پژوهش
هوش مصنوعی خودتنظیم: معرفی روش قانونمحور برای همترازی مدلهای زبانی باز
با Constitutional AI، مدلهای زبانی باز میتوانند خودشان را بر اساس اصول تعریفشده اصلاح کنند. هاگینگفیس ابزار جدیدی برای تولید داده مصنوعی ارائه کرده است.
مدلها
هوش مصنوعی در دنیای واقعی: جدول ردهبندی مدلها برای کاربردهای شرکتی
هفتمان مه جدید، جدول ردهبندی ارزیابی عملکرد مدلهای زبانی در سناریوهای واقعی شرکتی را از سوی هیوگینگ فیند معرفی کرده؛ بخشهای مالی، قانون، خدمات مشتری و شناسایی حساسیت را پوشش میدهد.
پژوهش
هوش مصنوعی در پیشرفت با StarCoder: کوانتیزهسازی 8/4 بیت و Speculative
کوانتیزهسازی 8/4 بیت و تکنیک Speculative Decoding در مدل کد نویسی StarCoder باعث افزایش سرعت و کاهش مصرف حافظه میشود، مستقیماً بهرهورتر شدن LLMs در محیطهای نسل جدید.
پژوهش
هوش مصنوعی در سطح بالاتر: لیستبندی حاکی از حواسپرتیها و راهحلها
بررسی کامل لیستبندی حواسپرتی مدلهای زبان بزرگ در هاجیینگ فیس، راهکارها، تأثیرات بر اعتمادسازی و چگونگی برقراری استانداردهای شفافیت در هوش مصنوعی
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.
پژوهش
هوش مصنوعی در دسترس همه: همکاری جدید هیوگینگ فیس و گوگل
همکاری استراتژیک هیوگینگ فیس و گوگل، بهمنظور باز کردن دسترسی و تسهیل ساخت هوش مصنوعی با مدلهای متن باز و زیرساختهای ابری، با هدف آسانی برای توسعهدهندگان یادگیری ماشین.
پژوهش
هوش مصنوعی باز: زبانهای مدل باز به عنوان عاملان هوشمند LangChain
مقاله تازه در زمینه مدلهای زبانی متنباز و تبدیل آنها به عاملان هوشمند LangChain را بررسی میکند؛ با نکات نوآورانه در توسعه و بهرهبرداری!
پژوهش
PatchTSMixer: مدل سبک زمانبندی در هوش مصنوعی با MLP‑Mixer
PatchTSMixer مدل زمانسنجی سبک، مبتنی بر MLP‑Mixer، توسط IBM Research و Hugging Face عرضه شد؛ امکان پیشبینی یکسویه سریع در دیتاستهای برق و صنعت.