Sarvam AI onthult baanbrekend LLM!
Sarvam AI lanceert Sarvam-M, een toonaangevend LLM. Het presteert goed in Indiase talen en is vergelijkbaar met grotere modellen zoals LLaMA-3 70B.
Tag: Fine-Tuning
SK Telecom A.X 4.0: Diepe duik in taalmodel
SK Telecom lanceerde stilletjes A.X 4.0, een groot taalmodel (LLM) dat is geoptimaliseerd voor het Koreaans. Het model is gebaseerd op Alibaba's Qwen 2.5 en presteert beter dan GPT-4o in Koreaanse benchmarks.
DMind onthult DMind-1: Open-source taalmodel voor Web3
DMind introduceert DMind-1, een open-source LLM, afgestemd op Web3, dat superieure prestaties levert in blockchain, DeFi, NFTs en meer, tegen lagere kosten.
Alibaba's ZEROSEARCH: 90% Kostenreductie AI Training
Alibaba's ZEROSEARCH framework beweert AI training kosten met 90% te reduceren. Het simuleert zoekopdrachten voor LLMs zonder API calls, document kwaliteit en kosten te verbeteren. Dit kan AI ontwikkeling en Alibaba's positie versterken.
AI-doorbraak daagt DeepSeek 2.0 uit?
Een Shanghai's quant fonds claimt een AI training doorbraak die DeepSeek 2.0 mogelijk overtreft, gepresenteerd op een vooraanstaande conferentie.
Mistral AI introduceert Medium 3: Taalmodel voor bedrijven
Mistral AI lanceert Medium 3, een taalmodel op maat voor bedrijven. Het biedt kosteneffectiviteit, robuuste prestaties en flexibele implementatie, waardoor het aantrekkelijk is voor AI-integratie.
NVIDIA's Innovaties: Llama Nemotron & Parakeet
Joey Conway van NVIDIA onthult Llama Nemotron Ultra en Parakeet, state-of-the-art AI-modellen, en de open-source strategie achter deze innovaties.
Microsofts Phi-4: Triomf door Reinforcement Learning
Microsofts Phi-4 Reasoning Plus excelleert dankzij reinforcement learning op benchmarks, en presteert beter dan grotere modellen ondanks minder resources.
Google Gemma AI: 150 Miljoen Downloads
Google's Gemma AI-modellen bereiken 150 miljoen downloads. Echter, Meta's Llama overtreft dit aanzienlijk. Licentiebezwaren belemmeren brede adoptie.
Nemotron-Tool-N1: RL voor LLM Tool Gebruik
Nemotron-Tool-N1 gebruikt reinforcement learning voor betere LLM tool integratie, wat leidt tot flexibele en adaptieve taalmodellen.