«اجرای مدلهای بزرگ روی موبایل»، هدف جدید PrismML
شرکت PrismML مدل چندوجهی Bonsai 27B را معرفی کرد که با استفاده از کوانتش باینری و ترنری، نیاز به حافظه را بهشدت کاهش میدهد. این مدل امکان اجرای یک مدل با ۲۷ میلیارد پارامتر را…
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
شرکت PrismML مدل چندوجهی Bonsai 27B را معرفی کرد که با استفاده از کوانتش باینری و ترنری، نیاز به حافظه را بهشدت کاهش میدهد. این مدل امکان اجرای یک مدل با ۲۷ میلیارد پارامتر را…
شرکت Runway مدل Solaris را معرفی کرد که به جای کدهای سنتی، رابطهای کاربری وب و اپلیکیشن را بهصورت ویدیوهای زنده و در لحظه تولید میکند. این فناوری میتواند نیاز به توسعه…
شرکت Mech-Mind Robotics با عرضه اولیه در بورس هنگکنگ، سرمایهای کلان برای توسعه زیرساختهای «چشم-مغز-دست» رباتیک جذب کرد. این شرکت بهجای ساخت ربات کامل، بر تولید قطعات هوشمندی…
بازبینی بصری تصاویر تولیدشده توسط هوش مصنوعی برای نرمافزارهای تجاری کافی نیست. این راهنما یک خط لوله ماشینخوان را معرفی میکند که با استفاده از OCR و تأکیدات سختگیرانه، صحت متن…
یک معماری جدید در صنعت حملونقل دریایی با جداسازی وظایف هماهنگی از قدرت تصمیمگیری قانونی، مانع از توهمات عاملهای هوش مصنوعی در صدور مجوزهای ترخیص کالا شد. این سیستم با استفاده…
یک کاربر با تبدیل Grok Bot به یک مربی تناسب اندام شخصی، توانایی این عامل در تحلیل تجهیزات ورزشی از روی عکس و نقد ویدئوهای تمرینی را به نمایش گذاشت. این تجربه نشاندهنده گذار از…
استارتاپ Leadsy با استفاده از مدلهای Gemini و Veo، هزینهی تولید ویدیوهای تبلیغاتی حرفهای برای کسبوکارهای محلی را به شدت کاهش داد. این سامانه با تبدیل دادههای گوگلمپ به…
گوگل با ادغام کتابهای الکترونیکی خریداریشده در Gemini Notebook، امکان پژوهش تعاملی بر اساس منابع معتبر را فراهم کرد. این بهروزرسانی بخشی از طرح «هوشمندی خبره» برای تبدیل…
دولت آمریکا برای پایان دادن به سالها سرگردانی بیماران در تشخیص بیماریهای نادر، بودجهای ۱۰ میلیون دلاری به شرکت Probably Genetic اختصاص داد. هدف این پروژه ساخت یک مجموعه داده…
دیپسیک یک مدل آزمایشی چندوجهی با پنجره متنی عظیم یک میلیون توکنی معرفی کرد که برای سختافزارهای NVIDIA DGX Sparks بهینه شده است. این مدل پردازش بومی تصاویر و رمزگشایی گمانهزنانه…
استارتاپ Clipto با جذب ۱۵ میلیون دلار سرمایه، ابزاری برای جستوجوی معنایی در فایلهای محلی ویدیو و صوت ارائه داده است. این پلتفرم برخلاف ابزارهای ابری، دادهها را بهصورت محلی…
پلتفرم Spoken با استفاده از یک سیستم هوش مصنوعی عاملمحور، نسخههای متنی کتابها را به آثار صوتی با چندین گوینده تبدیل میکند. این سیستم با تحلیل ساختار روایت، صداهای متمایزی را…