Ефектът Deepseek-R1: Катализатор за разсъждения
Анализът подчертава ролята на Deepseek-R1 в ускоряването на разсъждаващите езикови модели чрез качество на данните, RL и иновативни стратегии за обучение.
Tag: Fine-Tuning
Персонализиран AI: Фина настройка с RFT
OpenAI позволява фина настройка на o4-mini с RFT, за AI, адаптиран към нуждите на вашата фирма.
Разгадаване на дестилацията на знания
Как моделите на изкуствен интелект се учат един от друг чрез дестилация на знания, подобрявайки ефективността и достъпността на AI системите.
Нов модел на Nvidia надминава DeepSeek-R1
Новият open-source модел на Nvidia превъзхожда DeepSeek-R1, благодарение на 140 000 часа обучение на H100. Nvidia разкри детайли за обучението и архитектурата, показващи как е постигната по-висока производителност.
Малък модел на Microsoft краде шоуто
Малките модели на Microsoft впечатляват с разсъждения, обучени на малък набор данни. Phi-4 надминава DeepSeek-R1 в математически разсъждения, демонстрирайки силата на по-малките модели.
LlamaCon на Meta: Поглед в LLM
LlamaCon на Meta беше важен форум за LLM. Не представи нови модели, но разгледа бъдещето на технологията, мултимодалността на Llama 4 и отвореността на API. Дискусиите обхванаха теми като по-малки модели, етика и въздействие върху работата.
DeepSeek: Преход към AI за бизнеса
DeepSeek променя AI с достъпни модели, като намалява разходите и ускорява възприемането от фирмите, отваряйки врати за иновации и конкуренция.
Phi-4-Reasoning-Plus на Microsoft: Компактна сила
Microsoft представи Phi-4-reasoning-plus, езиков модел с отворен код, предназначен за задачи, изискващи задълбочено и структурирано разсъждение. Моделът надгражда Phi-4, интегрирайки контролирано обучение и обучение с подсилване. Това води до значителен скок в производителността.
Подобряване на инструменти с Amazon Nova
Персонализиране на Amazon Nova модели за по-добра употреба на инструменти чрез Amazon Bedrock, повишавайки точността и ефективността на AI решенията.
GPT-4.1 на OpenAI: Крачка назад?
Новият GPT-4.1 на OpenAI, рекламиран като по-добър в следването на инструкции, може да е по-малко надежден от своите предшественици. Независими оценки показват потенциални проблеми с подравняването и повдигат въпроси за етичните компромиси в развитието на AI.