Intelligence artificielle

Ομάδα υποδομών αξιολογεί απόδοση GLIDE για LLM μεγάλου context

GLIDE: πώς η υβριδική προσοχή μειώνει το κόστος των LLM μεγάλου context

Το GLIDE κατανέμει softmax και linear attention ανά layer για να μειώσει το KV-cache I/O στα LLM μεγάλου context. Τι έδειξαν οι δοκιμές σε Llama-3-8B και Mistral-7B, πού βοηθά το LoRA και γιατί κάθε deployment χρειάζεται δικά του quality και latency tests.

Lire la suiteGLIDE: πώς η υβριδική προσοχή μειώνει το κόστος των LLM μεγάλου context
Επαγγελματίας υγείας συζητά προγεννητικό πλάνο που υποστηρίζεται από PATHFinder Agent

PATHFinder Agent: πώς η AI επιχειρεί να εξατομικεύσει την προγεννητική φροντίδα

Το PATHFinder Agent οργανώνει εξατομικευμένη προγεννητική φροντίδα με 13 ελεγχόμενα εργαλεία και υποχρεωτική κλινική επίβλεψη. Τι αποδεικνύει η μελέτη και ποια μαθήματα δίνει για ασφαλέστερους επιχειρησιακούς AI agents;

Lire la suitePATHFinder Agent: πώς η AI επιχειρεί να εξατομικεύσει την προγεννητική φροντίδα
Έλεγχος πρόσβασης σε υποδομή για την κυβερνοασφάλεια AI agents

Η εισβολή ενός αυτόνομου AI agent: τι αποκαλύπτει για την κυβερνοασφάλεια

Η εισβολή ενός αυτόνομου AI agent στη Hugging Face δείχνει πώς αδυναμίες σε sandbox, Kubernetes, cloud identities και integrations ενώθηκαν σε μία επίθεση και ποιοι έλεγχοι προστατεύουν τις επιχειρήσεις.

Lire la suiteΗ εισβολή ενός αυτόνομου AI agent: τι αποκαλύπτει για την κυβερνοασφάλεια
AI και επαγγελματικοί ρόλοι σε διεπιστημονική ομάδα εργασίας

Η AI αλλάζει τα όρια των επαγγελματικών ρόλων: τι δείχνουν 800.000 μηνύματα

Ανάλυση άνω των 800.000 μηνυμάτων δείχνει πώς η AI διευρύνει τα όρια ρόλων και τι σημαίνει το task crossover για τις επιχειρήσεις.

Lire la suiteΗ AI αλλάζει τα όρια των επαγγελματικών ρόλων: τι δείχνουν 800.000 μηνύματα
DecodeShare και έλεγχος υποδομής για decode-time αποφάσεις LLM

DecodeShare: τι συμβαίνει μέσα σε ένα LLM τη στιγμή που αποφασίζει

Το DecodeShare εντοπίζει έναν κοινό υποχώρο στις decode-time αποφάσεις των LLM και δείχνει γιατί οι παρεμβάσεις χρειάζονται έλεγχο στο πραγματικό inference.

Lire la suiteDecodeShare: τι συμβαίνει μέσα σε ένα LLM τη στιγμή που αποφασίζει
Systèmes informatiques pour les ensembles de LLM et l'agrégation de prédictions

La sagesse collective des LLM : quand les modèles d'IA font-ils de meilleures prédictions lorsqu'ils travaillent ensemble ?

Plusieurs LLM peuvent-ils mieux prédire lorsqu'ils fonctionnent ensemble ? Des recherches montrent dans quels cas la diversité des erreurs est bénéfique et pourquoi la contamination due au seuil d'entraînement modifie l'évaluation.

Lire la suiteLa sagesse collective des LLM : quand les modèles d'IA font-ils de meilleures prédictions lorsqu'ils travaillent ensemble ?