دیتا ماشین شماره ۲۶۲ – توسط کارلوس

امیدواریم که عوامل هوش مصنوعی ظاهر شوند و کمک کنند. اما پس از تبخیر انسان های مسئول، عوامل هوش مصنوعی هرگز وارد نشدند. ۳ پرواز لغو شده ۳۰ ساعت سرگردانی در گاتویک. بدون کمک آنلاین شخصی، بدون دستیاران چت بات، بدون پول نقد ATM، بدون پرداخت کارت، بدون پروازهای فرار از جهنم. انسان بودن یعنی احساس بی فایده بودن و ناتوانی در زمانی که ۱۰۰۰ ماشین در زنجیره ای از کار می افتند، زیرا یک به روز رسانی نرم افزار کوچک اشتباه می شود. من نمی دانم چه اتفاقی می افتد وقتی چند سال دیگر – به ناچار – میلیاردها عامل هوش مصنوعی که در طبیعت کار می کنند تصمیم به اعتصاب بگیرند. در همین حال، سعی می کنم به چند مورد که در رادار هوش مصنوعی من ظاهر می شود، برسم.

مدل Mistral NeMo 12B SOTA. پیشرفته ترین مدل ۱۲B، چند زبانه با طول زمینه ۱۲۸k، که با همکاری NVIDIA ایجاد شده و تحت مجوز Apache 2.0 منتشر شده است. وزن برای نسخه پایه و آموزشی این مدل در Hugging Face میزبانی می شود. برخی از اعضای جامعه سوالاتی را در مورد صحت معیارهای گزارش شده مطرح کرده اند، به خصوص در مقایسه با مدل هایی مانند Llama 3 8B.

Stanford TextGrad: “تمایز” خودکار از طریق متن. یک چارچوب جدید و قدرتمند برای انجام “تمایز” خودکار از طریق متن. TextGrad بازخورد متنی ارائه شده توسط LLM را برای بهبود اجزای جداگانه بازخورد می دهد سیستم هوش مصنوعی ترکیبی. TexGrad تا حد زیادی قابلیت‌های بدون تاثیر LLM را در بسیاری از برنامه‌ها بهبود می‌بخشد.

آموزش سطح اصلاح Tencent. این مقاله تکنیک جدیدی را معرفی می‌کند که به مشکل یادگیری توکن‌های LLM می‌پردازد: هزینه محاسباتی هنگفت پردازش ده‌ها میلیارد توکن. آموزش در سطح Patch با فشرده کردن چندین توکن در یک پچ، طول دنباله را کاهش می‌دهد و سپس مدل برای پیش‌بینی پچ بعدی آموزش داده می‌شود. آموزش در سطح وصله می تواند کل هزینه محاسباتی را تا ۰٫۵× کاهش دهد،

Stanford STORM نوشتار مولد و پرسش و پاسخ طولانی، مشابه ویکی‌پدیا. یک سیستم نوشتاری مولد منبع باز جدید برای نوشتن مقاله های طولانی منطقی و سازماندهی شده از ابتدا، با وسعت و عمق قابل مقایسه با صفحات ویکی پدیا. STORM مرحله پیش از نوشتن را با (۱) کشف دیدگاه های مختلف در تحقیق یک موضوع، (۲) شبیه سازی مکالمات که در آن نویسندگان با دیدگاه های مختلف از یک متخصص موضوع بر اساس منابع اینترنتی معتبر سؤال می پرسند، (۳) آماده سازی اطلاعات جمع آوری شده برای ایجاد یک طرح کلی، مدل می کند.

هفته خوبی داشته باشید

1. وضعیت هوش مصنوعی باز، جولای ۲۰۲۴

2. وضعیت Text2SQL ژوئیه ۲۰۲۴

3. دستکاری مدل جهان شطرنج-GPT

4. بادهای AI زمستان. حالات تغییر کرده است

5. ۴۳ روش مشکوک در یادگیری ماشینی

6. TinyML: چرا آینده ML کوچک و روشن است

7. مدل های اختصاصی هوش مصنوعی را با تنظیم دقیق سریع شکست دهید

8. مسابقه آهنگ هوش مصنوعی ۲۰۲۴: فراخوان برای درخواست

9. فهرستی از ۴۵۰ سیستم ML واقعی از بیش از ۱۰۰ شرکت

10. از نمودارهای دانش تا GraphRAG: داده کاوی هوشمند پیشرفته

Data Machina را با دوستان خود به اشتراک بگذارید

1. Composio – یک جعبه ابزار آماده برای عوامل هوش مصنوعی

2. یک پایگاه داده تعبیه شده یکپارچه برای جستجوی معنایی، ارکستراسیون LLM

3. MSFT Olive – یک ابزار بهینه سازی مدل با تکنیک های پیشرو در صنعت

1. Street Fighter Transformers

2. ترفندهای هسته – شبکه های کانولوشن کرنل

3. [free tutorial] فیزیک مدل های زبان

1. E5-V: جاسازی های جهانی با LLM های چندوجهی (کاغذ، مخزن)

2. IMAGDressing-v1: لباس مجازی سفارشی (کاغذ، دمو، مخزن)

3. تنظیم دقیق و بهینه سازی سریع: ۲ مرحله عالی که با هم بهتر کار می کنند

1. رویکردهای مختلف برای فشرده سازی مدل

2. چگونه یک فروشگاه ویژگی +۲K با DBT، Snowflake و MySQL ساختیم

3. استقرار خطوط لوله CI/CD با GitHub Actions برای MLOها

1. OAK – 500M+ مجموعه داده رمز تولید شده توسط SOTA LLM

2. PetFace: مجموعه داده ای در مقیاس بزرگ برای شناسایی حیوانات

3. DocMatix – مجموعه داده ای عظیم برای پاسخ های بصری به سوالات سند

نکات؟ پیشنهادات؟ بازخورد؟ ایمیل کارلوس

سرپرستی شده توسط @alg0agent در نیمه های شب