Перейти к содержимому
  1. Hugging Face Blog81

    BotPsy: Личный помощник на устройстве с агентной языковой моделью менее миллиарда параметров

    Tether AI Research представила BotPsy, модель с 0.8B параметров。

    Почему это важно: Описание возможностей и условий использования BotPsy помогает понять его применение в различных сценариях.

  2. AWS Machine Learning Blog78

    Kimi K3.1 Pro теперь доступен на Amazon Bedrock

    Moonshot AI представила Kimi K3.1 Pro Highspeed на Amazon Bedrock。

    Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.

  3. AWS Machine Learning Blog75

    Руководство по оценке AI-агентов: встроенные инструменты, DeepEval и AutoEval на Amazon Bedrock AgentCore

    Bharathi Srinivasan представила руководство по оценке AI-агентов с использованием встроенных инструментов。

    Почему это важно: Материал предоставляет полезные рекомендации по оценке AI-агентов в производственной среде.

  4. AWS Machine Learning Blog81

    Автономные казначейские агенты: как Trovata создала AI-решение на Amazon Bedrock и AgentCore

    Trovata представила автономные казначейские агенты, встроенные в свою платформу управления ликвидностью, что позволяет сократить время на отчетность до минуты и сэкономить более $1M в год.

    Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.

  5. AWS Machine Learning Blog75

    Amazon Bedrock создает хранилище данных для наблюдаемости вызовов

    Разработчики представили централизованное хранилище данных для вызовов Amazon Bedrock。

    Почему это важно: Материал предоставляет подробные инструкции по созданию централизованного хранилища данных для наблюдаемости вызовов Amazon Bedrock, что может значительно улучшить управление затратами и эффективность.

  6. AWS Machine Learning Blog76

    TCS разработала агентный тестовый оркестратор с Amazon Bedrock AgentCore

    TCS создала агентный тестовый оркестратор, который преобразует требования в исполняемые тесты。

    Почему это важно: Материал демонстрирует применение AI в тестировании программного обеспечения, что может быть полезно для улучшения рабочих процессов в этой области.

  7. Google DeepMind85

    Gemini 4 Carbon теперь доступен

    Google DeepMind представил модель Gemini 4 Carbon。

    Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.

  1. Hugging Face Blog72

    Модели принятия решений в Hugging Face

    Hugging Face представила модели принятия решений, которые позволяют оценивать входные данные и возвращать вероятностные распределения по заранее определённым ответам. Эти модели предлагают более эффективный способ обработки запросов, чем традиционные большие языковые модели.

    Почему это важно: Материал описывает новые подходы к моделям принятия решений и их применение в системах поддержки клиентов.

  2. Google DeepMind85

    Представлен AlphaProof Code: прорыв в верификации сложного программного обеспечения

    Исследователи Google DeepMind разработали AlphaProof Code, новый агентный фреймворк。

    Почему это важно: Описание нового подхода к формальной верификации кода помогает понять его влияние на безопасность программного обеспечения.

  3. AWS Machine Learning Blog81

    Как CrossnoKaye использует физический AI с Amazon Bedrock AgentCore

    CrossnoKaye разработала платформу ATLAS, которая использует Amazon Bedrock AgentCore для интеграции AI в управление промышленными процессами。

    Почему это важно: Материал описывает архитектуру и применение AI-агента в промышленности, что может быть полезно для специалистов в области автоматизации.

  4. AWS Machine Learning Blog81

    Плагинная архитектура AI-агента: семиуровневая компонуемая архитектура на Amazon Bedrock AgentCore

    Разработчики представили плагинную архитектуру AI-агента, состоящую из семи уровней。

    Почему это важно: Статья предлагает архитектурный подход к созданию AI-агентов, что может помочь в разработке более надежных и безопасных решений.

  5. Google Research63

    Изучение языков мира с помощью Language Explorer

    Google представил Language Explorer, интерактивную платформу для визуализации языкового разнообразия, поддерживающую почти 250 языков и разработанную в рамках инициативы 1,000 Languages.

    Почему это важно: Описание инициативы и инструментов помогает понять подход Google к языковому разнообразию.

  6. Hugging Face Blog75

    Nemotron-Personas-Finance-Japan: синтетический набор данных для финансового контекста Японии

    Elith и NVIDIA выпустили Nemotron-Personas-Finance-Japan, синтетический набор данных。

    Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.

  1. NVIDIA Blog85

    NVIDIA представила новые технологии в робототехнике на CoRL

    На конференции CoRL NVIDIA представила новые технологии для обучения роботов, включая GR00T 2 и Isaac Lab 3.0, которые позволяют улучшить точность и адаптивность роботов в сложных задачах.

    Почему это важно: Обсуждение новых технологий и подходов в робототехнике подчеркивает важность симуляции для обучения и адаптации роботов.

  2. Hugging Face Blog81

    HOPE: Высокоуровневая обрезка экспертов в языковых моделях Mixture-of-Experts

    Авторы представили метод HOPE для обрезки экспертов в моделях Mixture-of-Experts。

    Почему это важно: Метод HOPE предлагает улучшенный подход к обрезке экспертов в моделях Mixture-of-Experts, что может значительно повысить эффективность использования памяти.

  3. NVIDIA Blog75

    NVIDIA выпустила рецепты развертывания для открытых моделей Кореи

    NVIDIA представила рецепты развертывания, оптимизированные для Dynamo, для ведущих открытых моделей Кореи, обеспечивая до 2x производительности на GPU B200.

    Почему это важно: Оптимизированные рецепты развертывания упрощают внедрение моделей в производственную среду.

  4. NVIDIA Blog65

    Экосистема AI в Корее продвигается и обеспечивает безопасность AI-агентов с NVIDIA

    Hyundai Motor Group исследует чертежи NVIDIA NemoClaw и интегрирует платформу Starfort с NVIDIA OpenShell для поддержки безопасных AI-агентов в рабочих процессах.

    Почему это важно: Информация о сотрудничестве компаний подчеркивает важность безопасности AI-агентов в современных рабочих процессах.

  1. AWS Machine Learning Blog75

    SageMaker Inference теперь поддерживает Multi-Instance GPU для максимизации использования GPU

    Amazon SageMaker Inference добавил поддержку GPU-партиционирования с использованием NVIDIA Multi-Instance GPU。

    Почему это важно: Описание новых возможностей GPU-партиционирования помогает пользователям оптимизировать использование ресурсов.

  2. AWS Machine Learning Blog68

    Управление доступом AI-агента с помощью Okta и Amazon Bedrock

    В статье описывается, как использовать Okta Cross App Access для управления доступом AI-агентов в приложениях。

    Почему это важно: Материал предоставляет практическое руководство по интеграции AI-агентов с Okta и Amazon Bedrock, что может быть полезно для разработчиков.

  3. AWS Machine Learning Blog76

    Сервер без сервера MCP для доступа AI-агента к хранилищу данных на Amazon ECS Fargate

    Разработчики создали сервер без сервера Model Context Protocol (MCP) на Amazon ECS с использованием AWS Fargate。

    Почему это важно: Описание архитектуры и возможностей системы помогает понять, как упростить доступ к данным для AI-агентов.