پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۲٬۳۹۶ مقاله منتشر شده

مدل محلی PII-Tracer در برابر غول‌های ابری؛ پیروزی ثبات بر اندازه

شرکت پرپلکسیتی مدل کوچک و محلی PII-Tracer را برای حذف اطلاعات حساس پیش از ارسال به ابر معرفی کرد. این مدل ۰.۶ میلیارد پارامتری در شناسایی مداوم شناسه‌های خصوصی، ثباتی بسیار بیشتر…

۵ دقیقه خواندن۳

«دروازه حریم خصوصی»؛ رویکرد جدید پراپلسیتی برای مدیریت داده‌های حساس

پراپلسیتی قابلیتی را برای مک معرفی کرد که داده‌های حساس را به‌صورت محلی پردازش می‌کند و تنها برای استدلال و جست‌وجو از ابر استفاده می‌کند. این سامانه با یک «دروازه حریم خصوصی»…

۴ دقیقه خواندن۱
آموزش کاربردی

تلهٔ نگهداری در Wren AI؛ چرا هوش مصنوعی تجاری در مقیاس تولید شکست می‌خورد؟

پلتفرم Wren AI مسیر جذابی برای تحلیل داده‌های محاوره‌ای باز می‌کند، اما انتقال از نسخه آزمایشی به تولید، شکاف بزرگی در حاکمیت داده‌ها ایجاد می‌کند. چالش اصلی نه در رابط چت، بلکه…

۲ دقیقه خواندن
آموزش کاربردی

کتابخانه NobodyWho استقرار کامل هوش مصنوعی محلی را در اکوسیستم اپل ممکن کرد

کتابخانه NobodyWho با حذف نیاز به APIهای ابری، امکان اجرای مدل‌های زبانی، تبدیل گفتار به متن و مدل‌های چندوجهی را مستقیماً روی iOS و macOS فراهم می‌کند. این ابزار با استفاده از…

۸ دقیقه خواندن۲

رنه‌ساس با ادغام نرم‌افزار متن‌باز، هزینه توسعه خودروهای خودران را کاهش داد

شرکت رنه‌ساس با پیوستن به بنیاد Autoware، امکان استقرار نرم‌افزارهای متن‌باز رانندگی خودکار را روی تراشه‌های R-Car فراهم کرد. این اقدام به خودروسازان اجازه می‌دهد به‌جای تکیه بر…

۴ دقیقه خواندن
آموزش کاربردی

مجوز MIT مسیر پذیرش هوش مصنوعی در سازمان‌های بزرگ را هموار کرد

مجوز MIT به ابزاری حیاتی برای استقرار عامل‌های هوش مصنوعی و زیرساخت‌های خصوصی بدون اصطکاک حقوقی تبدیل شده است. با وجود انعطاف‌پذیری تجاری بالا، تیم‌ها همچنان باید وزن‌های مدل و…

۴ دقیقه خواندن۲