أصبحت بيانات التدريب عاملاً أساسياً في المنافسة على النماذج الكبيرة. فعندما لا يكون عدد المعلمات هو العائق الوحيد، تبدأ جودة البيانات وبنيتها ومدى ملاءمتها للمهام في تحديد الأداء الحقيقي للنموذج في الاستدلال والترميز والتفاعل. وقد صُممت سلسلة مجموعات بيانات Nemotron من NVIDIA خصيصاً لتلبية هذا التوجه [...]
تجمع هذه المقالة 10 مجموعات بيانات متعلقة بتقييم قدرات وكلاء الذكاء الاصطناعي، والتي يمكن استخدامها عبر الإنترنت وتغطي مجالات قدرات مختلفة مثل الذاكرة طويلة المدى، والاستدلال متعدد الخطوات، واستدعاء الأدوات.
اقترحت ميتا إطار عمل Autodata العام. يسمح هذا الإطار للوكلاء الأذكياء بالعمل كـ "علماء بيانات"، حيث يقومون ببناء بيانات عالية الجودة من خلال التوليد والتحليل والتكرار.
أطلقت شركة HyperAI (hyper.ai) البرنامج التعليمي "Unlimited-OCR: One-click Deployment of Long Document OCR and Layout Parsing"، مما يقلل من عتبة النشر ويساعد على التحقق من صحة النماذج بسرعة.
طورت جوجل وكيلًا طبيًا جديدًا يعتمد على AMIE، والذي يستخدم Gemini لتحسين إدارة زيارات المتابعة المتعددة ويضمن أن تتوافق المخرجات مع أحدث الإرشادات السريرية.
يقدم موقع HyperAI (hyper.ai) الآن قسمًا تعليميًا بعنوان "DVD: تقدير عمق الفيديو الحتمي بناءً على المعلومات الأولية التوليدية"، مما يقلل من عتبة النشر ويسمح بالتحقق السريع من أداء النموذج.
ولتسهيل تجربة المطورين لـ DiffusionGemma بأقل جهد ممكن، قامت HyperAI بمتابعة سريعة بعد أن أصبح النموذج مفتوح المصدر، وأطلقت الآن جهاز كمبيوتر محمول سهل النشر، والذي يمكنه التحقق من القدرات القوية للنموذج باستخدام بطاقة رسومات NVIDIA RTX Pro 6000 واحدة فقط.
اقترح معهد ماساتشوستس للتكنولوجيا وشركة IBM بشكل مشترك ChartNet، وهي مجموعة بيانات متعددة الوسائط تحتوي على ملايين السجلات، بهدف تطوير فهم المخططات وقدرات الاستدلال.
اقترحت جامعة كامبريدج وغيرها إطار عمل جديد للتعلم الزمني يستخدم خوارزمية Barlow twins لتعلم السمات المكانية والزمانية المستقرة من ملاحظات الاستشعار عن بعد المعقدة، وبالتالي تحقيق تمثيلات ثابتة للعينات.
أطلق قسم البرامج التعليمية في الموقع الرسمي لشركة HyperAI (hyper.ai) ميزة "النشر بنقرة واحدة لـ Gemma 4 12B-it"، مما يقلل من عتبة النشر في شكل دفتر ملاحظات ويسهل على المطورين التحقق من النماذج بسرعة.
اقترح ميتا وبرينستون نموذج VLM³، الذي يعتمد على نموذج اللغة المرئية القياسي، ويوحد أربع مهام رئيسية تشمل الفهم ثلاثي الأبعاد وتقدير العمق، ويقيّم حدود الإدراك ثلاثي الأبعاد الدقيقة.
استخدم فريق من جامعة جنوب كاليفورنيا نماذج التمثيل الغذائي لتحليل جينومات البكتيريا البحرية، وتحديد كمية استخدامها لـ 11 نوعًا من الركائز العضوية، وتصنيفها في النهاية إلى 8 مجتمعات أيضية.