پژوهش
آموزش و تنظیم دقیق مدلهای جاسازی چند برداری با تبدیلکنندههای جمله
ما در مسیر پیشرفت و دموکراتیزه کردن هوش مصنوعی از طریق متنباز و علم آزاد هستیم.
پژوهش
آیا LoRA بهترین روش تنظیم دقیق هوش مصنوعی است؟
در این مقاله بررسی میکنیم که آیا روش محبوب LoRA واقعاً بهترین گزینه برای تنظیم دقیق کارآمد پارامتری مدلهاست و چه ابزارهایی در این مسیر کمک میکنند.
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.
اخبار
رونمایی گاما ۴؛ هوش مصنوعی چندوجهی و متنباز گوگل دیپمایند
خانواده مدلهای جدید گاما ۴ با قابلیتهای چندوجهی، مجوز Apache 2 و پشتیبانی از ابزارهای محبوب روی Hugging Face منتشر شد. هوش مصنوعی متنباز برای همه.
پژوهش
هوش مصنوعی در GPT-OSS: کشف آموزش RL عاملانه و کاربردهای عملی
مقاله فوری درباره استفاده از RL عاملانه در GPT-OSS، مشکلات و راهحلهای میدانی از تنظیم دقیق و همگامسازی MoE با FlashAttentionV3.
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.
پژوهش
نحوه استقرار و تنظیم دقیق مدلهای DeepSeek در AWS
ما در مسیر پیشرفت و دموکراتیزه کردن هوش مصنوعی از طریق متنباز و علم آزاد هستیم.
مدلها
یکپارچگی انقلابی Timm و Transformers: گامی نوین در هوش مصنوعی بینایی ماشین
یکپارچگی جدید کتابخانههای Timm و Hugging Face Transformers، بهرهوری مدلهای بینایی ماشین را افزایش میدهد. از استنتاج سریع تا تنظیم دقیق آسانتر، این همکاری دنیای AI را متحول میکند.