مدل‌های بازوزن

شرکت Cohere ابزار Transcribe را برای تبدیل دقیق صدا به متن در محیط‌های پر سر و صدا معرفی کرد. این سیستم با پشتیبانی از وزن‌های باز و استقرار محلی، امنیت داده‌های سازمانی را در ۱۴…

شرکت MoonshotAI با معرفی مدل Moonlight و بهینه‌ساز Muon، هزینه‌های آموزش مدل‌های MoE را تا ۵۲ درصد کاهش داد. این دستاورد ثابت می‌کند که می‌توان با تغییر در لایه‌ی ریاضی…

مایکروسافت با معرفی OpenMementos، روشی برای جایگزینی استدلال‌های طولانی با خلاصه‌های فشرده ارائه کرد. این متد مصرف توکن‌ها را تا ۶ برابر کاهش می‌دهد بدون آنکه دقت مدل در مسائل…

یک توسعه‌دهنده ادعا کرده است که توانسته معماری AGI را به نسخه‌ای فشرده تبدیل کند که روی CPU لپ‌تاپ‌های معمولی اجرا می‌شود. این پروژه با به چالش کشیدن قوانین مقیاس‌پذیری، نشان…

مدل TinyR1-32B-Preview با وجود اندازه کوچک‌تر، رقیب ۷۰ میلیاردی خود را در بنچ‌مارک‌های استدلالی شکست داد. این دستاورد از طریق ترکیب متخصص‌های دامنه‌ای و استفاده از ابزار Mergekit…

بنیاد LightSeek با معرفی SMG، گلوگاه‌های پایتون را حذف و پردازش‌های سنگین را به زبان Rust منتقل کرد. این تغییر معماری باعث شد سرعت استنتاج مدل Llama-3.3 تا ۳.۵ برابر افزایش یابد.

یک توسعه‌دهنده طی ۱۸ ماه، موتور کامل ترنسفورمر را از صفر با زبان C بازنویسی کرد. TRiP امکان آموزش و استنتاج مدل‌هایی مثل Llama 2 را بدون نیاز به پایتون یا فریم‌ورک‌های سنگین فراهم…

شرکت Goodfire با معرفی ابزار Silico، دوران «کیمیاگری» در آموزش مدل‌ها را به پایان داد و مهندسی دقیق را جایگزین کرد. این پلتفرم با نقشه‌برداری از نورون‌های داخلی، امکان حذف توهمات…

تنسنت یک مدل ترجمه فوق‌فشرده و آفلاین را معرفی کرد که با حجم تنها ۴۴۰ مگابایت، کیفیتی در سطح سیستم‌های تجاری بزرگ دارد. این مدل ۳۳ زبان را پشتیبانی می‌کند و نیاز به اتصال ابری را…

IBM با معرفی خانواده‌ی Granite 4.1 ثابت کرد که مدل‌های کوچک‌تر با داده‌های باکیفیت می‌توانند مدل‌های غول‌پیکر را شکست دهند. نسخه‌ی ۸ میلیاردی این مدل در بنچمارک‌های کلیدی، عملکرد…

پژوهشگران ابزار متن‌باز HalluCiteChecker را برای شناسایی ارجاعات جعلی در مقالات علمی معرفی کردند. این ابزار سبک، بدون نیاز به GPU و به‌صورت آفلاین روی CPUهای معمولی اجرا می‌شود تا…

یک مدل تخصصی Qwen2.5-7B در تریاژ پزشکی از GPT-4o پیشی گرفت. این نتیجه ثابت می‌کند تنظیم دقیق روی داده‌های بالینی بسیار موثرتر از تکیه بر مدل‌های عمومی عظیم است.