پژوهش
لیست برداری هوش مصنوعی: ورود LLMهای ژاپنی به هافینگ فیس
این مقاله لیستبرداری Open Japanese LLM در هافینگ فیس را معرفی کرده؛ از ۲۰+ مجموعه داده و چالشهای ژاپنی در کنار ابزارهای پیادهسازی را جمعآوری کردهاند.
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.
اخبار
Judge Arena: پلتفرم Hugging Face برای مقایسه مدلهای زبانی در نقش داور
هَگینگفیس پلتفرم Judge Arena را معرفی کرد؛ ابزاری متنباز برای مقایسه و رتبهبندی مدلهای زبانی در نقش قاضی، با روش رأیگیری جمعی و میزبانی ردهبندی زنده.
پژوهش
سرعتبخشی مدلهای LLM با Universal Assisted Generation: راهحل هوش مصنوعی
این نوآوری از Intel Labs و Hugging Face امکان میدهد سرعت پیشبینی مدلهای قدرتمند را با کمک یک مدل کوچک به ۱.۵-۲ برابر افزایش داده و هزینهها را کاهش دهد.
پژوهش
هوش مصنوعی به عنوان داور در اپ RAG: راهکار Green برای کشاورزان کوچک
در این مقاله، نحوه استفاده از مدلهای بزرگی به عنوان داور در یک پلتفرم RAG برای ارتقاء دسترسی به اطلاعات دقیق و سریع به کشاورزان کوچک بررسی میشود.
محصولات
Outlines-core 0.1.0: هوش مصنوعی در Rust و Python تولید خروجی ساختار یافته
تولید متنهای ساختار یافته با Outlines-core نسخه 0.1.0، پشتیبانی از Rust و Python، سرعت، ایمنی و قابلیت تعمیم بالا برای مدلهای زبانی بزرگ.
سختافزار
AMD EPYC نسل پنجم: دو برابر سرعت LLM و شتاب AI با Zen5
AMD نسل پنجم EPYC را به بازار معرفی کرد؛ با معماری Zen5 و حداکثر 192 هسته، سرعت اجرای مدلهای زبانی دو برابر میشود و شتاب AI در سرورها افزایش مییابد.
پژوهش
هوش مصنوعی در مالی: Open FinLLM Leaderboard با نتایج شگفتانگیز
Open FinLLM Leaderboard، یک نمونه از پیشرفت هوش مصنوعی در حوزه مالی، با ارزیابی دقیق مدلهای یادگیری عمیق بر اساس معیارهای مالی خاص، در دسترس پژوهشگران و صنایع است.
پژوهش
هوش مصنوعی در زبان چک: BenCzechMark و آزمون دقیق مدلهای LLM
بنچکمارک اولین مجموعه ارزیابی جامع برای مدلهای بزرگ زبان (LLM) در زبان چک را معرفی میکند. با ۵۰ کار و ۹ حوزه، عملکرد زبانپردازی را اینچنین بررسی میکند.