Žyma: mašininis mokymasis
-
Federated learning su agentais: tyrimas be duomenų kraustymo
NVIDIA parodė FLARE Auto-FL pavyzdį, kuriame DI agentai padeda greitinti federated learning tyrimus.
· 1 min.
-
Mąstymas prieš atsakymą: Google rodo, kaip modeliai prisimena geriau
Google Research paskelbė tyrimą apie tai, kaip reasoning padeda dideliems kalbos modeliams pasiekti vidines žinias.
· 1 min.
-
NeMo AutoModel: modelių treniravimas trumpėja, bet disciplina lieka
Hugging Face paskelbė NVIDIA įrašą apie Transformer modelių fine-tuning spartinimą su NeMo AutoModel.
· 1 min.
-
FFASR reitingas: balso atpažinimą reikia tikrinti ne laboratorijoje
Hugging Face pristatė FFASR Leaderboard – balso atpažinimo modelių reitingą, orientuotą į realaus pasaulio testus.
· 1 min.
-
Gemini Nano telefone: greitis prasideda ne debesyje, o kišenėje
Google Research aprašė, kaip Gemini Nano modeliai Pixel telefonuose greitinami su frozen Multi-Token Prediction.
· 1 min.
-
Mistral OCR 4: dokumentų DI pagaliau rodo, kuo pasitiki
Mistral AI pristatė OCR 4 modelį dokumentų atpažinimui su blokų klasifikavimu ir pasitikėjimo balais.
· 1 min.
-
TOP500 superkompiuteriai: kodėl DI lenktynės vis dar prasideda nuo geležies
NVIDIA skelbia, kad jos technologijos veikia daugiau nei 400 iš 500 greičiausių pasaulio superkompiuterių.
· 1 min.
-
400 mln. dokumentų: ką Huntington Bank parodė apie DI ir privatumą
AWS aprašė Huntington Bank projektą, kuriame jautrūs duomenys ieškomi ir redaguojami daugiau nei 400 mln. dokumentų.
· 1 min.
-
Agent-EvalKit: DI agentus reikia testuoti kaip darbuotojus, ne kaip chatbotus
AWS Agent-EvalKit primena paprastą dalyką: DI agentų vertinti vien pagal galutinį atsakymą nebeužtenka.
· 1 min.
-
NAIRR programa: mokslui duodama daugiau DI skaičiavimo galios
NVIDIA aprašė NAIRR Science Program, kuri suteikia DI infrastruktūrą moksliniams tyrimams.
· 1 min.