پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

Open-source models, open weights, local hosting, licensing

۲٬۰۵۴ مقاله منتشر شده

تصویر: هت‌های شتاب‌دهنده هوش مصنوعی برای رزبری پای
آموزش کاربردی

حافظه اختصاصی در برابر حافظه سیستم؛ تغییر سرعت بارگذاری وزن‌های مدل

نسل جدید شتاب‌دهنده AI HAT+ 2 با افزودن ۸ گیگابایت حافظه اختصاصی، محدودیت‌های سخت‌افزاری رزبری پای ۵ را برای اجرای مدل‌های زبانی بزرگ (LLM) از بین برد. این سخت‌افزار برخلاف…

۵ دقیقه خواندن۳
سنجاق کردن یک نقطه بازرسی Gemma به جای پیگیری شاخه اصلی
آموزش کاربردی

گزارش فنی: هش‌های ۴۰ کاراکتری تنها راه تضمین ثبات گره‌های خوشه Gemma

دنبال کردن شاخه main در مخازن Hugging Face می‌تواند منجر به شکست‌های خاموش در محیط عملیاتی شود. تثبیت مدل‌ها با استفاده از هش‌های ۴۰ کاراکتری، ثبات رفتار هوش مصنوعی را در تمام…

۶ دقیقه خواندن۱
ثابت‌سازی نقطه بازرسی Llama با هش کامیت به جای برچسب متحرک
آموزش کاربردی

استفاده از Commit Hash راهکار جلوگیری از تغییرات خاموش در مدل‌های Llama

استفاده از تگ‌های متغیر مانند 'main' برای بارگذاری مدل‌های زبانی می‌تواند منجر به شکست‌های خاموش در محیط عملیاتی شود. تثبیت مدل‌ها با استفاده از Commit SHA تضمین می‌کند که رفتار…

۶ دقیقه خواندن۱
مانیفست هوش مصنوعی زاکربرگ: ۶۵۰۰ کلمه بدون محتوای واقعی

مانیفست ۶۵۰۰ کلمه‌ای زاکربرگ؛ تلاش برای بازتعریف متا در عصر مدل‌های بسته

مارک زاکربرگ در مقاله‌ای مفصل، دسترسی باز به هوش مصنوعی را برای جلوگیری از تمرکز قدرت ضروری دانست. منتقدان این حرکت را یک چرخش استراتژیک برای بقای متا در رقابت با OpenAI و…

۲۴ دقیقه خواندن
راهنمای گام‌به‌گام استفاده از LLM برای تولید محتوا
آموزش کاربردی

Oxlo.ai: حذف جریمه‌های مالی پرامپت‌های طولانی با مدل پرداخت هر درخواست

پلتفرم Oxlo.ai با جایگزینی مدل توکن‌محور با هزینهٔ ثابت به‌ازای هر درخواست، جریمهٔ مالی استفاده از پرامپت‌های طولانی را حذف کرد. این رویکرد به توسعه‌دهندگان اجازه می‌دهد بدون…

۳ دقیقه خواندن۱