Новостная лента об искусственном интеллекте и машинном обучении

Главные новости и публикации каждый день! Будьте на шаг впереди: узнавайте первыми про новые идеи, тренды и инновации в сфере технологий

NVIDIA Blackwell лидирует в рейтинге производительности MLPerf Training 6.0.

Платформа NVIDIA Blackwell лидирует в рейтинге MLPerf Training 6.0, демонстрируя самые быстрые скорости обучения и масштабные тренировки на 8192 графических процессорах. Компания NVIDIA демонстрирует высокую производительность и масштабируемость благодаря передовым методам обучения NVFP4 и возможностям Blackwell Ultra.

Повышение эффективности декодирования с использованием технологии P-EAGLE в сервисе Amazon SageMaker.

Компания AWS представляет Parallel-EAGLE (P-EAGLE), технологию, предназначенную для повышения скорости работы языковых моделей за счет одновременного предсказания всех потенциальных токенов в рамках одного прохода обработки данных. P-EAGLE устраняет последовательный этап генерации текста, что позволяет достичь увеличения производительности на 1,69 раза по сравнению с традиционными решениями, та...

Защитите свои системы искусственного интеллекта: API "Guardrails" от Amazon Bedrock.

Amazon Bedrock Guardrails представляет собой API под названием InvokeGuardrailChecks, предназначенный для приложений с использованием агентного искусственного интеллекта. Этот API позволяет настраивать механизмы защиты на каждом этапе работы системы искусственного интеллекта, предоставляя числовые оценки для каждого из них, что повышает безопасность и защищает конфиденциальную информацию.

Расширьте возможности ваших исследований с помощью продвинутых агентов и платформы Bedrock AgentCore.

LangChain Deep Agents решает проблему баланса между глубиной анализа и контекстом в исследовательских процессах, использующих искусственный интеллект, путем делегирования сложных задач специализированным подмодулям. Amazon Bedrock AgentCore предоставляет необходимую инфраструктуру, позволяя разработчикам создавать эффективные исследовательские агенты с изолированными средами выполнения для мног...

Улучшение алгоритма опорных векторов для регрессии с использованием языка C#.

Оптимизированный алгоритм регрессии с использованием ядра (kernel ridge regression), реализованный на языке C#, позволяет приближенно воспроизводить результаты метода опорных векторов для регрессии. Этот метод сочетает преимущества обоих подходов, обеспечивая эффективную обработку больших объемов данных.

Представляем Omnigent: внедрение ИИ-агентов на платформах Databricks

Компания Databricks выпустила Omnigent — «мета-фреймворк» с открытым исходным кодом для ИИ-агентов, распространяемый по лицензии Apache 2.0, который обеспечивает беспрепятственное взаимодействие и управление. Omnigent стандартизирует интерфейсы, позволяя инженерам легко заменять и координировать работу нескольких агентов, что расширяет возможности компоновки и совместного использования.

Rocket Close: ускорение операционной деятельности с помощью ИИ

Компания Rocket Close, входящая в состав Rocket Companies и базирующаяся в Детройте, совместно с AWS разработала Supercharger — решение на базе искусственного интеллекта, предназначенное для оптимизации рабочих процессов в сфере оформления прав собственности и повышения эффективности процедур кредитования и покупки жилья. Supercharger централизует знания, автоматизирует трудоемкие исследовател...

Введение в проектирование программ на C# с использованием ключевого слова «dynamic»

Ключевое слово «dynamic» в C# упрощает добавление дополнительных показателей оценки в регрессионные модели, повышая их гибкость и эффективность. В демонстрации представлены различные методы оценки, такие как RMSE, R² и точность по базовой линии, для более точной оценки модели.

Zyphra представляет революционную модель Zamba2-VL

Компания Zyphra представляет Zamba2-VL — новую серию моделей «зрение-язык», отличающуюся уникальной гибридной архитектурой, которая обеспечивает более высокую точность и меньшую задержку. Базовая архитектура Zamba2 сочетает в себе слои пространства состояний Mamba2 и общие блоки трансформеров, демонстрируя конкурентоспособную производительность в различных тестах.

Оптимизируйте оценку ИИ с помощью Agent-EvalKit

Agent-EvalKit представляет собой комплексную инфраструктуру для оценки ИИ-агентов, позволяющую отслеживать использование инструментов и достоверность данных. Он интегрируется с популярными помощниками по программированию в сфере ИИ и предоставляет подробные рекомендации по улучшению на основе анализа кода. Для эффективной оценки необходимо измерять качество агентов по нескольким параметрам, пр...

Сотрудники Массачусетского технологического института получили престижные стипендии Hertz 2026 года

Фонд Херца предоставил стипендии студентам Массачусетского технологического института (MIT) — Аннике Маршнер, Элвину К. Менгу, Закари С. Сигелу и Мэтью Ванте — обеспечив им пятилетнюю финансовую поддержку для проведения новаторских исследований. Получатели стипендий обретают самостоятельность и доступ к сети из более чем 1 300 стипендиатов, что способствует совместным прорывам в области науки ...

Чжао Цзиньхуа назначен руководителем отдела городских исследований и планирования

Цзяо Цзиньхуа назначен руководителем кафедры городских исследований и планирования Массачусетского технологического института (MIT), известной своим вкладом в формирование глобальных систем мобильности и установлением связи между научными исследованиями и политикой. Работа Цзяо с ведущими специалистами в области транспорта

Оптимизация точности чертежей в Amazon Bedrock Automation

Amazon Bedrock Data Automation (BDA) упрощает извлечение структурированных данных из разнообразных документов с помощью настраиваемых шаблонов. Оптимизация инструкций шаблонов повышает точность без необходимости отдельной настройки модели, что кардинально меняет подход к извлечению полей из документов.

Повысьте эффективность регрессионного анализа с помощью AdaBoost.R2 в C#

AdaBoost. R2-регрессия позволяет прогнозировать отдельные числовые значения за счет последовательного улучшения регрессионных моделей на основе деревьев. Демонстрационная программа показывает точность 82,50 % на обучающей выборке и 52,50 % на тестовой выборке.

Сила тройки в прогнозировании предпочтений

Статья Л. Л. Терстоуна 1927 года, посвящённая моделям случайной полезности, заложила основу для понимания человеческих предпочтений. Недавние исследования специалистов Массачусетского технологического института (MIT) открывают новые перспективы и указывают на возможные пути совершенствования этих моделей.