olmOCR در برابر GPT-4o: برتری در دقت استخراج دادههای پیچیده
پژوهشکده هوش مصنوعی آلن (AI2) مدل olmOCR را معرفی کرد که با تبدیل PDFs پیچیده به Markdown و LaTeX، هزینههای عملیاتی را بهشدت کاهش میدهد. این مدل ۷ میلیارد پارامتری با استفاده…
موضوع
Open-source models, open weights, local hosting, licensing
۲٬۳۹۶ مقاله منتشر شده
پژوهشکده هوش مصنوعی آلن (AI2) مدل olmOCR را معرفی کرد که با تبدیل PDFs پیچیده به Markdown و LaTeX، هزینههای عملیاتی را بهشدت کاهش میدهد. این مدل ۷ میلیارد پارامتری با استفاده…
ابزار متنباز MakerChecker با ایجاد یک لایهی امنیتی، مانع از آن میشود که عاملهای هوش مصنوعی اقدامات حساس را بدون تایید انسانی اجرا کنند. این سامانه با استفاده از دفاتر ثبت…
ابزار جدید و میزبانی-شخصی Trade Hunter با ترکیب یک تشخیصدهندهٔ آماری و تحلیلگران مدل زبانی، نویزهای بازار پیشبینی Kalshi را فیلتر میکند. این سیستم با شناسایی خوشههای معاملاتی…
رقابت غولهای فناوری از توانمندی مدلها به لایه استقرار و ادغام در محیطهای شرکتی تغییر مسیر داده است. مایکروسافت و آمازون با سرمایهگذاریهای میلیاردی، در حال تبدیل مهندسی…
نسخه ۰.۶.۰ کتابخانه LeRobot مدلهای جهانی (World Models) را معرفی کرد که به رباتها اجازه میدهد وضعیتهای آینده را پیشبینی کنند. این بهروزرسانی با افزودن API پاداش، شش محک…
اکثر ابزارهای هوش مصنوعی به دلیل تکیه بر حافظه برداری دچار «فراموشی زمینهای» میشوند. Octo با معرفی سیستمی برای مدیریت زمینههای مشترک، تصمیمات تاریخی و ترجیحات تیمی را به…
پلتفرم Synthetic Sciences ابزار OpenScience را معرفی کرد؛ یک محیط کاری متنباز و مستقل از مدل که پژوهشگران علوم پایه را از وابستگی به زیرساختهای بسته شرکت انتراپیک رها میکند.
شرکت Sakana AI ابزاری تخصصی برای ترجمه میان زبانهای ژاپنی، انگلیسی و چینی معرفی کرد که بر حفظ ظرافتهای فرهنگی و سطوح احترام متمرکز است. این سرویس با تکیه بر مدلهای سری Namazu،…
یک گردشکار فنی جدید نشان میدهد چگونه میتوان مدل Gemma-3 گوگل را با استفاده از بهینهسازی سیاست نسبی گروهی (GRPO) و آداپتورهای لورا برای ریاضیات تنظیم دقیق کرد. این فرآیند یک…
پلتفرم Hugging Face با بهروزرسانی پروژه Kernels، سیستمی استاندارد برای بستهبندی و اشتراکگذاری کدهای سطح پایین GPU معرفی کرد. این تغییر شامل مخازن اختصاصی، امضای دیجیتال امنیتی…
PolyUI یک کلاینت دسکتاپ متنباز است که با حذف نیاز به داکر و محیطهای پایتون، اجرای مدلهای زبانی محلی را برای کاربران غیرفنی ممکن میکند. این ابزار با استفاده از زبان Rust و…
شرکت Meituan مدل LongCat-2.0 را بهعنوان یک مدل MoE عظیم با هدف مهندسی نرمافزار عاملمحور عرضه کرد. این مدل که کاملاً روی سختافزارهای ASIC بومی آموزش دیده، پنجرهٔ زمینه ۱ میلیون…