بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۲۷ خبر
پژوهش هوش مصنوعی و DPO؛ راهکاری نوین برای مهار چرخه‌های تکراری در مدل‌های OCR پژوهشگران Dharma-AI در مقاله جدیدی نشان می‌دهند که با Direct Preference Optimization و جفت‌های رد شده از خروجی‌های نامطلوب خود مدل، نرخ تخریب متن در مدل‌های OCR کاهش می‌یابد. محصولات اجرای سه‌مرحله‌ای مدل VLM با OpenVINO بر روی پردازنده‌های Intel برای کسب‌وکارهای کوچک Hugging Face با بهره‌گیری از OpenVINO و Optimum Intel، راهنمای ساده‌ای در سه گام برای راه‌اندازی مدل‌های Vision‑Language بر روی پردازنده‌های Intel ارائه داد؛ در این راهنما به کاهش نیاز به منابع، بهینه‌سازی مدل و اجرای در محیط‌های محلی پرداخته شد. پژوهش بهینه‌سازی مدل‌های جاسازی گسسته با Sentence Transformers در هوش مصنوعی در این مطلب به جزئیات آموزش و بهینه‌سازی مدل‌های جاسازی گسسته با Sentence Transformers می‌پردازیم و روش‌های عملی برای بهبود عملکرد را بررسی می‌کنیم. محصولات هوش مصنوعی: هاب کرنل هرفیگ، راه‌حل سریع بهینه‌سازی مدل‌های یادگیری در این مقاله به بررسی هاب کرنل هرفیگ می‌پردازیم؛ ابزار جدیدی برای دانلود و اجرای کرنل‌های محاسباتی بهینه بر روی GPU، که عملکرد مدل‌های هوش مصنوعی را در چند دقیقه بهبود می‌دهد. پژوهش آموزش و بهینه‌سازی مدل‌های بازرتبه‌بندی با هوش مصنوعی سنتنس ترنسفورمرز با کتابخانه قدرتمند Sentence Transformers، نحوه آموزش و تنظیم دقیق مدل‌های بازرتبه‌بندی (Reranker) را بیاموزید. این تکنیک کلیدی، جستجو و تولید متن در هوش مصنوعی را متحول می‌کند و به بهبود دقت و کارایی سیستم‌های هوشمند کمک می‌کند. محصولات هاگینگ فیس: جهشی در تحلیل بی‌درنگ عملکرد نقاط پایانی هوش مصنوعی هاگینگ فیس داشبورد تحلیل عملکرد نقاط پایانی استنتاج خود را به‌روزرسانی کرد. اکنون کاربران به معیارهای بی‌درنگ، بارگذاری سریع‌تر داده‌ها و پایش دقیق‌تر برای استقرار بهینه مدل‌های هوش مصنوعی دسترسی دارند. پژوهش هوش مصنوعی: مسیر نوآوری در کدگذاری موقعیتی ترنسفورمری در این مقاله به بررسی جادهٔ نوآوری در کدگذاری موقعیتی برای ترنسفورمری می‌پردازیم و نشان می‌دهیم چگونه روشی نوین به نام RoPE بهینه‌سازی مدل‌های زبانی پیشرفته را امکان‌پذیر می‌کند مدل‌ها بهینه‌سازی و استقرار مدل‌های هوش مصنوعی با OpenVINO و Optimum-Intel محبوب‌ترین روش برای استقرار مدل‌های ترنسفورمر در لبه (Edge) با استفاده از ابزارهای Optimum-Intel و OpenVINO GenAI را که بهره‌وری را افزایش می‌دهد، بررسی می‌کنیم. پژوهش کوانتیزیشن افراطی هوش مصنوعی: بهینه‌سازی مدل‌های زبانی به ۱.۵۸ بیت تیم Hugging Face با ارائه فاین‌تیونینگ مدل‌های زبانی در ۱.۵۸ بیت، روشی جدید برای کاهش شدید مصرف منابع و افزایش کارایی هوش مصنوعی در مقیاس گسترده معرفی کرد. پژوهش کمتر شدن هزینه و افزایش سرعت بازیابی داده‌ها با کوانتیزه‌سازی هوش مصنوعی Hugging Face روش‌های کوانتیزه‌سازی باینری و اسکالر را برای کاهش به‌مراتب مصرف حافظه و افزایش سرعت بازیابی مدل‌های ادغام در ۴۱ میلیون سند ویکی‌پدیا معرفی کرد. این فناوری دموکراتیزاسیون هوش مصنوعی را تسهیل می‌کند.