاهش عملکرد می‌شود؛ این مقاله به بررسی دلایل این شکست و نگاهی به راه‌های جایگزین می‌پردازد. ۲۴ مرداد ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی بر روی حافظهٔ محلی: معرفی ggml و کاربردهای آن بررسی جامع فریم‌ورک open-source ggml که برای اجرای مدل‌های ترنسفورمر به صورت on-device طراحی شده و متناسب با دستگاه‌های کم‌منبع است و ابزارهای توسعه ۲۳ مرداد ۱۴۰۳ ۲ دقیقه مدل‌ها کوانتایز دیفیوژن ترنسفورمر با Quanto: کاهش مصرف حافظه در هوش مصنوعی با معرفی ابزارهای Quanto و Diffusers، اجرا کردن مدل‌های سنگین تولید تصویر با هوش مصنوعی بر روی سخت‌افزارهای محدود‌تر بدون افت عملکرد محسوس اکنون امکان‌پذیر است. ۹ مرداد ۱۴۰۳ ۳ دقیقه اخبار هوش مصنوعی Llama 3.1 از Meta به‌روز شد: 405B، 70B و 8B با چندزبانه‌‎یی Meta و Hugging Face با انتشار Llama 3.1 نسخه‌های 8B، 70B و 405B را معرفی کردند؛ این مدل‌های چندزبانه، حافظه بلند و دسترسی از طریق API ارائه می‌دهند. ۲ مرداد ۱۴۰۳ ۲ دقیقه پژوهش تجزیه و تحلیل پروتئین با هوش مصنوعی و پردازش Gaudi 2: تسریع مدل ProtST مدلزبان‌محور ProtST بر پایه Gaudi 2 شرکت Intel با سرعت بالا، مکان زیرسلولی پروتئین‌ها را با دقت بالاتر پیش‌بینی می‌کند و مسیر پژوهش‌های زیست‌فناوری را تسریع می‌دهد. ۱۳ تیر ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی و RLOO: Reinforcement Learning برگردد به RLHF مرحلۀ جدید در آموزش مدل‌های هوش مصنوعی: RLOO، متود Reinforcement Learning که کم‌حافظه‌تر و سریع‌تر از PPO است، برای پژوهشگران RLHF دسترس‌پذیر می‌شود. ۲۳ خرداد ۱۴۰۳ ۲ دقیقه