پژوهش
هوش مصنوعی : چگونه Wav2Vec2 با n‑gram در چارچوب Transformers بهبود می‌یابد
معرفی روش بهبود مدل Wav2Vec2 از طریق ادغام n‑gram در چارچوب 🤗 Transformers، نکات کلیدی، چالش‌ها و نتایج آزمایشی، و راه‌های پیاده‌سازی در پروژه‌های واقعی.
مدل‌ها
افزایش ۱۰ درصدی سرعت مدل‌های TensorFlow در ترنسفورمرز هوگینگ فیس
هوگینگ فیس با بهینه‌سازی مدل BERT در کتابخانه ترنسفورمرز، عملکرد TensorFlow Serving را تا ۱۰ درصد نسبت به پیاده‌سازی رسمی گوگل بهبود بخشید و سرعت را نسبت به نسخه قبلی دو برابر کرد.
آموزش
تولید متن با هوش مصنوعی: بررسی روش‌های Decoding در مدل‌های زبانی
در این مقاله از وبلاگ هوما، روش‌های مختلف تولید متن با مدل‌های زبانی مانند جستجوی حریصانه، beam search، sampling و top-p را بررسی می‌کنیم و نحوه پیاده‌سازی آن‌ها را با کتابخانه transformers یاد می‌گیریم.
پژوهش
هوش مصنوعی: FFJORD ارائه می‌کند مدل‌های تولیدی قابل بازگشت و مقیاس‌پذیر
مقدمه‌ای بر مدل FFJORD، ساختاری هوش مصنوعی برای تولید داده با داینامیک زمان مستمر؛ چالش‌های پیاده‌سازی و کاربردهای نوین در علم داده و یادگیری ماشین.
مدل‌ها
مبانی OpenAI: ACKTR و A2C
ما دو پیاده‌سازی جدید از OpenAI Baselines را منتشر می‌کنیم: ACKTR و A2C. A2C یک نوع همزمان و قطعی از Asynchronous Advantage Actor Critic (A3C) است که به نظر م
پژوهش
OpenAI Baselines: DQN و سه نسخه‌ی جدید در زمینهٔ هوش مصنوعی
OpenAI کتابخانهٔ Baselines را به‌صورت کد باز رونویسی کرده و الگوریتم DQN همراه با سه نسخه پیشرفته را معرفی می‌کند. با جزئیات پیاده‌سازی و نکات کاربردی را بیابید.