DiffusionGemma: نموذج عصبي لتوليد النصوص بسرعة
كشفت Google DeepMind عن DiffusionGemma، وهو نموذج لتوليد النصوص بسرعة على منصات NVIDIA. يعالج النموذج مشكلة بطء التوليد token-by-token في روبوتات الدردشة والوكلاء. والنتيجة للمطورين: زمن استجابة أقل، وتكاليف تشغيل أدنى، وتجاوب أفضل.
معالج بواسطة الذكاء الاصطناعي من NVIDIA Developer Blog؛ بتحرير Hamidun News
كشفت Google DeepMind عن DiffusionGemma، وهو نموذج عصبي لتوليد النصوص يعالج أبرز مشكلة تواجه المطورين. فنماذج LLM الحديثة تولّد النص token تلو الآخر، وهذا يضيف زمن تأخير، ويرفع تكلفة التشغيل، ويضعف تجربة المستخدم في التطبيقات الفورية (real-time).
كيف يولّد
DiffusionGemma النص بسرعة أكبر من النماذج العصبية التقليدية؟ بدلًا من التنبؤ بكل token تالٍ على التوالي، يعمل النموذج بصورة أكثر توازيًا، ما يخفض زمن الاستجابة (latency) بشكل ملحوظ في التطبيقات الفورية (real-time).
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.