بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۹۷ خبر
پژوهش هوش مصنوعی می‌شود سریع‌تر: پارکت CDC کپی‌پذیری داده‌ای را کاهش می‌دهد با معرفی Content‑Defined Chunking (CDC) در فایل‌های Parquet، سرعت بارگذاری و دانلود در Hugging Face Hub چشم‌گیر کاهش می‌یابد؛ این فناوری در PyArrow و Pandas فعال می‌شود و صرفه‌جویی عظیمی در مصرف داده ایجاد می‌کند. پژوهش هوش مصنوعی: راه‌حلی پیشرفته برای پردازش داده‌های چندرسانه‌ای برای آموزش و تولید متن در این مطلب به معرفی پنج مرحلهٔ بهینه برای ساخت پایپ‌لاین داده چندرسانه‌ای در Hugging Face می‌پردازیم و تاثیر آن بر کاهش مصرف GPU و هزینه را بررسی می‌کنیم. سیاست و قانون چگونه به درخواست‌های نیویورک تایمز برای دسترسی به داده‌ها به منظور محافظت از حریم خصوصی کاربران پاسخ می‌دهیم؟ شرکت OpenAI به درخواست نیویورک تایمز و شاکیان، در حال مبارزه با حکم دادگاه است که شامل نگهداری نامحدود داده‌های کاربران ChatGPT و API مصرف‌کنندگان می‌شود. بیا 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 Liger GRPO: تقویت TRL با بهینه‌سازی حافظه و مقیاس‌پذیری در این خبر، Liger GRPO با کاهش مصرف حافظه ۴۰٪ و افزودن امکانات FSDP و PEFT، آموزش RL را برای مدل‌های بزرگ بهینه می‌کند و به تسهیل مقیاس‌پذیری در چند گپ تبدیل می‌شود. پژوهش کوانتایزاسیون Diffusers: هوش مصنوعی را سریع‌تر و ارزان‌تر می‌کند کـوانتایزاسیون در Diffusers مدل‌های Flux را تا 80٪ فشرده می‌کند و مصرف حافظه را کاهش می‌دهد، در حالی که کیفیت تصویر تقریباً همانند نسخهٔ بالا باقی می‌ماند. پژوهش هوش مصنوعی و Prefill - راهکارهای بهینه‌سازی پردازش موازی در LLM در این گزارش به بررسی استراتژی‌های Prefill و Decode برای پردازش موازی در مدل‌های زبانی بزرگ می‌پردازیم، تمرکز بر بهینه‌سازی تاخیر، Throughput و مصرف GPU. پژوهش بهینه‌سازی صف درخواست در هوش مصنوعی: سروری هوشمند برای بارگذاری موازی مدل‌ها در این مقاله به چالش‌های همزمان‌سازی دسترسی به مدل‌های بزرگ زبان پرداخته و راهکارهای صف‌بندی عادلانه، مانع از بلوک شدن کاربران قدرت‌مند و بهینه‌سازی مصرف GPU می‌شود برای بهبود کارایی و بهره‌وری شبکه‌های هوش مصنوعی. مدل‌ها هوش مصنوعی با Remote VAE ها: تسهیل پردازش تصویر با اِندپوینت خارج از سازمان Hugging Face با Remote VAE، پردازش دیسک‑کدینگ تصاویر و ویدیوها را با مصرف حافظه کمتر و سرعت بالاتر با استفاده از Endpoints ارائه می‌کند. مدل‌ها SmolVLM2: هوش مصنوعی درک ویدیو برای هر دستگاه SmolVLM2 هوش مصنوعی جدیدی از Hugging Face است که با مدل‌های کم‌حجم و مصرف پایین، درک ویدیو را در دستگاه‌های همه‌کاره و محدود منابع قابل اجرا می‌کند و امکان استفاده آسان از هوش مصنوعی برای تجزیه و تحلیل ویدیو فراهم می‌آورد.