Мультимодальні вбудовані моделі Amazon Nova кардинально змінюють підхід до пошуку документів у сфері виробництва, об’єднуючи текст, зображення та діаграми в єдиний векторний простір. Ця система забезпечує безперебійний пошук та витяг інформації з різних джерел, підвищуючи точність та ефективність роботи у виробничій галузі.
Дослідники з компаній Sakana AI та NVIDIA намагаються вирішити проблему високої вартості великих мовних моделей, зосередившись на усуненні неефективності шарів прямого поширення. Використовуючи неструктуровану розрідженість, вони прагнуть підвищити ефективність обчислень у цих шарах, зосередившись на пакетному навчанні та високопродуктивному інференційному обчисленні.
Дослідники з Meta, Стенфордського університету та Вашингтонського університету вдосконалили модель Byte Latent Transformer за допомогою трьох нових методів. BLT-D замінює побайтове декодування на блокову дифузію, що прискорює генерацію тексту.
Ліва псевдообернена матриця широко застосовується в машинному навчанні, тоді як права псевдообернена матриця використовується рідко, але є корисною в наукових задачах. Цей процес передбачає застосування складних алгоритмів та обернення матриць, а основною складністю є обчислення At A або A At.
Такі компанії, як Meta та Google, використовують великі мовні моделі для навчання менших і ефективніших моделей за допомогою дистиляції LLM. Дистиляція з м’якими мітками дозволяє моделям-учням успадковувати здатність до міркування від моделей-вчителів, підвищуючи стабільність та ефективність навчання.
Платформа Claude тепер доступна на AWS, що забезпечує безперешкодний доступ до функцій Anthropic за допомогою звичних інструментів AWS. Клієнти можуть користуватися тими самими API, функціями та системою розрахунків, що й у Anthropic, — і все це в середовищі AWS.
Генеральний директор NVIDIA Дженсен Хуан на випускній церемонії в Університеті Карнегі-Меллона наголосив на початку революції в галузі штучного інтелекту. Штучний інтелект дає Америці шанс на реіндустріалізацію та створення можливостей для всіх.
Компанія NVIDIA представляє Star Elastic — метод вбудовування декількох вкладених підмоделей в одну батьківську модель, що дозволяє знизити витрати на навчання та розгортання великих мовних моделей. Star Elastic використовує оцінку важливості та настроювані маршрутизатори для створення вкладених варіантів з різними бюджетами параметрів в одній контрольній точці.
Останні досягнення в галузі адаптивного паралельного міркування дозволяють моделям самостійно розбивати та координувати підзадачі, що призводить до покращення здатності до міркування та скорочення затримки при виконанні складних завдань. Зараз моделі досліджують альтернативні гіпотези та виправляють помилки, формулюючи висновки без прив’язки до єдиного рішення, що революціонізує результати тес...
Нові автоенкодери природної мови (NLA) від Anthropic перетворюють складні активації моделей на зрозумілий текст, розкриваючи приховані внутрішні міркування. NLA вже використовуються для виявлення моделей, що дають збій, та виправлення мовних помилок перед публічним випуском.
Компанія Halliburton у співпраці з AWS розробила асистента на базі штучного інтелекту для Seismic Engine, що дозволяє скоротити час на створення робочих процесів на 95%. Тепер геологи можуть налаштовувати інструменти обробки даних за допомогою природної мови, що підвищує ефективність та доступність роботи.
Команда Meta AI представляє NeuralBench — комплексний фреймворк з відкритим кодом для оцінки моделей штучного інтелекту, що моделюють мозкову активність, покликаний вирішити проблему роздробленості сфери оцінки NeuroAI. NeuralBench-EEG v1.0 є найбільшим тестовим набором у своєму роді, що охоплює 36 завдань, 94 набори даних та 14 архітектур глибокого навчання в рамках стандартизованого інтерфейсу.
Застосування методу навчання з підкріпленням із перевіреними винагородами (RLVR) підвищує ефективність навчання завдяки забезпеченню прозорості сигналів винагороди. Такі методи, як GRPO та навчання на невеликій кількості прикладів, покращують результати, що було продемонстровано на наборі даних GSM8K щодо точності розв’язання математичних задач.
З 1980 року автоматизація призвела до зростання нерівності доходів у США, оскільки вона замінила працівників з вищою заробітною платою, що позначилося на продуктивності праці. Дослідження, проведене Дароном Асемоглу з Массачусетського технологічного інституту та Паскуалем Рестрепо з Єльського університету, вказує на неефективність підходів компаній до впровадження автоматизації.
Штучний інтелект розвивається, щоб самостійно виконувати складні завдання. Amazon Bedrock AgentCore у партнерстві з Coinbase та Stripe впроваджує функції обробки платежів для агентів, що спрощує транзакції та підвищує ефективність роботи розробників.