پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۱٬۹۵۰ مقاله منتشر شده

معرفی Muse Glimmer: مدل عاملی متن‌باز که روی دستگاه شما اجرا می‌شود
آموزش کاربردی

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 خواندن۲
هیاهوی MiniMax H3: معیارسنجی یک مدل کوچک باز در جایی که کاربرانتان واقعاً هستند
آموزش کاربردی

«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 خواندن۲
هر هفته یک مدل متن‌باز جدید منتشر می‌شود؛ این روش ۳۰دقیقه‌ای به شما می‌گوید آیا ارزش صرف بودجه CI را دارد.
آموزش کاربردی

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 خواندن۲
گرافی‌فای: تبدیل کل کدبیس به گراف دانش قابل پرس‌وجو برای دستیارهای کدنویسی هوشمند
آموزش کاربردی

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 خواندن۲
موتور Colibri: اجرای مدل‌های عظیم MoE روی شبکه همتا به همتا با زبان C خالص.
آموزش کاربردی

Lumabri مدل‌های عظیم MoE را روی شبکه‌ای از پردازنده‌های معمولی اجرا می‌کند

پروژه Lumabri با توزیع وزن‌ها و محاسبات میان گره‌های Peer-to-Peer، اجرای مدل‌های غول‌پیکر ترکیب خبره‌ها را بدون نیاز به GPU ممکن کرده است. این سیستم خروجی‌های کاملاً یکسانی را روی…

۲۱ دقیقه خواندن۲
زیرساخت استارتاپ هوش مصنوعی: هزینه واقعی سرویس‌های اوراکل، گروک و برایت‌دیتا
آموزش کاربردی

زیرساخت ۲۵ دلاری AIdeazz: مدیریت ۱۰ عامل هوش مصنوعی با هزینه صفر

النا رِویچوا، بنیان‌گذار AIdeazz، استراتژی کاهش هزینه‌های عملیاتی را فاش کرد که در آن از لایه‌های رایگان اوراکل و مسیریابی هوشمند مدل‌ها برای اجرای ۱۰ عامل تولیدی استفاده شده است.…

۷ دقیقه خواندن۴
مرز سیاست محلی RunOnMine بین عامل‌های هوش مصنوعی و دستگاه شما
آموزش کاربردی

آیا درگاه‌های سیاست‌گذاری محلی می‌توانند ریسک نفوذ AI به فایل‌ها را بکاهند؟

پروژه متن‌باز RunOnMine با ایجاد یک لایه امنیتی محلی، مانع از دسترسی کامل عامل‌های هوش مصنوعی به کل سیستم‌عامل کاربر می‌شود. این ابزار دسترسی‌های گسترده را با سیستمی جایگزین…

۶ دقیقه خواندن
بازبینی ۱۴۵۱۲ عکس میراث فرهنگی با مدل بینایی: منابع «معتبر» آلوده‌ترین بودند.
آموزش کاربردی

۳۰ درصد تصاویر استخراج‌شده از ویکی‌پدیا با موضوع مقاله تطبیق ندارند

یک بازرسی جامع روی ۱۴,۵۱۲ عکس نشان داد که استخراج تصاویر از متن مقالات ویکی‌پدیا به‌شدت غیرقابل اعتماد است. این مطالعه ثابت کرد مدل‌های بینایی هنگام مواجهه با نام مکان‌ها دچار…

۴ دقیقه خواندن۱
پیش‌بینی همزمان مسیر و شدت چرخند توسط مدل WeatherNext گوگل دیپ‌مایند

مدل WeatherNext گوگل خطای پیش‌بینی مسیر طوفان‌ها را به ۲۳۰ کیلومتر رساند

مدل جدید گوگل دیپ‌مایند با نام WeatherNext Cyclones، مسیر و شدت طوفان‌ها را به‌طور هم‌زمان و با دقتی بی‌سابقه پیش‌بینی می‌کند. این سیستم با کاهش خطای مکانی، یک روز زمان هشدار…

۵ دقیقه خواندن