مدلها
معماری RWKV؛ ترکیب هوش مصنوعی بازگشتی با توانمندی ترنسفورمر
معماری RWKV با ادغام شبکههای بازگشتی (RNN) و ترنسفورمر، راهکاری نوین و کارآمد برای مدلهای زبانی بزرگ ارائه میدهد. در این مقاله به بررسی ویژگیها، کاربردها و آینده آن میپردازیم.
محصولات
هوش مصنوعی در دنیای تصاویر: کنترل بهتر با مدل ControlNet
ControlNet یک چارچوب متن باز برای اضافه کردن کنترل مکانی به مدلهای Diffusion مثل Stable Diffusion است. با استفاده از نقشه عمق، کلید نقطه و سایر ورودیهای فضایی، هنرمندان و توسعهدهندگان میتوانند تصاویر دقیقتر و هدفمندتری ایجاد کنند.
پژوهش
هوش مصنوعی در شبکههای گراف: آشنایی و کاربردهای نوین
در این مقاله به بررسی بنیادی یادگیری ماشین بر روی گرافها میپردازیم؛ شامل تعریف گراف، روشهای پردازش، شبکههای عصبی گراف و ترنسفورمر گراف، و کاربردهای واقعی در علوم و صنعت.
سختافزار
هوش مصنوعی در سرورهای Intel Sapphire Rapids: 2 برابری سرعت یادگیری ماشین
سرورهای جدید Intel Sapphire Rapids با دستورات ویژهی متریس پیشرفته، یادگیری عمیق در PyTorch را دو برابری سرعت میکنند. در این مقاله، به تفصیل بهینهسازیهای IPEX و CCL پرداخته میشود.
پژوهش
هوش مصنوعی با یادگیری تقویتی از بازخورد انسانی: رویکرد جدید شکافزن
مقالهای در شبکه هوش مصنوعی ارائه میدهد که چگونگی ترکیب یادگیری تقویتی با بازخورد انسانی برای بهبود مدلهای زبانی و افزایش شفافیت را نشان میدهد.
آموزش
سفیر دانشجو در Hugging Face: راهنمایی برای هوش مصنوعی و یادگیری ماشین
Hugging Face با برنامه سفیر دانشجو خود فرصت آموزشی، پژوهشی و شبکهسازی را برای جوانان علاقهمند به هوش مصنوعی و یادگیری ماشین فراهم کرده است.
پژوهش
هوش مصنوعی در هلینگ فیس: فلسفه طراحی بدون تکرار و شفافیت
در این مقاله به فلسفه طراحی کتابخانه هوش مصنوعی «Transformers» هلینگ فیس میپردازیم؛ اصول DRY، جامعهمحور بودن و چالشهای کدکپی در مدلهای BERT و دیگر شبکهها را بررسی میکنیم.