پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

آموزش کاربردی

درون زیرساخت Preterview؛ بهینه‌سازی استریم برای تسریع عامل‌های صوتی

یک توسعه‌دهنده با تمرکز بر بهینه‌سازی زیرساخت به‌جای تغییر مدل، تأخیر پاسخ‌دهی عامل صوتی را بیش از ۸۰٪ کاهش داد. این موفقیت از طریق استریم کردن متن به گفتار از اولین جمله و…

۶ دقیقه خواندن۲
زندگی با AI

تبدیل تصویر به تصویر؛ راهکاری برای عبور از بن‌بستِ پرامپت در عکاسی محصول

تلاش برای بازسازی یک محصول خاص با استفاده از متن، محدودیت‌های مدل‌های مولد در درک جزئیات فیزیکی را آشکار کرد. جایگزینی متن با ابزارهای تبدیل تصویر به تصویر، امکان حفظ دقیق هندسه…

۵ دقیقه خواندن۱

آیا اتوماسیون محتوا می‌تواند نرخ درآمد Pocket FM را دو برابر کند؟

پلتفرم صوتی Pocket FM با اتوماسیون بخش اعظم کاتالوگ خود، نرخ درآمد سالانه را به ۵۰۰ میلیون دلار رسانده است. این شرکت با کاهش ۸۰ برابری هزینه‌های تولید، حجم محتوا و نرخ بازگشت…

۴ دقیقه خواندن۲

پلتفرم K Pro با ترکیب داده‌های بیمار و آزمایشگاه، اهداف دارویی AI را اعتبارسنجی

شرکت Owkin پلتفرم K Pro را برای تبدیل پیش‌بینی‌های هوش مصنوعی به واقعیت‌های پزشکی معرفی کرد. این سامانه با ادغام داده‌های چندوجهی بیماران و تست‌های آزمایشگاهی، فرآیند کشف دارو را…

۹ دقیقه خواندن

درون استراتژی تجاری Skild AI برای تسریع استقرار ربات‌های هوشمند

مدل بنیادی S1 به ربات‌ها اجازه می‌دهد تنها با مشاهده یک ویدیو، کارهای پیچیده را بدون نیاز به آموزش مجدد یاد بگیرند. این شرکت با تکیه بر زیرساخت‌های انویدیا، تنها در ۱۰ ماه پس از…

۵ دقیقه خواندن۱
آموزش کاربردی

متدولوژی جدید: جایگزینی ارزیابی‌های ذهنی با تثبیت‌های نامتقارن در مدل‌های تصویری

یک متدولوژی جدید برای تست مدل‌های تصویری معرفی شده است که به‌جای ارزیابی‌های بصری کلی، از «تثبیت‌های نامتقارن» برای شناسایی خطاهای مدل در دنبال کردن پرامپت استفاده می‌کند. این روش…

۴ دقیقه خواندن۱