Žyma: mašininis mokymasis
-
P-EAGLE SageMaker platformoje: greitesni DI atsakymai be magijos
AWS parodė, kaip naudoti P-EAGLE speculative decoding su Amazon SageMaker AI.
· 1 min.
-
Šifruotas DI apdorojimas: kai debesija nemato jūsų duomenų
AWS parodė end-to-end encrypted ML inference pavyzdį su Amazon SageMaker AI ir FHE.
· 1 min.
-
Agentų tool-calling: kodėl DI kartais spaudžia ne tą mygtuką
AWS parodė, kaip SFT ir DPO metodai gali pagerinti DI agentų įrankių kvietimo tikslumą.
· 1 min.
-
NEXUS modelis: DI pagaliau rimčiau žiūri į lenteles
Fundamental Large Tabular Model NEXUS tapo prieinamas Amazon SageMaker JumpStart platformoje.
· 1 min.
-
Agent-EvalKit: DI agentų testavimas negali baigtis vien atsakymu
AWS pristatė Agent-EvalKit požiūrį sistemingam DI agentų vertinimui, kai reikia tikrinti ne tik galutinį atsakymą.
· 1 min.
-
Deep Agents su Bedrock: vienas DI agentas jau nebepaneša visko
AWS parodė, kaip Deep Agents ir Bedrock AgentCore leidžia tyrimų agentams deleguoti darbą į izoliuotus subagentus.
· 1 min.
-
Context intelligence: DI agentas be konteksto dirba pusiau aklas
AWS aiškina, kaip konteksto valdymas padeda DI agentams dirbti su įmonės duomenimis dideliu mastu.
· 1 min.
-
DiffusionGemma: tekstas generuojamas ne po žodį, o blokais
Google Developers Blog aprašė DiffusionGemma – eksperimentinį Gemma šeimos modelį, kuris tekstą generuoja difuzijos principu.
· 1 min.
-
Deep Agents su Bedrock: tyrimų agentai gauna atskiras darbo vietas
AWS parodė, kaip Deep Agents ir Bedrock AgentCore leidžia tyrimų agentams deleguoti darbą į izoliuotus subagentus.
· 1 min.
-
AgentPerf: DI agentų greitis pagaliau matuojamas rimčiau
NVIDIA aprašė AgentPerf našumo testą, skirtą agentinėms programavimo užduotims.
· 1 min.