Компанія Nvidia представила нову технологію, яка може допомогти роботам освоїти складні навички, такі як трюки з ручкою, швидше, ніж це зможе зробити хірург-початківець.
Spirit of Satoshi - це нова мовна модель штучного інтелекту, яка була розроблена для сприяння навчанню та впровадженню біткоїну.
Компанія Anthropic розробила першу у своєму роді велику мовну модель (LLM), яка була налаштована з урахуванням оціночних суджень спільноти її користувачів.
Команда дослідників з Nvidia та Університету Іллінойсу в Урбане-Шампейне представила захоплюючий прорив у сфері мовних моделей. Представляємо вам Retro 48B — гіганта серед мовних моделей, який може похвалитися 48 мільярдами параметрів, що є значним стрибком у порівнянні з попередніми моделями, доповненими пошуком, такими як Retro…
У широкому контексті інтелектуальні агенти — це автономні вирішувачі проблем, здатні сприймати, виносити судження і діяти на основі даних, зібраних з навколишнього середовища. Нещодавні застосування цієї концепції показали перспективність розробки мовних агентів, здатних виконувати широкий спектр складних завдань, використовуючи природну мову в різних контекстах.
У нещодавній статті під назвою "На шляху до моносемантичності: Декомпозиція мовних моделей за допомогою вивчення словників", дослідники вирішили проблему розуміння складних нейронних мереж, зокрема мовних моделей, які знаходять широке застосування в різних додатках.
Mistral Trismegistus-7B — це не зовсім звична модель штучного інтелекту; це цифровий містик на базі штучного інтелекту, створений для того, щоб проводити користувачів через езотеричну, окультну та духовну сфери.
Дослідники з System2 Research, Кембриджського університету, Університету Монаша та Прінстонського університету досягли значних успіхів у точному налаштуванні попередньо навчених мовних моделей для створення більш ефективних мовних агентів, особливо у сфері запитально-відповідних завдань з використанням пошукового API Google.
Впровадження архітектури трансформерів завдяки механізму самонавчання, збільшенню розміру моделі та обсягу даних для попереднього навчання значно покращило роботу з великими мовними моделями.
Останні досягнення значно покращили генерацію зображень з текстових описів і синтез нових зображень шляхом поєднання тексту і зображень. Однак з'явився новий рубіж: генерування зображень з узагальнених вхідних даних мовою технічного зору, особливо тих, що включають складні описи сцен з багатьма об'єктами і людьми.
Авторегресійні мовні моделі продемонстрували свою здатність передбачати наступне підслово в реченні, не покладаючись на заздалегідь визначену граматику чи правила синтаксичного аналізу. Цей підхід було поширено на області безперервних даних, такі як генерація аудіо та зображень, де дані представлені у вигляді дискретних токенів, подібно до словників,…
Останніми роками мовні моделі продемонстрували вражаючі навички розуміння та генерування тексту, подібного до людського. Однак, незважаючи на їхні чудові мовні можливості, ці моделі часто відстають у складних міркувальних завданнях.
Штучний Інтелект