Microsoft-მა 31 კომპანია ხელოვნური ინტელექტის რეკომენდაციების „მოწამვლაში“ ამხილა
Microsoft-ის Defender Security Research Team-მა გამოავლინა 31 კომპანია, რომლებიც ხელოვნური ინტელექტის ასისტენტების მეხსიერებას მანიპულირებდნენ ფარული „prompt injection“-ებით, რათა მომავალი რეკომენდაციები საკუთარი ინტერესების სასარგებლოდ შეეცვალათ. ეს ტექნიკა, რომელსაც „AI რეკომენდაციის მოწამვლა“ ეწოდა, გულისხმობს ინსტრუქციების ჩადებას ვებსაიტების ღილაკებში, მაგალითად, „შეაჯამეთ AI-ის დახმარებით“. Microsoft-მა 60 დღის განმავლობაში 50-მდე მცდელობა დააფიქსირა, მათ შორის ჯანდაცვისა და ფინანსურ სერვი
Microsoft-მა AI რეკომენდაციების „მოწამვლა“ გამოავლინა: ახალი გამოწვევები AI ძიების მარკეტინგში
Microsoft-მა გამოავლინა 31 კომპანია, რომელიც „შეაჯამე AI-ის დახმარებით“ ღილაკებში მალავდა „prompt injection“ ინსტრუქციებს, რათა მიკერძოებულიყო AI ასისტენტების რეკომენდაციები. ეს ტექნიკა, რომელსაც „AI რეკომენდაციების მოწამვლა“ ეწოდება, საშუალებას აძლევს ბიზნესებს, ფარულად ჩაუნერგონ ინსტრუქციები AI-ის მეხსიერებაში, რაც გავლენას ახდენს სამომავლო რეკომენდაციებზე მომხმარებლის ცოდნის გარეშე. აღნიშნული აღმოჩენა ხდება იმ ფონზე, როდესაც მარკეტინგის ლიდერები აქტიურად ეგუებიან SEO-ს, კონტენტსა და გაზომვად
ZDNET-ის რეკომენდაციები და ტანსაცმლის მოვლის საიდუმლო: Conair-ის ქსოვილის საპარსის მიმოხილვა, რომელიც ძველ ნივთებს ახალ სიცოცხლეს სძენს
გაეცანით ZDNET-ის სარედაქციო პრინციპებს, რომლებიც უზრუნველყოფენ ობიექტურ რეკომენდაციებს ტექნიკასა და სხვა პროდუქტებზე. ამავე სტატიაში აღმოაჩინეთ, როგორ შეუძლია Conair-ის იაფფასიან ქსოვილის საპარსს გაახანგრძლივოს თქვენი ტანსაცმლის სიცოცხლე და გააცოცხლოს ძველი სვიტერები, რაც ჭკვიანურ ალტერნატივას გვთავაზობს ნივთების ნაადრევად გადაგდებასთან დაკავშირებით.
ZDNET-ის რეკომენდაციები და პრეზიდენტების დღის საუკეთესო შეთავაზებები ტექნიკაზე
სტატიაში დეტალურად არის აღწერილი ZDNET-ის პროდუქციის შეფასების მკაცრი პროცესი, რომელიც მოიცავს მრავალსაათიან ტესტირებას, კვლევასა და შედარებით შოპინგს. განმარტებულია კომპანიის სარეკომენდაციო მოდელი, სადაც ხაზგასმულია, რომ სარეკლამო შემოსავლები არ ახდენს გავლენას სარედაქციო შინაარსზე ან ფასებზე. ასევე, სტატია წარმოგიდგენთ პრეზიდენტების დღის ყველაზე მომგებიან ფასდაკლებებს პოპულარულ ტექნიკურ პროდუქტებზე, როგორიცაა Meta-ს სმარტ სათვალეები, TCL ტელევიზორები და სხვა გაჯეტები, რაც მკითხველს ეხმარება ინ
ZDNET-ის რეკომენდაციები და წლის პირველი მსხვილი ფასდაკლებები ტექნიკაზე
ZDNET განმარტავს, თუ რას ნიშნავს მათი რეკომენდაციები – დამოუკიდებელი ტესტირებისა და კვლევის საფუძველზე მიღებული ინფორმაცია. სტატია ასევე მიმოიხილავს პრეზიდენტების დღის ფასდაკლებებს, რომლებიც მოიცავს სახლის, ტექნოლოგიურ და სეზონურ ნივთებს მსხვილი საცალო მოვაჭრეებისგან, როგორიცაა Walmart, Costco და Amazon. წარმოდგენილია ექსპერტების მიერ შერჩეული საუკეთესო შეთავაზებები ჭკვიან სათვალეებზე, VR ყურსასმენებზე, ჭკვიან რგოლებსა და ტელევიზორებზე, რათა დაგეხმაროთ ჭკვიანი შესყიდვების გაკეთებაში.
ZDNET-ის რეკომენდაციები და საპრეზიდენტო დღის გაყიდვების სახელმძღვანელო: რას ნიშნავს ეს და რას უნდა ველოდოთ
ZDNET განმარტავს, თუ რას ნიშნავს მათი რეკომენდაციები, რომლებიც დაფუძნებულია მრავალსაათიან ტესტირებაზე, კვლევასა და შედარებით შოპინგზე. სტატია ასევე მიმოიხილავს საპრეზიდენტო დღის მოახლოებულ გაყიდვებს, რომელიც ახალი წლის პირველი მასშტაბური ფასდაკლების ღონისძიებაა. ველით ფასდაკლებებს ტექნიკაზე, სახლის ნივთებზე და სხვა სეზონურ პროდუქტებზე ისეთი რითეილერებიდან, როგორიცაა Walmart, Costco, Amazon და Best Buy. მოცემულია ადრეული შეთავაზებები ჭკვიან სათვალეებზე, VR მოწყობილობებზე, ტელევიზორებსა და სხვა გა
Stable Diffusion XL სამომხმარებლო აპარატურაზე: მოდელის ზომისა და მუშაობის ოპტიმიზაციის ახალი გზები
Stable Diffusion XL (SDXL) დიდი ზომის მოდელია, თუმცა მისი გაშვება უკვე შესაძლებელია 16 GB GPU RAM-ის მქონე CUDA აპარატურაზე, მათ შორის Colab-ის უფასო ვერსიაზეც. ბოლო თვეებში გაიზარდა ინტერესი ML მოდელების ადგილობრივად გაშვების მიმართ, რაც განპირობებულია კონფიდენციალურობითა და მოხერხებულობით. Apple-მა და Hugging Face-მა წარმოადგინეს SDXL-ის Core ML ვერსია, რომელიც ღია წყაროა. ნერგდება ახალი ტექნიკა – შერეული ბიტის პალეტიზაცია (mixed-bit palettization), რომელიც მნიშვნელოვნად ამცირებს მოდელის ზომას
დიდი ენობრივი მოდელების კონტექსტის ფანჯრის გამოწვევები: KV Cache-ის მეხსიერების ოპტიმიზაცია KVPress-ით
დიდი ენობრივი მოდელების (LLM) გაფართოებული კონტექსტის ფანჯრები წარმოუდგენელ შესაძლებლობებს იძლევა, თუმცა KV Cache-ის მიერ მოხმარებული მეხსიერების მართვას ართულებს. მაგალითად, 1 მილიონი ტოკენის დამუშავება Llama 3-70B-ით 330 GB-ს მოითხოვს მხოლოდ KV Cache-ისთვის. NVIDIA-ს მიერ შემუშავებული KVPress ამ პრობლემის გადასაჭრელად კომპრესიის ინოვაციურ ტექნიკას გვთავაზობს, რომელიც მეხსიერების მოხმარებას ამცირებს მოდელის სიზუსტის შენარჩუნებით.
Few-Shot Learning ხელოვნურ ინტელექტში: GPT-Neo და აჩქარებული დასკვნის API
სტატია განმარტავს „Few-Shot Learning“ (რამდენიმე მაგალითზე დაფუძნებული სწავლების) კონცეფციას, როგორც მანქანური სწავლების ტექნიკას, რომელიც მოდელს მცირე რაოდენობის მონაცემებით წვრთნის. განხილულია მისი გამოყენება ბუნებრივი ენის დამუშავებაში (NLP) დიდი ენობრივი მოდელების, როგორიცაა EleutherAI GPT-Neo და OpenAI GPT-3, მეშვეობით. სტატია ასევე მიმოიხილავს Hugging Face-ის აჩქარებული დასკვნის (Accelerated Inference) API-ის როლს, ამ ტექნიკის ოპტიმიზაციას, გამოწვევებს (მაგ., მოდელის მგრძნობელობა მაგალითებ
3D Gaussian Splatting: რევოლუციური ტექნოლოგია 3D გრაფიკაში
3D Gaussian Splatting არის უახლესი რასტერიზაციის ტექნიკა, რომელიც 3D გარემოს წარმოსახვის ახალ სტანდარტებს აწესებს. სამკუთხედების ნაცვლად გაუსიანების გამოყენებით, ის უზრუნველყოფს მაღალი ხარისხის სცენების რეალურ დროში რენდერინგს, რამაც დიდი ყურადღება მიიპყრო კომპიუტერული გრაფიკის სფეროში. სტატია დეტალურად განიხილავს ამ მეთოდის მუშაობის პრინციპებს, მისი მომზადების პროცესს და პოტენციურ გავლენას მომავალ ტექნოლოგიებზე, მათ შორის ინკარნირებული ხელოვნური ინტელექტის კვლევაზე.
3D Gaussian Splatting: რა არის და რატომ იპყრობს ის ყურადღებას?
3D Gaussian Splatting არის რასტერიზაციის ინოვაციური ტექნიკა, რომელიც საშუალებას იძლევა მაღალი ხარისხის 3D სცენების რეალურ დროში რენდერირებისთვის. ის იყენებს გაუსიანებს სამკუთხედების ნაცვლად, რათა შექმნას სივრცის მკვრივი წარმოდგენა. მეთოდი იწყება SfM-ით წერტილოვანი ღრუბლის შეფასებით, რასაც მოჰყვება გაუსიანებად გარდაქმნა და სტოქასტური გრადიენტული დაშვების გამოყენებით წვრთნა. მისი პოტენციალი მოიცავს ანიმაციას, ანარეკლებს და მნიშვნელოვან გავლენას Embodied AI-ის კვლევაზე, თუმცა მისი სრული ინტეგრაცია
SetFitABSA: ინოვაციური მიდგომა ასპექტზე დაფუძნებული სენტიმენტის ანალიზისთვის
SetFitABSA, Intel Labs-ისა და Hugging Face-ის მიერ წარმოდგენილი ფრეიმვორკი, წარმოადგენს ეფექტურ ტექნიკას ტექსტში კონკრეტული ასპექტების მიმართ სენტიმენტის აღმოსაჩენად. ის განკუთვნილია დომენის სპეციფიკური ABSA (ასპექტზე დაფუძნებული სენტიმენტის ანალიზი) მოდელების მცირე მონაცემებით (few-shot) წვრთნისთვის და კონკურენტუნარიანია, უმჯობესდება კიდეც გენერაციულ მოდელებს, როგორიცაა Llama2 და T5. მისი ძირითადი უპირატესობებია პრომპტების არარსებობა და სწრაფი წვრთნის შესაძლებლობა მცირე რაოდენობის ეტიკეტირებული
SDXL Dreambooth LoRA ტრენინგის რევოლუცია: Pivotal Tuning-ისა და Prodigy ოპტიმიზატორის კომბინაციით
ამ სტატიაში წარმოდგენილია Dreambooth LoRA-ების SDXL-ისთვის ოპტიმიზაციის ახალი მეთოდი, რომელიც აერთიანებს Replicate-ის SDXL Cog ტრენერში გამოყენებულ Pivotal Tuning ტექნიკას Kohya ტრენერის Prodigy ოპტიმიზატორთან. ეს მიდგომა, სხვა მრავალ ოპტიმიზაციასთან ერთად, უზრუნველყოფს საუკეთესო შედეგებს ახალი კონცეფციების აღბეჭდვაში მცირე რაოდენობის გამოსახულებების გამოყენებით, SDXL-ის ესთეტიკური ხარისხისა და გამოსახულების სიზუსტის შენარჩუნებით, ამასთანავე მოითხოვს შედარებით ნაკლებ გამოთვლით რესურსებს. გაეცანი
ხელოვნური ინტელექტის მორგება ღია მოდელებზე: კონსტიტუციური AI და ახალი ინსტრუმენტი llm-swarm
სტატია წარმოგიდგენთ კონსტიტუციურ ხელოვნურ ინტელექტს (CAI), როგორც დიდი ენობრივი მოდელების (LLMs) მომართვის ინოვაციურ ტექნიკას მომხმარებლის მიერ განსაზღვრული პრინციპების გამოყენებით, რაც მნიშვნელოვნად ამცირებს ძვირადღირებული ადამიანური უკუკავშირის საჭიროებას. იგი გვთავაზობს CAI-ის ღია მოდელებით განხორციელების სრულყოფილ გზამკვლევს, მათ შორის ახალ ინსტრუმენტ llm-swarm-ს მასშტაბური სინთეზური მონაცემების გენერირებისთვის. განხილულია CAI მონაცემთა ნაკრებების შექმნისა და მოდელების, მაგალითად Mistral-7B-
კონსტიტუციური ხელოვნური ინტელექტი: ღია მოდელების თვითგასწორება და ახალი ინსტრუმენტი „llm-swarm“
Anthropic-ის მიერ შემოთავაზებული კონსტიტუციური ხელოვნური ინტელექტის (CAI) ტექნიკა LLM-ებს აძლევს საშუალებას, თავად შეაფასონ და გააუმჯობესონ საკუთარი გამომუშავება მომხმარებლის მიერ განსაზღვრული პრინციპების მიხედვით. ეს მიდგომა მნიშვნელოვნად ამცირებს ძვირადღირებული ადამიანური უკუკავშირის საჭიროებას. მოცემულ ნაშრომში აღწერილია კონსტიტუციური AI-ის სრულყოფილი განხორციელების რეცეპტი ღია მოდელებით, ასევე წარმოდგენილია ახალი ინსტრუმენტი „llm-swarm“, რომელიც GPU Slurm კლასტერებს იყენებს სკალირებადი სინთე
მოდელების შერწყმა: LoRA ადაპტერების გაერთიანების ახალი მიდგომები PEFT-ში
ამ პოსტში წარმოდგენილია 🤗 PEFT-ის ფარგლებში შემუშავებული LoRA ადაპტერების შერწყმის ახალი, ოპტიმიზებული მეთოდები. განხილულია სტანდარტული მოდელების გაერთიანების მიდგომები, მეხსიერების ინტენსივობის გამოწვევები და შემოთავაზებულია სხვადასხვა ტექნიკა, მათ შორის კონკატენაცია, მატრიცების შეწონილი ჯამი და დავალების არითმეტიკა (Task Arithmetic). სტატია მოიცავს კოდის მაგალითებს, შთამბეჭდავ შედეგებსა და სამომავლო გეგმებს.
KV ქეშირება nanoVLM-ში: 38%-იანი აჩქარება გენერაციაში
ეს ბლოგ-პოსტი აღწერს KV ქეშირების ტექნიკას, რომელიც nanoVLM საცავში ნულიდან დავნერგეთ და რომელმაც ენობრივი მოდელების გენერაციაში 38%-იანი აჩქარება მოგვცა. სტატია განმარტავს ავტორეგრესიულ მოდელებში გამოთვლითი სიჭარბის პრობლემას და იმას, თუ როგორ აგვარებს მას KV ქეშირება Q, K, V მნიშვნელობების შენახვით. მოცემულია თეორიული საფუძვლები, nanoVLM-ში პრაქტიკული იმპლემენტაცია და ზოგადი გაკვეთილები, რომლებიც ყველა ავტორეგრესიული ენობრივი მოდელის გენერაციას ეხება. ეს ოპტიმიზაცია აუცილებელია LLM-ების ეფექტუ
Hugging Face: Gemma მოდელების PEFT-ით ოპტიმიზაცია
ამ პოსტში განხილულია, თუ როგორ შეიძლება Gemma მოდელების პარამეტრულად ეფექტური წვრილმანი მორგება (PEFT) Hugging Face Transformers-ისა და PEFT ბიბლიოთეკების გამოყენებით GPU-ებსა და Cloud TPU-ებზე. ეს ტექნიკა განსაკუთრებით გამოსადეგია მეხსიერებისა და გამოთვლითი რესურსების დაზოგვისთვის, რაც საშუალებას აძლევს მომხმარებლებს, მათ შორის მათ, ვინც Colab-სა და Kaggle-ზე მუშაობს, ოპტიმიზაცია გაუკეთონ მოდელებს საკუთარ მონაცემთა ნაკრებებზე დაბალი დანახარჯით. სტატია დეტალურად განიხილავს LoRA-სა და QLoRA-ს გამ
Flux.1-Dev მოდელის ინფერენციის ოპტიმიზაცია LoRA-ს გამოყენებით: 2.3x-მდე სიჩქარის ზრდა
ეს პოსტი დეტალურად განიხილავს Flux.1-Dev ტექსტიდან გამოსახულების გენერაციის მოდელის ინფერენციის სიჩქარის ოპტიმიზაციას, განსაკუთრებით LoRA-ების გამოყენებისას. შემოთავაზებულია "ცხელი გაცვლის" (hotswapping) ტექნიკა ხელახალი კომპილაციის თავიდან ასაცილებლად, FP8 კვანტიზაციის უპირატესობები, და სტრატეგიები სამომხმარებლო GPU-ებისთვის, როგორიცაა RTX 4090, CPU-ზე გადმოტვირთვით და T5 ტექსტური ენკოდერის კვანტიზაციით, რაც უზრუნველყოფს 2.3-ჯერადი სიჩქარის ზრდას.
RLHF: როგორ აუმჯობესებს ადამიანის უკუკავშირი ენის მოდელებს?
RLHF (გაძლიერებული სწავლა ადამიანის უკუკავშირით) არის ინოვაციური მეთოდი, რომელიც ენის მოდელებს ადამიანის პრეფერენციებთან მისადაგებაში ეხმარება. ტრადიციული დანაკარგის ფუნქციებისა და მეტრიკების შეზღუდვების საპასუხოდ, RLHF იყენებს გაძლიერებული სწავლის ტექნიკას, რათა უშუალოდ მოახდინოს მოდელების ოპტიმიზაცია ადამიანის უკუკავშირის საფუძველზე. სტატია განმარტავს RLHF-ის კომპლექსურ პროცესს, მათ შორის წინასწარ გაწვრთნილი მოდელების გამოყენებას და ჯილდოს მოდელების შექმნას ადამიანის პრეფერენციების ინტეგრირები
AI მოდელების ლოკალური ოპტიმიზაცია Intel-ის აპარატურაზე: OpenVINO და Optimum Intel-ის გამოყენებით
ხელოვნური ინტელექტის მოდელების საკუთარ მოწყობილობაზე გაშვება, მიუხედავად მათი გამოთვლითი სირთულისა, მნიშვნელოვან უპირატესობებს გვთავაზობს, მათ შორის გაუმჯობესებულ კონფიდენციალურობასა და სიჩქარეს. ეს სტატია განმარტავს, თუ როგორ შეიძლება მოდელების ოპტიმიზაცია Optimum Intel-ისა და OpenVINO-ს, ასევე მცირე ზომის მოდელების, როგორიცაა SmolVLM, გამოყენებით. ნაბიჯ-ნაბიჯ განხილულია კვანტიზაციის (Weight-only და Static) ტექნიკა, რაც ხელს უწყობს მეხსიერების შემცირებას და ინფერენსის დაჩქარებას, ძვირადღირებული
შეუძლებელის ზღვარზე: ილია მალინინი და ფიგურული სრიალის მომავალი
სტატია მოგვითხრობს ფიგურულ სრიალში ოთხმაგი ნახტომების ისტორიულ განვითარებაზე, კურტ ბრაუნინგის პირველი ოთხმაგი თოუ-ლუპიდან ილია მალინინის გარღვევამდე ოთხმაგი აქსელის შესრულებით, რაც ბევრს, მათ შორის მწვრთნელ ალექსეი მიშინს და მოციგურავე ტიმოთი გოებელს, შეუძლებლად მიაჩნდა. ხაზგასმულია მალინინის უნიკალური ტექნიკა, რომელიც მას საშუალებას აძლევს ეფექტურად მიაღწიოს მაღალ კუთხურ სიჩქარეს, რაც 2026 წლის ოლიმპიადის უდავო ფავორიტად აქცევს და უპრეცედენტო ხუთმაგი ნახტომის ძლიერ პრეტენდენტად, მიუხედავად Asso
დიდი ენობრივი მოდელები და კიბერუსაფრთხოება: ახალი ფრონტი
დიდი ენობრივი მოდელები (დემ) და მულტიმოდალური ხელოვნური ინტელექტის სისტემები კრიტიკულ ბიზნეს პროცესებში ინტეგრირდა, რამაც ისინი როგორც მძლავრ უსაფრთხოების ინსტრუმენტებად, ასევე მაღალი ღირებულების სამიზნეებად აქცია. თავდამსხმელები უკვე იყენებენ ახალ ტექნიკას, როგორიცაა პრომპტების მოპარვა და AI აგენტების ბოროტად გამოყენება. ეს სტატია მიმოიხილავს ხელოვნური ინტელექტის შეტევებსა და თავდაცვას შორის მოსალოდნელ 'შეიარაღების რბოლას' და ხაზს უსვამს AI უსაფრთხოების, როგორც კიბერუსაფრთხოების სტრატეგიის ძირი
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.