#NLP

Компактна модель розпізнавання мовлення від дослідників з Hugging Face

Дослідники Hugging Face розробили новий метод розгортання великих попередньо навчених моделей розпізнавання мови на пристроях з обмеженими ресурсами.

Dune Analytics зробила аналіз даних блокчейну більш доступним і зручним

Dune Analytics, платформа для аналізу даних блокчейну, представила ряд нових функцій, які покликані зробити аналіз даних блокчейну більш доступним і зручним для всіх.

InternLM-20B: 20-мільярдний ШІ фреймворк з відкритим вихідним кодом

У галузі обробки природної мови, що стрімко розвивається, дослідники постійно прагнуть розробити моделі, здатні розуміти, міркувати та генерувати текст, як людина. Ці моделі повинні враховувати складні лінгвістичні нюанси, заповнювати мовні прогалини та адаптуватися до різноманітних завдань.

Що таке об’єднання моделей?

Об'єднання моделей, яке часто називають ансамблевим навчанням, — це техніка в машинному навчанні та штучному інтелекті, коли кілька окремих моделей, кожна з яких призначена для певних завдань або проблем, об'єднуються в одну уніфіковану модель.

Дослідники Університету Цінхуа представили OpenChat

У сфері обробки природної мови (Natural Language Processing, NLP), що стрімко розвивається, можливості великих мовних моделей зростають в геометричній прогресії. Дослідники та організації постійно розширюють межі цих моделей, щоб покращити їхню продуктивність у різних завданнях NLP.

CulturaX: 6,3 трильйонів токенів на 167 мовах, пристосовано для розробки великої мовної моделі

Великі мовні моделі (Large Language Models, LLM) суттєво вплинули на дослідження та застосування обробки природної мови (Natural Language Processing, NLP), забезпечуючи найсучаснішу продуктивність у різних завданнях та відкриваючи нові можливості.

Як оптимізація мережі прямого зв’язку підвищує ефективність і точність

Архітектура трансформерів, яка набула популярності в обробці природної мови (Natural Language Processing, NLP) і, зокрема, в машинному перекладі (Machine Translation, MT), відома своєю масштабованістю. Додавання додаткових параметрів моделі зазвичай призводить до покращення продуктивності при виконанні різних завдань NLP.

ШІ-стартап Helsing залучає $223 млн у фінансуванні серії B для оборонних рішень

Компанія Helsing підкреслила свою прихильність до розвитку технології штучного інтелекту для захисту демократичних країн.

Nougat від Meta AI: візуальний трансформер для наукового розпізнавання текстів

Зі стрімким розвитком штучного інтелекту такі підгалузі, як обробка природної мови, генерація природної мови та комп'ютерний зір, набули величезної популярності завдяки широкому спектру застосувань. Серед них оптичне розпізнавання символів (Optical Character Recognition, OCR) є добре відпрацьованою і широко дослідженою галуззю комп'ютерного зору.

Розуміння темної сторони великих мовних моделей

Останніми роками великі мовні моделі (LLM) набули значної популярності в галузі обробки природної мови (Natural Language Processing, NLP). Масштабування моделей машинного навчання на основі нейронних мереж призвело до значного прогресу, в результаті чого з'явилися моделі, здатні генерувати природну мову, яка дуже нагадує текст, створений людиною.

Дослідження ШІ спрямоване на зменшення підлабузництва у великих мовних моделях

За останні роки великі мовні моделі досягли значних успіхів, продемонструвавши свою здатність вирішувати складні завдання, що вимагають міркувань. Значні зусилля таких організацій, як OpenAI та Google, підкреслили ці досягнення, змінивши спосіб взаємодії людини з системами, керованими штучним інтелектом.

ШІ з концепцією емоцій для генеративного голосового контролю

Розпізнавання мовлення стало нещодавнім досягненням у галузі обробки природної мови (Natural Language Processing, NLP). Були розроблені великі мовні моделі для систем ШІ, що генерують голос на основі тексту. Хоча ці моделі продемонстрували здатність відтворювати людську якість голосу, виразів обличчя та поведінки, вони зіткнулися з певними проблемами.