پژوهش
هوش مصنوعی در تحلیل ویدیوهای طولانی: TimeScope و چالشهای آن
TimeScope، بنچمارکی متنباز برای سنجش توانایی مدلهای هوش مصنوعی در درک ویدیوهای طولانی تا 8 ساعت با چالشهای متعدد و کاهش هزینههای پردازش.
محصولات
چگونه NVIDIA NIM سهلسازی میکند انتشار سریع LLM ها بر روی HuggingFace
بهروزرسانی جدید NVIDIA NIM در Hugging Face، امکان استقرار سریع 100,000+ مدل LLM را با یک میکروسرویس در یک کانتینر داکر فراهم میکند.
پژوهش
هوش مصنوعی در چالش سلول مجازی: پیشبینی اثرات ژنسایلنس در سلولها
چالش سلول مجازی (Arc Virtual Cell Challenge) با هدف پیشبینی تأثیر خاموشی ژنها در سلولهای مستند، مدلهای هوش مصنوعی را برای پژوهشگران زیستی و مهندسان ماشین یادگیری معرفی میکند.
پژوهش
هوش مصنوعی و پیشبینی آینده: چالشها و فرصتهای پژوهشی در سال ۲۰۲۵
در این مطلب پژوهش جدید هوش مصنوعی در پیشبینی آینده، چالشهای روششناختی و فرصتهای نوآورانه را بررسی میکند. از منابع اوپنسورس تا عملکرد مدلهای نسل بعد.
پژوهش
هوش مصنوعی در ریاضیات: Kimina-Prover و جستجوی RL در زمان اجرا
Kimina-Prover، یک الگوریتم هوش مصنوعی مبتنی بر جستجوی RL در زمان اجرا، میتواند مدلهای بزرگ یادگیری رسمی را بهینه کند و خطاهای ریاضی را اصلاح نماید.
مدلها
هوش مصنوعی و گریدیو MCP: گام جدید برای ارتقاء مدلهای زبان - تبدیل مدلهای زبانی
با گریدیو MCP Servers، مدلهای زبانی خود را به راحتی با ابزارهای پیشرفته مانند پردازش تصویر، مرور وب و مدیریت ایمیلها تجهیز کنید؛ روشهای ساده، امن و مقیاسپذیر در قالب سرویسهای ابری.
پژوهش
همکاری بازگشایی: سفارشیسازی کرنلهای AMD MI300 برای هوش مصنوعی
از بهروزترین راهکارهای در زمینهٔ بهینهسازی پردازش مدلهای هوش مصنوعی، ساخت کرنلهای سفارشی برای گرافیکهای AMD MI300 به عنوان یک گام اساسی در در دسترس قرار دادن قدرت تحلیل داده در مقیاس جهانی مطرح میشود.