پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۱٬۲۴۹ مقاله منتشر شده

استادان هوش مصنوعی با واقعیت‌های جدید پژوهش دانشگاهی دست‌وپنجه نرم می‌کنند

شکاف محاسباتی؛ پژوهشگران دانشگاهی در برابر حصار مدل‌های بسته

پژوهشگران هوش مصنوعی در دانشگاه‌ها به‌دلیل هزینه‌های سرسام‌آور سخت‌افزاری و بسته بودن مدل‌های پیشرو، دسترسی خود به لبهٔ تکنولوژی را از دست داده‌اند. این وضعیت منجر به چرخش…

۴ دقیقه خواندن۱
متن جایگزین: کتاب‌های قدیمی با OCR ضعیف، آموزش مدل‌های زبانی را ناتوان می‌کند؛ FineBooks راه‌حل گسترده‌ای دارد.

مدل‌های کوچک OCR دقت استخراج متن از کتاب‌های تاریخی را به ۹۷٪ رساندند

پروژه FineBooks نشان داد مدل‌های کوچک با وزن‌های باز می‌توانند داده‌های متنی کتاب‌های قدیمی را با هزینه‌ای اندک و دقتی بسیار بالا پاک‌سازی کنند. این دستاورد بازدهی آموزش مدل‌های…

۴ دقیقه خواندن۱
مدل هوش مصنوعی Glimmer متا، نگاهی به چشم‌انداز زاکربرگ از هوش شخصی

مدل Muse Glimmer قابلیت اجرای عامل‌های ۳۰ میلیارد پارامتری را به GPUهای خانگی

متا مدل Muse Glimmer را با وزن‌های باز منتشر کرد تا اجرای عامل‌های هوش مصنوعی به‌صورت محلی و خصوصی روی سخت‌افزارهای مصرف‌کننده ممکن شود. این اقدام گامی عملی در مسیر تحقق چشم‌انداز…

۳ دقیقه خواندن۲
معماری عامل‌های هوشمند انعطاف‌پذیر: الگوی بومی کانتینر با Docker Compose

رفع «جهنم وابستگیات» در توسعهٔ عامل‌های هوش مصنوعی با داکر کامپوز

یک الگوی معماری جدید از Docker Compose برای یکپارچه‌سازی مدل‌های زبانی، حافظه برداری و سامانه نظارتی استفاده می‌کند. این روش با تبدیل زیرساخت به مجموعه‌ای از سرویس‌های ایزوله،…

۵ دقیقه خواندن
ربات‌های MyZubster اکنون می‌بینند: یکپارچه‌سازی دوربین هوشمند کامل شد!

MyZubster: انتقال ربات‌ها به سیستم تشخیص لحظه‌ای اشیا با دوربین‌های باز

پروژه MyZubster با معرفی یک ماژول دوربین هوشمند و بازاستفاده، ربات‌های خود را از مدل «دستور-عملکرد» به معماری «ادراک-تصمیم-عمل» منتقل کرد. این سیستم امکان تشخیص لحظه‌ای اشیا و…

۸ دقیقه خواندن
معرفی Muse Glimmer: مدل عاملی متن‌باز که روی دستگاه شما اجرا می‌شود

مدل Muse Glimmer متا: اجرای عامل‌های ۳۰ میلیارد پارامتری روی GPUهای خانگی

متا مدل Muse Glimmer را به عنوان یک مدل وزن‌باز ۳۰ میلیارد پارامتری برای اجرای محلی عامل‌های هوش مصنوعی منتشر کرد. این مدل با استفاده از کوانتش ۴ بیتی و رمزگشایی گمانه‌زنانه، روی…

۶ دقیقه خواندن
هیاهوی MiniMax H3: معیارسنجی یک مدل کوچک باز در جایی که کاربرانتان واقعاً هستند

«نادیده گرفتن نوسانات سخت‌افزاری»؛ دلیل گمراه‌کننده بودن نتایج مدل‌های AI

محک‌های استاندارد هوش مصنوعی با نادیده گرفتن نوسانات سخت‌افزاری موبایل، نتایجی گمراه‌کننده ارائه می‌دهند. چارچوب جدید تست مدل MiniMax H3 بر توان بازیابی سیستم پس از قطع اتصال…

۵ دقیقه خواندن۱
هر هفته یک مدل متن‌باز جدید منتشر می‌شود؛ این روش ۳۰دقیقه‌ای به شما می‌گوید آیا ارزش صرف بودجه CI را دارد.

ارزیابی بر اساس کدبیس اختصاصی در برابر رده‌بندی‌های عمومی مدل‌های AI

یک فرآیند ارزیابی تکرارپذیر به توسعه‌دهندگان اجازه می‌دهد تا به‌جای تکیه بر جدول‌های رده‌بندی عمومی، مدل‌های وزن‌باز را با ۶ تسک واقعی بسنجند. این روش با استفاده از منابع رایگان،…

۵ دقیقه خواندن
گرافی‌فای: تبدیل کل کدبیس به گراف دانش قابل پرس‌وجو برای دستیارهای کدنویسی هوشمند

گرافای با جایگزینی جست‌وجوی برداری، کورسوشانی AI در پروژه‌های بزرگ را حل کرد

ابزار Graphify با تبدیل کدها به گراف دانش، جایگزین جست‌وجوی کلمات کلیدی در دستیارهای برنامه‌نویسی شده است. این ابزار به جای حدس زدن شباهت‌ها، روابط ساختاری و زنجیره‌های فراخوانی…

۸ دقیقه خواندن