TextQuests: ახალი ბენჩმარკი ხელოვნური ინტელექტის აგენტების შესაძლებლობების შესაფასებლად
ახალი ბენჩმარკი, TextQuests, იყენებს 25 კლასიკურ Infocom-ის ინტერაქციულ მხატვრულ თამაშს, რათა შეაფასოს ხელოვნური ინტელექტის აგენტების უნარი, იმუშაონ ავტონომიურად რთულ საძიებო გარემოში. იგი ავლენს LLM-ების გამოწვევებს ხანგრძლივი კონტექსტის გაგებაში, როგორიცაა ჰალუცინაციები და სივრცითი მსჯელობის სირთულეები.
მორგებული CUDA ბირთვები: შექმნა, ოპტიმიზაცია და განთავსება kernel-builder-ის გამოყენებით
ეს სახელმძღვანელო დეტალურად აღწერს, თუ როგორ გამოიყენოთ kernel-builder ბიბლიოთეკა მორგებული CUDA ბირთვების შესაქმნელად PyTorch-ისთვის. ის მოიცავს ნაბიჯებს ადგილობრივი განვითარებიდან მრავალ არქიტექტურაზე აწყობამდე, ეფექტური და შენარჩუნებადი სისტემების შექმნას, PyTorch-ის C++ API-ის გამოყენებით ფუნქციების მშობლიურ ოპერატორებად რეგისტრაციას და `nix` გარემოს გამოყენებას რეპროდუცირებადი აწყობის პროცესისთვის. ასევე განხილულია ბირთვების ოპტიმიზაცია, განთავსების გამოწვევები და მათი გაზიარება დეველოპერულ
JAX/Flax-ის გამოყენება Stable Diffusion-ის ინფერენსისთვის TPU-ზე
ეს სტატია დეტალურად აღწერს, თუ როგორ უნდა განახორციელოთ ინფერენსი Stable Diffusion მოდელზე JAX-ისა და Flax-ის გამოყენებით, განსაკუთრებით TPU მოწყობილობებზე. განხილულია ინსტალაციის, ლიცენზიის მიღების, პარალელური დამუშავების, შემთხვევითი რიცხვების გენერირებისა და JAX-ის JIT კომპილაციის მნიშვნელობა ოპტიმალური მუშაობისთვის. გაიგებთ, თუ როგორ უნდა მოამზადოთ გარემო Colab-ში, მიიღოთ CreativeML OpenRail-M ლიცენზია Hugging Face Hub-დან და გამოიყენოთ TPU-ს 8 პარალელური ამაჩქარებელი 8 გამოსახულების ერთდროუ
Hugging Face-ი და AMD ხელოვნური ინტელექტის განვითარებას AMD Instinct MI300 GPU-ების ინტეგრაციით აძლიერებენ
Hugging Face-ი და AMD აცხადებენ თანამშრომლობის გაფართოებას უახლესი თაობის AMD Instinct MI300 GPU სერვერების Hugging Face პლატფორმაში სრულფასოვანი ინტეგრაციის მიზნით. ეს ნაბიჯი დეველოპერებს საშუალებას მისცემს, მარტივად განათავსონ და მაქსიმალური წარმადობით გამოიყენონ ხელოვნური ინტელექტის მოდელები, კოდის შეცვლის გარეშე, ადგილობრივი გარემოდან დაწყებული Azure-ის საწარმოო ვირტუალურ მანქანებამდე. ინტეგრაცია მოიცავს CI/CD-ის გაუმჯობესებას, TGI-ის (text-generation-inference) ოპტიმიზაციას Meta Llama ოჯახი
დღეს წარვადგენთ Dell Enterprise Hub-ს: ღია მოდელების მარტივი წვრთნა და განთავსება Dell-ის პლატფორმებზე
Dell Enterprise Hub, Hugging Face-ის ახალი შეთავაზება, ამარტივებს ღია ხელოვნური ინტელექტის მოდელების (როგორიცაა Llama 3 და Mixtral) ლოკალურ წვრთნასა და განთავსებას Dell-ის პლატფორმების გამოყენებით. ის კვირების საინჟინრო სამუშაოს წუთებამდე ამცირებს, გვთავაზობს შერჩეულ მოდელებს და უზრუნველყოფს უსაფრთხო, შესაბამის დახვეწასა და განთავსებას საწარმოს გარემოში.
ჰომომორფული დაშიფვრა მოქმედებაში: სენტიმენტების ანალიზი დაშიფრულ მონაცემებზე Concrete-ML-ით
ახალი ტექნოლოგიური მიღწევა მონაცემთა კონფიდენციალურობის სფეროში: სტატია იკვლევს ჰომომორფულ დაშიფრვას (FHE), რომელიც იძლევა დაშიფრულ მონაცემებზე გამოთვლების საშუალებას მათი გაშიფვრის გარეშე. Concrete-ML ბიბლიოთეკის დახმარებით, მონაცემთა მეცნიერებს შეუძლიათ შექმნან მანქანური სწავლების მოდელები FHE გარემოში კრიპტოგრაფიის ცოდნის გარეშე. გთავაზობთ პრაქტიკულ სახელმძღვანელოს დაშიფრულ მონაცემებზე სენტიმენტების ანალიზის მოდელის შესაქმნელად, დემო ვერსიით Hugging Face Spaces-ზე.
ღია Embedding მოდელების განთავსება Amazon SageMaker-ზე Hugging Face Embedding კონტეინერის გამოყენებით
ეს ბლოგი დეტალურად აღწერს, თუ როგორ უნდა განათავსოთ ღია Embedding მოდელები, როგორიცაა Snowflake Arctic Embed, Amazon SageMaker-ზე ინფერენციისთვის, ახალი Hugging Face Embedding კონტეინერის გამოყენებით. სტატია მოიცავს განვითარების გარემოს დაყენებას, კონტეინერის მოძიებას, მოდელის განთავსებას და მისი მუშაობის შეფასებას როგორც CPU, ასევე GPU ინსტანციებზე, ხაზს უსვამს Text Embedding Inference (TEI)-ის ეფექტურობას და ხარჯ-ეფექტურობას.
Meta-მ Gaia2 წარმოადგინა: ახალი ბენჩმარკი AI აგენტებისთვის
კომპანია Meta-მ წარმოადგინა Gaia2, ახალი აგენტური ბენჩმარკი, რომელიც GAIA-ს გაგრძელებაა და მიზნად ისახავს ხელოვნური ინტელექტის აგენტების მნიშვნელოვნად უფრო რთული ქცევების ანალიზს. Gaia2 გამოვიდა Meta-ს ღია Agents Research Environments (ARE) ფრეიმვორქთან ერთად, რაც საშუალებას იძლევა აგენტების გაშვებას, გამართვას და შეფასებას რეალური სამყაროს მსგავს პირობებში. ბენჩმარკი აფასებს აგენტებს ინტერაქციულ ქცევაში, ბუნდოვანი ან დროში შეზღუდული მოთხოვნების შესრულებაში, ხმაურიან გარემოში ადაპტირებასა და ხელ
BigCodeArena: კოდის გენერაციის ხელოვნური ინტელექტის მოდელების შეფასების ახალი სტანდარტი რეალური გაშვებით
BigCodeArena არის ინოვაციური პლატფორმა, რომელიც საშუალებას აძლევს მომხმარებლებს, შეადარონ ხელოვნური ინტელექტის კოდის გენერაციის მოდელები არა მხოლოდ კოდის წაკითხვით, არამედ მისი რეალური გაშვებით და შედეგების დანახვით. ის აგვარებს ტრადიციული შეფასების მეთოდების პრობლემებს, გვთავაზობს სანდბოქს გარემოებს კოდის ავტომატური გაშვებისთვის, მრავალსვლიან ინტერაქციებს და მომხმარებლის შეფასებებზე დაფუძნებულ ლიდერბორდს. პლატფორმა უკვე ლიდერბორდში აერთიანებს მოწინავე LLM-ების რეიტინგებს, აჩვენებს რა გამოკვეთილ
NVIDIA-ს Nemotron-Personas-India: მონაცემთა უნიკალური ბაზა ინდოეთის მრავალენოვანი AI სისტემებისთვის
ინდოეთი, 700 მილიონზე მეტი ინტერნეტ მომხმარებლით და მრავალი ენით, ხელოვნური ინტელექტის (AI) უზარმაზარ შესაძლებლობებს გვთავაზობს. თუმცა, არსებული მონაცემთა ბაზები ხშირად დასავლურ ნორმებსა და ინგლისურენოვან კონტექსტს ასახავს, რაც ზღუდავს AI-ის ადაპტაციას ინდოეთის მრავალენოვან და მრავალ-წერილობით გარემოში. ამ პრობლემის გადასაჭრელად, NVIDIA-მ გამოუშვა Nemotron-Personas-India — პირველი ღია სინთეზური მონაცემთა ბაზა, რომელიც ინდური პერსონების დემოგრაფიულ, გეოგრაფიულ და კულტურულ მახასიათებლებს ასახავს.
გრაფები მანქანურ სწავლებაში: სტრუქტურირებული მონაცემების გაგება და გამოყენება
ეს სტატია გთავაზობთ გრაფების სამყაროს მიმოხილვას მანქანურ სწავლებაში, განმარტავს მათ არსს, გამოყენებას და წარმოდგენის საუკეთესო გზებს. განხილულია გრაფებზე სწავლის მეთოდები, ნეირონულ ქსელებამდელი მიდგომებიდან გრაფულ ნეირონულ ქსელებამდე და ტრანსფორმერებამდე. სტატია დეტალურად აღწერს გრაფებზე შესრულებად ამოცანებს, როგორიცაა კვანძის, წიბოს და გრაფის დონის პროგნოზირება, ასევე განიხილავს ტრანსდუქციურ და ინდუქციურ გარემოებებს, და გრაფების წარმოდგენის გამოწვევებს მანქანურ სწავლებაში.
Hugging Face Hub-ი 2.2 მილიონ მოდელსა და მონაცემთა ნაკრებს VirusTotal-ის სკანერით დაიცავს
ხელოვნური ინტელექტის მოდელებისა და მონაცემთა ნაკრებების უმსხვილესმა ღია პლატფორმამ, Hugging Face Hub-მა, დაიწყო 2.2 მილიონზე მეტი საჯარო რეპოზიტორიის უწყვეტი სკანირება VirusTotal-ის მეშვეობით. ეს ნაბიჯი მიზნად ისახავს AI მოდელებში არსებული ფარული რისკების, როგორიცაა მავნე ბინარული ფაილები და დამოკიდებულებები, გამოვლენასა და პრევენციას, რითაც უზრუნველყოფილია მომხმარებლებისთვის უსაფრთხო გარემო. ინტეგრაცია დამატებით დაცვასა და ხილვადობას უზრუნველყოფს მსოფლიოს ერთ-ერთი უმსხვილესი მავნე პროგრამების ს
Meta-PyTorch და Hugging Face OpenEnv ჰაბს უშვებენ აგენტური გარემოებებისთვის
Meta-PyTorch და Hugging Face პარტნიორობენ OpenEnv ჰაბის გასაშვებად, საერთო პლატფორმისთვის, სადაც დეველოპერებს შეუძლიათ შექმნან, გააზიარონ და გამოიკვლიონ OpenEnv-თან თავსებადი გარემოებები ხელოვნური ინტელექტის აგენტების ტრენინგისა და განლაგებისთვის. ეს ინიციატივა მიზნად ისახავს აგენტური განვითარების სტანდარტიზაციას, უსაფრთხოებას და კონტროლს, მკაფიო, იზოლირებული „ქვიშის ყუთის“ (sandbox) გარემოებების შეთავაზებით.
Meta-PyTorch და Hugging Face OpenEnv Hub-ს წარადგენენ: ახალი ერა აგენტურ AI-ში
Meta-PyTorch-ისა და Hugging Face-ის პარტნიორობით, დაიწყო OpenEnv Hub-ის პროექტი, რომელიც მიზნად ისახავს აგენტური ხელოვნური ინტელექტის (AI) განვითარების სტანდარტიზებასა და დაჩქარებას. OpenEnv Hub არის საერთო სივრცე დეველოპერებისთვის, სადაც მათ შეუძლიათ შექმნან, გააზიარონ და გამოიკვლიონ OpenEnv-თან თავსებადი გარემოები AI აგენტების წვრთნისა და განლაგებისთვის. ეს ინიციატივა მნიშვნელოვნად გაამარტივებს AI აგენტების უსაფრთხო, მკაფიო და მასშტაბირებად განვითარებას, აწვდის მათ საჭირო ხელსაწყოებსა და კონტე
ნიუ-იორკი მონაცემთა ცენტრების მშენებლობაზე სამწლიან მორატორიუმს აწესებს ქვეყნის მასშტაბით მზარდი უკმაყოფილების ფონზე
ორმა ნიუ-იორკელმა კანონმდებელმა წარადგინა კანონპროექტი მონაცემთა ცენტრების მშენებლობაზე სამწლიანი მორატორიუმის დაწესების შესახებ, რაც ასახავს მზარდ ბიპარტიულ უკმაყოფილებას მთელი ქვეყნის მასშტაბით ენერგიის მოხმარების, გარემოზე ზემოქმედებისა და სამომხმარებლო ხარჯების გამო. ეს ინიციატივა სხვა შტატების ნაბიჯებს იმეორებს, სადაც მსგავსი შეზღუდვები დაწესდა, რაც ხაზს უსვამს ამ საკითხის ეროვნულ მნიშვნელობას.
აშშ-ის გარემოს დაცვის სააგენტო კლიმატის რეგულაციას აუქმებს: მოსალოდნელი სამართლებრივი ბრძოლა
აშშ-ის გარემოს დაცვის სააგენტო (EPA) ხუთშაბათს, სავარაუდოდ, გააუქმებს „საფრთხის აღმოჩენის დასკვნას“, რომელიც ემსახურება სათბურის აირების რეგულირების სამართლებრივ საფუძველს. ეს ნაბიჯი, რომელიც მემარჯვენე ინტერესთა ჯგუფების 15-წლიანი მუშაობის შედეგია, კლიმატის რეგულირების წინააღმდეგ მიმართული ყველაზე აგრესიული ქმედებაა დღემდე და სავარაუდოდ, უზენაეს სასამართლოში გრძელვადიან დაპირისპირებას გამოიწვევს. აღნიშნულმა გადაწყვეტილებამ შესაძლოა, მნიშვნელოვანი სამართლებრივი და მარეგულირებელი გაურკვევლობა შექ
აშშ: გარემოს დაცვის სააგენტო კლიმატის რეგულაციების გაუქმებისთვის ემზადება
აშშ-ის გარემოს დაცვის სააგენტო (EPA) სავარაუდოდ გააუქმებს „საფრთხის დადგენას“, 2009 წლის გადაწყვეტილებას, რომელიც სათბურის გაზების რეგულირების სამეცნიერო და სამართლებრივ საფუძველს წარმოადგენს. ეს ნაბიჯი, მემარჯვენე ინტერესთა ჯგუფების 15-წლიანი მუშაობის შედეგი, მიჩნეულია ყველაზე აგრესიულ ქმედებად კლიმატის რეგულირების წინააღმდეგ აშშ-ში. მოსალოდნელია, რომ მას მოჰყვება ხანგრძლივი სამართლებრივი ბრძოლა, რომელიც, სავარაუდოდ, უზენაეს სასამართლომდე მივა და მნიშვნელოვან იურიდიულ და სარეგულაციო გაურკვევლობ
OpenAI-სა და ჯონი აივის იდეალური AI მოწყობილობა: ხედვა მშვიდი, ინტელექტუალური თანამგზავრის შესახებ
იმის ნაცვლად, რომ ვივარაუდოთ OpenAI-სა და ჯონი აივის მიერ შექმნილ ხელოვნური ინტელექტის მოწყობილობაზე, ეს სტატია წარმოადგენს იდეალურ AI თანამგზავრს, რომელიც შეუფერხებლად ინტეგრირდება ყოველდღიურ ცხოვრებაში, გთავაზობთ მშვიდ, ფრთხილ და ღრმად ინტელექტუალურ დახმარებას გარემოცვის შეგრძნების, ამოცანების ავტომატიზაციისა და პერსონალიზებული მეხსიერების მეშვეობით, ტრადიციული ეკრანების მიღმა. ის იმუშავებს როგორც პერსონალური ასისტენტი, რომელიც წინასწარ განჭვრეტს საჭიროებებს და ავტომატურად ასრულებს დავალებებს.
MIT-ის მკვლევრებმა სივრცითი მონაცემების ანალიზისთვის სანდოობის ინტერვალების ახალი მეთოდი შექმნეს
მანქანური სწავლების არსებული მეთოდები ხშირად იძლევა არაზუსტ სანდოობის ინტერვალებს სივრცეში ცვალებადი მონაცემების ანალიზისას, რამაც შეიძლება მკვლევრები შეცდომაში შეიყვანოს. MIT-ის მეცნიერებმა შეიმუშავეს ახალი ტექნიკა, რომელიც თანმიმდევრულად აგენერირებს სანდო ინტერვალებს ასეთი სივრცითი პრობლემებისთვის, რითაც ზრდის სამეცნიერო დასკვნების სანდოობას გარემოსდაცვითი მეცნიერების, ეკონომიკისა და ეპიდემიოლოგიის სფეროებში.
MIT-ის ახალი პროფესორი იუნჰა ჰვანგი: გამოთვლითი მიდგომები მიკრობული სიცოცხლის საიდუმლოებების ამოსახსნელად
დედამიწაზე არსებული სიცოცხლის უდიდესი ნაწილი მიკრობულია, თუმცა მათი მრავალფეროვნების მცირე ნაწილია მხოლოდ შესწავლილი. MIT-ის ახალი პროფესორი იუნჰა ჰვანგი, ბიოლოგიისა და კომპიუტერული მეცნიერების მიმართულებების კვეთაზე მუშაობს, რათა გამოიყენოს გენომური ენის მოდელირება – ხელოვნური ინტელექტის ფორმა, რომელიც დნმ-ის „ენას“ სწავლობს – ექსტრემალურ გარემოში მცხოვრები მიკრობების ფუნქციებისა და ევოლუციური კავშირების გასაგებად, რომელთა კულტივირება ლაბორატორიულ პირობებში შეუძლებელია.
როგორ ვითარდება თვალები: MIT-ის მკვლევრები ხელოვნურ ინტელექტში ევოლუციის სიმულაციას ახდენენ
მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) მკვლევრებმა შეიმუშავეს ახალი კომპიუტერული მოდელი, რომელიც მათ საშუალებას აძლევს, ხელოვნური ინტელექტის აგენტებში ვიზუალური სისტემების ევოლუცია შეისწავლონ. ეს „სამეცნიერო სავარჯიშო მოედანი“ ეხმარება იმის გაგებაში, თუ რატომ განუვითარდათ სხვადასხვა ცხოველს მარტივი თუ კომპლექსური თვალები. მოდელირებული პროცესის მიხედვით, თვალების ევოლუცია ამოცანებმა და გარემო პირობებმა განაპირობა, რაც ბიოლოგიურ ევოლუციაზე ახალ შეხედულებებსა და სენსორების დიზაინის ინოვაციურ მი
MIT-ის მკვლევრები მანქანური სწავლების მოდელების სანდოობას ახალ გარემოში ეჭვქვეშ აყენებენ
MIT-ის მეცნიერებმა გამოავლინეს მანქანური სწავლების მოდელების მნიშვნელოვანი ჩავარდნები, როდესაც ისინი გამოიყენება გაუწვრთნელ მონაცემებზე. კვლევამ აჩვენა, რომ „საუკეთესო“ მოდელიც კი შეიძლება უარესი აღმოჩნდეს ახალ გარემოში მონაცემთა 75 პროცენტისთვის, რაც ხშირად ცრუ კორელაციებითაა გამოწვეული და აუცილებელს ხდის მოდელების მუდმივ ტესტირებას ახალ კონტექსტში განთავსებისას.
MIT-ის მკვლევრები: მანქანური სწავლების მოდელები ახალ გარემოში მარცხდება, რაც ფართო ტესტირების აუცილებლობას უსვამს ხაზს
MIT-ის მკვლევრებმა დაადგინეს, რომ მანქანური სწავლების მოდელები, თუნდაც დიდი მოცულობის მონაცემებზე გაწვრთნილი და თავდაპირველ გარემოში კარგად მოქმედი, შესაძლოა მნიშვნელოვნად ჩავარდნენ, როდესაც ისინი ახალ, განსხვავებულ მონაცემებზე გამოიყენება. ეს ხშირად ხდება „მცდარი კორელაციების“ გამო, რომლებსაც მოდელი სასწავლო მონაცემებიდან ითვისებს, რაც იწვევს არასანდო პროგნოზებსა და მიკერძოებულ გადაწყვეტილების მიღებას, განსაკუთრებით ისეთ კრიტიკულ სფეროებში, როგორიცაა სამედიცინო დიაგნოსტიკა. მიგნებები ხაზს უსვამ
MIT-ის ახალი AI სისტემა რობოტებს საშუალებას აძლევს, წამებში შექმნან 3D რუკები რთულ გარემოში
MIT-ის მკვლევრებმა შეიმუშავეს ინოვაციური AI-სისტემა, რომელიც რობოტებს საშუალებას აძლევს, სწრაფად შექმნან დეტალური 3D რუკები რთულ გარემოში. სისტემა აერთიანებს ხელოვნური ინტელექტის ვიზუალურ მოდელებსა და კლასიკურ კომპიუტერულ ხედვას, რათა დაამუშაოს გამოსახულებების შეუზღუდავი რაოდენობა და შეკეროს მცირე ქვერუკები ერთიან 3D რეკონსტრუქციაში. ეს მიდგომა აუმჯობესებს სამძებრო-სამაშველო რობოტების ეფექტურობას და პოტენციურად გამოიყენება გაფართოებული რეალობის აპლიკაციებისა და სამრეწველო რობოტებისთვის.