وبلاگ
یاد بگیرید، بهتر جواب بدهید
راهنماهای کاربردی برای کسب‌وکارهایی که می‌خواهند سریع‌تر، دقیق‌تر و شبانه‌روز به مشتری جواب بدهند.
Kumo Relational انویدیا؛ پیش‌بینی روی داده‌های رابطه‌ای بدون آموزش
انویدیا مدل پایهٔ Kumo Relational را معرفی کرد که مستقیم روی پایگاه‌داده‌های رابطه‌ای پیش‌بینی می‌کند؛ بدون آموزش اختصاصی و بدون مهندسی ویژگی، با ادعای پیشی‌گرفتن از مدل‌های نظارت‌شده.
ادامهٔ مطلب
جمینای ۳.۶ فلش، ۳.۵ فلش لایت و ۳.۵ فلش سایبر معرفی شدند
گوگل سه مدل تازه در خانوادهٔ فلش معرفی کرد: جمینای ۳.۶ فلش با مصرف توکن کمتر و قیمت پایین‌تر، ۳.۵ فلش لایت برای بارهای پرحجم و ۳.۵ فلش سایبر برای شکار آسیب‌پذیری‌ها.
ادامهٔ مطلب
TorchTPU؛ اجرای بومی PyTorch روی تراشه‌های TPU گوگل
TorchTPU با اضافه‌کردن TPU به‌عنوان یک بکاند بومی به PyTorch، اجرای مدل‌های Transformers، Diffusers و Kernels را روی تراشه‌های گوگل بدون واسطه ممکن می‌کند.
ادامهٔ مطلب
ALTK-Evolve؛ صدرنشینی در بنچمارک خدمات مشتری بدون تغییر وزن مدل
ALTK-Evolve با استخراج راهنماهای رفتاری از دل تلاش‌های خود ایجنت، بدون به‌روزرسانی وزن مدل، یک ایجنت پایه با جی‌پی‌تی-۴.۱ را به صدر جدول بنچمارک τ²-bench در خدمات مشتری می‌رساند.
ادامهٔ مطلب
FairStress: سنجش عمیق‌تر انصاف در تصمیم‌گیری مدل‌های زبانی
FairStress بنچمارکی تازه از تیم Ai2 است که نشان می‌دهد دو مدل می‌توانند پاسخ نهایی یکسان بدهند، اما در برابر استدلال‌های متقاعدکننده رفتار کاملاً نامتقارن داشته باشند.
ادامهٔ مطلب
Cosmos3-H-Dreams؛ شبیهساز جراحی زنده روی یک GPU
انویدیا با Cosmos3-H-Dreams نخستین شبیهساز مولد جراحی بلادرنگ را معرفی کرده که با کنترل سینماتیک زنده، صحنههای کولهسیستکتومی را روی یک GPU میسازد.
ادامهٔ مطلب
آپرتوس ۱.۵؛ مدل متن‌باز چندوجهی با پنجره‌ای چهاربرابری
آپرتوس ۱.۵، مدل متن‌باز ۸ و ۷۰ میلیارد پارامتری، حالا با توانایی درک تصویر و صدا، حالت تفکر، پنجره متنی طولانی‌تر و استفاده بهتر از ابزارها معرفی شده است.
ادامهٔ مطلب
TorchNeuron: اجرای مدل‌های هوگ‌ینگ‌فیس روی AWS Trainium ساده‌تر از همیشه
TorchNeuron یک بکاند جدید برای PyTorch روی AWS Trainium معرفی کرده که اجرای مدل‌های Transformers و Diffusers را به‌صورت بومی و با تجربه‌ای یکسان با دیگر شتاب‌دهنده‌ها ممکن میسازد.
ادامهٔ مطلب
Gemini 4 Argon؛ گوگل ایمنی مدل را چطور سنجید؟
گوگل جزئیات گزارش ایمنی و امنیت Gemini 4 Argon را منتشر کرد؛ از سه لایه محافظت زمان واقعی تا پایش ناهمترازی و کاهش موفقیت تزریق پرامپت به ۰.۷ درصد.
ادامهٔ مطلبدر این صفحه مقالهای با این عبارت نیست؛ برای جستجو در همهٔ مقاله‌ها Enter را بزنید.
