موضوع
Models that natively process text+image+audio+video
۱٬۴۲۵ مقاله منتشر شده
مونگو‌دی‌بی یک معماری مرجع برای ساخت عامل‌های هوش مصنوعی منتشر کرد که برخلاف چت‌بات‌های ساده، دارای حافظه عملیاتی و بلندمدت هستند. این سیستم با استفاده از Voyage AI و LangGraph،…
پروژه متن‌باز Wardrobe با استفاده از مدل‌های بینایی-زبانی GPT، فرآیند فهرست‌بندی لباس‌ها را از tagging دستی به شناسایی خودکار تبدیل کرده است. این ابزار در کنار تسهیل مدیریت پوشاک،…
کتابخانه NeMo Automodel با ادغام در Diffusers، امکان تنظیم دقیق مدل‌های عظیم تصویر و ویدیو را بدون نیاز به تبدیل فرمت وزن‌ها فراهم کرد. این ابزار آموزش توزیع‌شده در مقیاس صنعتی را…
آزمایشگاه چینی Moonshot AI مدل Kimi K3 را با ۲.۸ تریلیون پارامتر معرفی کرد که در کدنویسی و کارهای پیچیده از رقبای آمریکایی پیشی می‌گیرد. این مدل با قیمت‌گذاری جدید، گران‌ترین…
اپل با انتشار بتای عمومی iOS 27، سیری را از یک فرمان‌پذیر صوتی ساده به دستیاری تبدیل کرد که بستر و زمینه کاربر را می‌فهمد. این به‌روزرسانی به‌جای تمرکز بر نمایش‌های زرق‌وبرق…
نتفلیکس در سال ۲۰۲۶ هوش مصنوعی زاینده را در حدود ۳۰۰ تولید خود ادغام کرده است. این شرکت عمدتاً روی بهینه‌سازی مراحل پس‌تولید تمرکز کرده و بدون کاهش بودجه کلی محتوا، به صرفه‌جویی…
پلتفرم Stylic AI با جایگزینی مدل‌های انسانی و استودیوهای گران‌قیمت با تصاویر ساخته‌شده توسط هوش مصنوعی، زمان عرضه محصولات مد را از هفته‌ها به چند ساعت رسانده است. این فناوری هزینه…
دانشگاه ایلینوی (UIUC) یک دستیار آموزشی متن‌باز برای مهندسی برق طراحی کرده است که با اجرای موازی ۱۱ مدل مختلف، پاسخ‌های پیچیده چندرسانه‌ای را در ۲ ثانیه تولید می‌کند. این سیستم با…
مدل Kimi K3 با ۲.۸ تریلیون پارامتر و پنجره زمینه یک میلیون توکنی معرفی شد، اما تمایل شدید به تولید پاسخ‌های طولانی (Verbosity) ممکن است هزینه‌ی نهایی هر تسک را دو برابر کند. در…
گروهی از فعالان حریم خصوصی با استفاده از تبلیغات شهری در لندن، عینک‌های هوشمند متا را به ابزاری برای نظارت دیس‌توپیک تشبیه کردند. این کمپین بر ثبت مداوم صدا و تصویر بدون رضایت…
شرکت Moonshot AI مدل Kimi K3 را معرفی کرد؛ نخستین مدل با وزن‌های باز در کلاس ۳ تریلیون پارامتر که پنجرهٔ زمینه ۱ میلیون توکنی دارد. این مدل با معرفی مکانیزم‌های KDA و AttnRes،…
ابزار Voice Tables از شرکت Inithouse امکان ایجاد و مدیریت پایگاه‌داده‌ها را تنها از طریق گفتار فراهم می‌کند. این سیستم نیاز به نوشتن کدهای SQL یا استفاده از جداول پیچیده برای ثبت…