Технологии
Открытые модели, фреймворки, репозитории и развитие сообщества.
143 важных материаловЗа 30 дней: 96Всего собрано: 226
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.
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.
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.
NVIDIA открыла исходный код своего программного обеспечения Aerial и Sionna, что позволило исследователям разрабатывать сети 6G. За год использование этих инструментов выросло в 10 раз。
Почему это важно: Материал демонстрирует, как инструменты NVIDIA помогают в разработке сетей 6G, что может повлиять на будущее беспроводной связи.
Hugging Face представил ToyBlocks, открытую симуляционную платформу для обучения роботов。
Почему это важно: Представление ToyBlocks как платформы для обучения роботов открывает новые возможности для исследований в области робототехники.
NVIDIA представила четыре новые открытые модели в рамках Cosmos 3 для генерации интерактивной симуляции мира и многосенсорных сцен вождения. Все модели имеют 16B обучаемых параметров и доступны для коммерческого и некоммерческого использования.
Почему это важно: Описание новых моделей помогает понять возможности симуляции и их применение в робототехнике и автономном вождении.
Amazon внедрил систему оценки качества контента с использованием Vision-Language Models (VLM) и OCR, что позволяет улучшить качество A+ контента и увеличить продажи на 8–20%.
Почему это важно: Материал описывает применение VLM для оценки качества контента на Amazon, что может быть полезно для улучшения пользовательского опыта.
Исследователи Microsoft разработали PDD Kit для формальной проверки кода, написанного AI-агентами。
Почему это важно: Исследование PDD Kit демонстрирует применение формальных методов для проверки кода, что может значительно улучшить качество разработки программного обеспечения.
Исследователи представили многомодальную систему AI-PPG-ACC-HTN, способную обнаруживать гипертензию с помощью смарт-часов без калибровки манжеты。
Почему это важно: Исследование демонстрирует потенциал использования носимых устройств для раннего выявления гипертензии.
NVIDIA внедрила полный дизайн стека для оптимизации использования памяти в AI, что позволяет увеличить производительность и снизить затраты на токены. Новые технологии。
Почему это важно: Анализ подхода NVIDIA к проектированию памяти помогает понять, как оптимизация может снизить затраты и повысить эффективность.
Hugging Face представил Phonon, модель текст-в-речь, работающую на устройствах без необходимости в сети. Модель доступна в двух версиях и поддерживает пять языков。
Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.
В статье описывается, как интегрировать модели принятия решений Jev и Strands Decider с Amazon Bedrock AgentCore для оценки AI-агентов. Приведены примеры кода и условия доступа。
Почему это важно: Материал предоставляет практическое руководство по интеграции моделей принятия решений с Amazon Bedrock AgentCore, что может улучшить оценку AI-агентов.
Исследователи из Google представили Agile Deliberation, новый подход к созданию субъективных классификаторов AI。
Почему это важно: Работа предлагает новый подход к обучению AI-систем, который учитывает субъективные аспекты человеческого восприятия.
Модель Dharma Field Extractor с 2 миллиардами параметров извлекает заданные поля из любых документов и возвращает их в формате JSON. Она превосходит все протестированные модели и предлагает доступные условия использования.
Почему это важно: Описание возможностей модели помогает понять её применение в бизнес-процессах.
U Mobile внедрила AiDaH, AI-агентный хелпдеск на платформе Amazon Bedrock AgentCore, который обрабатывает более 150 сценариев и сократил объем заявок на обслуживание до 84,5%.
Почему это важно: Описание архитектуры и функциональности AiDaH помогает понять, как AI-агенты могут улучшить телекоммуникационные операции.
Amazon Bedrock теперь поддерживает локальный вывод для модели Kimi K3 в Индии, что позволяет обрабатывать данные с соблюдением требований к хранению данных. Клиенты。
Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.
В статье описывается процесс создания семантического слоя для AI-агентов с использованием EDB Postgres AI и Amazon Bedrock AgentCore. Приведены основные шаги и примеры。
Почему это важно: Материал предоставляет подробное руководство по созданию семантического слоя для AI-агентов, что может быть полезно для разработчиков и аналитиков.
Google Antigravity добавил новые навыки для химической информатики, которые ускоряют процессы открытия лекарств。
Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.
CWE-bench v2 открывает 100 задач для тестирования моделей на уязвимости。
Почему это важно: Описание новых задач и условий доступа помогает оценить качество и прозрачность тестирования моделей.
Исследователи представили StateBench, бенчмарк для оценки способности языковых моделей отслеживать изменения состояния в длинных документах. Он включает четыре уровня сложности и показывает, что модели Gated DeltaNet и гибридные архитектуры превосходят трансформеры в задачах отслеживания состояния.
Почему это важно: StateBench предоставляет новый бенчмарк для оценки способности языковых моделей отслеживать изменения состояния в длинных документах.