پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

مدل Audex انویدیا دلیل افت استدلال متنی در سیستم‌های چندوجهی را حل کرد

انویدیا مدل Audex را معرفی کرد؛ یک مدل ۳۰ میلیارد پارامتری که بدون کاهش توان استدلالی، صوت و متن را پردازش می‌کند. این مدل یکی از معدود مدل‌های وزن‌باز است که می‌تواند صداهای…

۵ دقیقه خواندن۲

«ادغام هویت کاربران»؛ قابلیت جدید Meta برای شخصی‌سازی عکس‌های تولیدی

متا مدل Muse Image را برای ادغام شباهت ظاهری کاربران تگ‌شده در اینستاگرام در عکس‌های تولیدی هوش مصنوعی عرضه کرد. این مدل عامل‌محور جایگزین Llama در ابزارهای تصویری متا شده و…

۲ دقیقه خواندن۱

X با ابزار تدوین ویدیو در iOS به جنگ بازنشرهای تیک‌تاک آمد

پلتفرم X برای کاهش نرخ بازنشر کلیپ‌ها و تشویق تولید محتوای اصیل، ویرایشگر و ضبط‌کننده داخلی ویدیو را برای iOS عرضه کرد. این اقدام علاوه بر رقابت با تیک‌تاک، هدف تامین داده‌های…

۲ دقیقه خواندن۱
آموزش کاربردی

Oxlo.ai هزینهٔ عامل‌های چندوجهی را با مدل قیمت‌گذاری درخواستی کاهش داد

ترکیب مدل‌های زبانی با بینایی ماشین باعث انفجار توکن‌ها و افزایش هزینه‌ها می‌شود. Oxlo.ai با جایگزینی پرداخت توکنی با یک مدل قیمت‌گذاری ثابت برای هر درخواست، این چالش عملیاتی را…

۴ دقیقه خواندن۱
آموزش کاربردی

چارچوب «حقیقت محصول»؛ راهکار جلوگیری از توهمات بصری در تجارت الکترونیک

یک متدولوژی جدید در مهندسی پرامپت، اولویت را از «سبک بصری» به «حقایق محصول» تغییر می‌دهد تا از تغییر ناخواسته لوگوها و برچسب‌ها جلوگیری شود. این رویکرد با تفکیک جزئیات ثابت محصول…

۴ دقیقه خواندن۲