بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۲۴ خبر
مدل‌ها LFM3: مدل چندوجهی جدید Liquid AI برای ساخت مدل‌های تخصصی ال‌اف‌ام ۳ جدیدترین مدل چندوجهی شرکت Liquid AI است که به توسعه‌دهندگان امکان ساخت مدل‌های تخصصی مبتنی بر هوش مصنوعی را با انعطاف بیشتر می‌دهد. پژوهش هوش مصنوعی AudioX: تبدیل متن و ویدیو به صدا و موسیقی با دقت بی‌سابقه پژوهشگران هوش مصنوعی AudioX را معرفی کردند که می‌تواند از متن، ویدیو و سیگنال صوتی، صدا و موسیقی واقعی تولید کند با دقت و انسجام بالا مدل‌ها iFLYTEK نسل جدید مدل‌های هوش مصنوعی Spark X2 6 را عرضه کرد iFLYTEK مدل‌های هوش مصنوعی Spark X2 6 را با قابلیت پردازش ابری-دستگاهی و چندوجهی عرضه کرد. این فناوری تأخیر را کاهش داده و حریم خصوصی را افزایش می‌دهد. پژوهش به Muse Spark Open خوش آمدید: مدل ترکیبی چندوجهی مرزی با وزن باز از Meta ما در مسیر پیشرفت و دموکراتیزه کردن هوش مصنوعی از طریق متن‌باز و علم آزاد هستیم. مدل‌ها گوگل از EmbeddingGemma 2 رونمایی کرد؛ تحول در هوش مصنوعی چندوجهی آفلاین گوگل از مدل ۷۴۰ میلیون پارامتری EmbeddingGemma 2 رونمایی کرد؛ امکانی برای جستجوی معنایی چندوجهی متن، تصویر، ویدیو و صوت به‌صورت کاملاً آفلاین. مدل‌ها رونمایی از Mistral Large 4؛ هوش مصنوعی یک تریلیون پارامتری اروپا میسترال از مدل یک تریلیون پارامتری Mistral Large 4 رونمایی کرد؛ مدلی چندوجهی که با مصرف بهینه منابع، از رقبای آمریکایی و چینی پیشی می‌گیرد. آموزش ابزارهای محاسباتی برای پیچیده‌ترین چالش‌های جامعه دانشیار کتی وو از یادگیری تقویتی برای کمک به ترسیم پیشرفت‌ها در حمل و نقل و سایر سیستم‌های چندوجهی استفاده می‌کند. پژوهش نئو ام‌ام‌ای؛ مدل کارآمد هوش مصنوعی چندوجهی و چندزبانه معرفی NeoMME، خانواده جدیدی از مدل‌های چندوجهی و چندزبانه با معماری ترنسفورمر دوجهته که بدون وابستگی به مدل بینایی جداگانه، تصویر و متن را هم‌زمان پردازش می‌کند. مدل‌ها هوش مصنوعی Muse Glimmer: مدل چندوجهی متا برای اجرای محلی متا مدل جدید Muse Glimmer را منتشر کرد. یک مدل چندوجهی ۳۰ میلیارد پارامتری با مجوز آ开放، مناسب کارهای عامل‌محور محلی با حریم خصوصی بالا. مدل‌ها رونمایی از هوش مصنوعی اینکسلینگ: مدل چندوجهی یک تریلیون پارامتری تکینگ ماشینز مدل چندوجهی هوش مصنوعی اینکسلینگ را با یک تریلیون پارامتر منتشر کرد. این مدل بومی از متن، تصویر و صدا پشتیبانی می‌کند و به صورت متن‌باز در دسترس.