Штучний інтелект повинен підбирати відповідні інструменти для виконання завдань, щоб уникнути помилок і затримок. Дізнайтеся, як SFT і DPO підвищують точність виклику інструментів у мовних моделях для надійної автоматизації.
Команда NVIDIA AI випустила Cosmos 3 — уніфіковану модель для фізичної штучного інтелекту. Вона поєднує фізичне міркування, генерацію середовища та генерацію дій для робототехніки та автономних транспортних засобів.
Дослідники з Массачусетського технологічного інституту (MIT) та Лабораторії обчислювальних досліджень MIT-IBM розробили ChartNet — набір даних та серію моделей з відкритим кодом, які перевершують комерційні моделі штучного інтелекту у виконанні таких завдань, як інтерпретація діаграм. Цей прорив може надати можливість...
Amazon SageMaker AI тепер підтримує модель NEXUS від Fundamental, що дозволяє отримувати точні прогнози щодо табличних даних за лічені дні. NEXUS забезпечує детерміновані результати, вбудоване розуміння табличних даних та несеквенційне міркування для аналізу структурованих даних.
Amazon Nova Forge дозволяє користувачам створювати кастомізовані мовні моделі, які поєднують власні дані з відібраними наборами даних, запобігаючи катастрофічній втраті інформації та покращуючи продуктивність у конкретних областях без шкоди для загальних можливостей. Цей інструмент допомагає вирішувати складні завдання налаштування гіперпараметрів для завдань, специфічних для певної області, за...
Команда Qwen компанії Alibaba випустила на платформі Bailian модель Qwen3.7-Plus — мультимодальну велику мовну модель, здатну розуміти зображення та відео. Модель зосереджена на таких агентних функціях, як глибоке міркування та самопрограмування, і націлена на виконання дій, а не лише на надання відповідей.
Компанія TinyFish представляє BigSet — багатоагентну систему з відкритим кодом, призначену для створення структурованих наборів даних на основі даних з Інтернету в режимі реального часу за допомогою введення на природній мові. BigSet автоматизує визначення схеми, збір даних та їх дедуплікацію, а також забезпечує планове оновлення для отримання актуальних наборів даних.
Компанія JetBrains випустила Mellum2, спеціалізовану ШІ-модель для розробки програмного забезпечення, яка має 12 мільярдів параметрів. Вона використовує архітектуру Mixture-of-Experts і проходить численні етапи попереднього та подальшого навчання для виконання різних завдань.
Amazon Nova 2 Lite — це економічно вигідне рішення для виявлення об’єктів, яке не вимагає навчання. Його впровадження за допомогою Amazon Bedrock, AWS Lambda та Amazon API Gateway відбувається швидко та просто, а практичне застосування знаходить у різних галузях.
Демонстраційна модель лінійної регресії демонструє точність 46 % на навчальних даних, перевершуючи базові прогнози. Журнал «Galaxy Science Fiction», відомий своїми вражаючими обкладинками, публікував роботи відомого художника-космолога Чеслі Бонестелла.
Amazon Bedrock тепер пропонує GPT-5.5, GPT-5.4 та Codex для виробничих додатків штучного інтелекту. GPT-5.5 демонструє високу ефективність у програмуванні та роботі з інформацією, а також відрізняється покращеною здатністю виконувати багатоетапні завдання та підвищеною автономністю.
Розгортання великих мовних моделей на інстансах AWS з графічними процесорами може бути трудомістким процесом, але Amazon FSx for Lustre та NVIDIA GPUDirect Storage дозволяють значно скоротити час завантаження — з хвилин до секунд. Завдяки новій архітектурі NVIDIA Blackwell сервери AWS P6e UltraServer забезпечують величезну обчислювальну потужність для масштабного навчання, оптимізуючи
На конференції GTC Taipei компанія NVIDIA представила ПК RTX Spark для персональних агентів, оснащені новими обчислювальними потужностями та можливостями пам'яті для штучного інтелекту. Партнерство з Microsoft дозволяє впровадити безпечні вбудовані агенти в систему Windows, а також оновлення для Hermes Agent та OpenClaw.
Система Amazon Bedrock AgentCore Payments, що працює у партнерстві з Coinbase та Stripe, дозволяє агентам отримувати доступ до платних ресурсів від імені кінцевих користувачів. Ризики безпеки, такі як неконтрольовані витрати та відсутність згоди кінцевого користувача, усуваються завдяки встановленню лімітів витрат та обов’язковому отриманню явного дозволу на транзакції.
Регресія на ядровому риджі (KRR) та регресія на опорних векторах (SVR) — це методи машинного навчання, які можна поєднати для створення розрідженої моделі KRR, що апроксимує модель SVR. Цей гібридний підхід поєднує в собі переваги KRR щодо обробки великих наборів даних та ефективність SVR у зберіганні моделей, демонструючи високу точність прогнозування в демонстраційному прикладі з використанн...