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
Granite R2: مدل هوش مصنوعی چندزبانه با 32K تناظر و سرعت بالا
در این مقاله به معرفی جدیدترین مدل embedding چندزبانه Granite R2 میپردازیم؛ با 32k توکن، 200+ زبان و عملکرد برتر در MTEB، صنعت جستجو و retrieval را تغییر میدهد.
پژوهش
آموزش فاینتون مودال استرینگ ترنسفورمر برای جستجوی مستندات تصویری و متنی
در این مقاله به پیشرفتهای جدید حِفینګ فِیچر در مدلهای چندرسانهای با استفاده از کتابخانه سِنتنس ترنسفورمر میپردازیم و نحوه فاینتون Qwen3-VL-Embedding-2B برای جستجوی مستندات تصویری را توضیح میدهیم.
پژوهش
Sentence Transformers به Hugging Face میپیوندد: تحول جدید در هوش مصنوعی
کتابخانه Sentence Transformers به پلتفرم Hugging Face ملحق میشود و دسترسی به ابزارهای پیشرفتهٔ هوش مصنوعی برای پژوهشگران و توسعهدهندگان را تسهیل میکند.
پژوهش
EmbeddingGemma: مدل جدید و کارآمد گوگل برای هوش مصنوعی چندزبانه
گوگل مدل EmbeddingGemma را معرفی کرد؛ با ساختار ۳۰۸M پارامتر و پنجرهی ۲K، سریع و کماستهلاک است، تا امکان پیادهسازی RAG و هوش مصنوعی موبایلی را فراهم کند.
اخبار
هوش مصنوعی در اختیار توسعهدهندگان: کانتینر Embedding در سیگمتر هاجینگ فیس و ساجماکر
کانتینر Embedding جدید هاجینگ فیس اکنون در AWS SageMaker در دسترس است؛ این ابزار به توسعهدهندگان اجازه میدهد مدلهای embedding را برای ساخت برنامههای هوش مصنوعی نسل بعدی پیادهسازی کنند.
مدلها
بهینهسازی مدلهای جاسازی هوش مصنوعی روی CPU با Optimum Intel و fastRAG
روش جدید بهینهسازی مدلهای جاسازی (Embedding) با ابزار Optimum Intel و fastRAG برای اجرای سریع و کمهزینه روی پردازنده مرکزی، بدون افت کیفیت.
آموزش
ساخت یک ژنراتور فهرست آهنگی با هوش مصنوعی: جزئیات انطباق Sentence Transformers
این مقاله به بررسی ساخت ژنراتور فهرست آهنگی با کاربرد Sentence Transformers و گراودی میپردازد؛ مراحل embedding، جستجوی معنایی و راهاندازی وبسرویس را شرح میدهد.