بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۱۱۱ خبر
اخبار باز کردن R1: به‌روزرسانی شماره ۳ یک پست وبلاگ از Open R1 در مورد Hugging Face اخبار هوش مصنوعی OpenAI با مدل اسپک جدید شفاف‌تر و قابل کنترل‌تر شد OpenAI مشخصات مدل خود را به‌روزرسانی کرد؛ اصولی برای رفتار ایمن، قابل تنظیم و شفاف مدل‌های هوش مصنوعی که مسیر توسعه را هموار می‌سازد. مدل‌ها پروژه بازسازی هوش مصنوعی R1: دیتاست جدید OpenR1-Math-220k پروژه متن‌باز Open R1 در به‌روزرسانی دوم، دیتاست بزرگ OpenR1-Math-220k را منتشر کرد تا بازسازی کامل مدل DeepSeek R1 و پایپ‌لاین آموزش آن را ممکن سازد. مدل‌ها چالش‌ها و پیشرفت‌های مدل‌های تولید ویدیو آزاد در دیفیوژر: یکی از گام‌های نوین در مقالات اخیر، نکات کلیدی مدل‌های تولید ویدیو آزاد در سامانه دیفیوژر بررسی شد. از درک دشواری‌های ایجاد ویدیو گرفته تا ابهامات حافظه و بهینه‌سازی‌های لازم، این گزارش به‌روزرسانی جامعی درباره پیاده‌سازی، محدودیت‌ها و چشم‌اندازهای آینده ارائه می‌دهد. مدل‌ها افزایش توانایی هوش مصنوعی smolagents با پشتیبانی از مدل‌های بینایی با به‌روزرسانی جدید smolagents، مدل‌های زبانی بینایی به عوامل هوش مصنوعی اضافه شدند و مرور وب کاملاً خودمختار ممکن شد. پژوهش اصلاح خطای همپوشانی گراداینت در هوش مصنوعی Hugging Face مشکل همپوشانی گراداینت در کتابخانه‌ی Transformers را برطرف می‌کند تا آموزش مدل‌های زبانی با پدیداردهی پایدارتر و دقیق‌تر همراه شود. این به‌روزرسانی، دقت محاسباتی را بهبود می‌بخشد. سیاست و قانون بررسی امنیتی Gradio 5: تضمین امنیت اپلیکیشن‌های هوش مصنوعی به‌روزرسانی مهم Gradio 5! بررسی امنیتی توسط Trail of Bits نشان داده‌است که مشکلاتی در تأمین امنیت رابط‌های دموهای هوش مصنوعی وجود دارد. در ادامه جزئیات را بررسی می‌کنیم. محصولات هوش مصنوعی جدید OpenAI: مدل چندرسانه‌ای GPT‑4o برای مدیریت محتوا مورد بحث خبر جدید به‌روزرسانی API مدریت محتوا توسط OpenAI، مدل چندرسانه‌ای GPT‑4o که با دقت بالای تشخیص متن و تصویر مخرب، سیستم‌هایی امن‌تر و دقیق‌تر فراهم می‌کند. اخبار به‌روزرسانی در مورد شیوه‌های ایمنی و امنیتی ما به‌روزرسانی در مورد شیوه‌های ایمنی و امنیتی ما پژوهش هوش مصنوعی در Hugging Face: افزایش سرعت آموزش تا ۲ برابر با Flash Attention 2 Hugging Face با به‌روزرسانی Flash Attention 2، امکان آموزش مدل‌های هوش مصنوعی را تا دو برابر سرعت می‌دهد. با پیک‌کردن نمونه‌ها بدون پر کردن و بهره‌گیری از DataCollatorWithFlattening، کارایی در حین حفظ کیفیت همواری به حداکثر می‌رسد.