Zhemal Khamidun
انتقاء تحريري يومي لأهم أخبار الذكاء الاصطناعي من أكثر من 50 مصدر.
10103 مقالاً
شركة Together AI تطلق خدمة Post-Training: تدريب بالتعزيز (RL) وضبط دقيق (SFT) على شريحة B200 مقابل $9 لكل ساعة GPU
أطلقت Together AI خدمة Post-Training لتدريب RL وSFT على وحدات GPU مخصصة عبر LoRA والأوزان الكاملة ونقل سهل من Tinker. سعر B200 يبدأ من $9 لكل ساعة GPU لأول 8 أسابيع.
UniPat AI تضخ 100 مليون يوان في برنامج Fellows للعلماء
تطلق شركة UniPat AI الصينية الناشئة برنامج UniPat Fellows: 100 مليون يوان لمدة عام، وائتمانات API بقيمة 500 ألف يوان لكل باحث، إضافة إلى البيانات والخبراء والقدرات…
USTC تطلق «العالِم الآلي 2.2»: الذكاء الاصطناعي ينتقل من إجراء التجارب إلى ابتكار المواد
كشفت جامعة العلوم والتكنولوجيا في الصين عن سلسلة «العالِم الآلي 2.2». الادعاء: النظام لا يكتفي بإجراء التجارب، بل ينشئ مواد جديدة بشكل مستقل.
أمازون تقدّر قيمة أعمال الرقائق لديها بـ50 مليار دولار وتستعد للبيع إلى جهات خارجية
Google وIntel توسّعان شراكتهما في مجال بنية الذكاء الاصطناعي التحتية
قاتل الروتين: لماذا يتفوّق Claude Cowork على ChatGPT في إنجاز المهام
Black Forest Labs: فريق من 70 شخصًا يتحدى عمالقة وادي السيليكون
الدليل الشامل لـ ModelScope: من البحث عن النماذج إلى تصديرها
دليل عملي مفصّل للعمل مع منصة ModelScope على Google Colab: كيف تبحث عن نماذج الذكاء الاصطناعي وتختبرها وتضبطها بدقة وتصدّرها عبر سير عمل ميسّر.
OSGym: إطار عمل جديد لتدريب وكلاء الذكاء الاصطناعي على نطاق واسع بتكلفة زهيدة
يقدّم OSGym بنية تحتية تتيح تشغيل آلاف البيئات الافتراضية لتدريب الذكاء الاصطناعي على التحكم بالحاسوب، بتكلفة تعادل فنجان قهوة يوميًا.
OpenAI تعرض ChatGPT Voice الجديد على نموذج GPT Live دون تفاصيل تقنية
مقارنة بين Sigmoid وReLU: الثمن الخفي لفقدان السياق الهندسي
بناء خطوط معالجة المستندات بالذكاء الاصطناعي باستخدام LangExtract وOpenAI
EgoX يجمع الكاميرا واليدين والأجسام في مشهد ثلاثي الأبعاد واحد، وبدقة أعلى بنسبة 65,6% في اليدين
نموذج Halcyon يتفوق على LlamaGen وJiT-T2I باستهلاك حوسبة تدريب مسبق أقل بمقدار 18 إلى 275 مرة
درّب باحثون Halcyon من الصفر على 100M زوج صورة-نص دون تدريب لغوي مسبق: gFD 48.0 مقابل 63.3 لـ LlamaGen مع خفض كلفة الحوسبة بمقدار 18.2×.
MemT-1.0 يدمج الذاكرة في النموذج نفسه: تخزين أصغر بـ 66 مرة عند سياق 128K
عائلة MemT-1.0 تضع الذاكرة داخل حسابات النموذج عبر Gated DeltaNet-2. عند تاريخ بطول 128K رمز، يسرّع Nano الاستدلال 1,86 مرة ويقلّص التخزين 66 مرة.