Что нового в AI за неделю?

Маск объявил, что на этой неделе он выпустит открытый исходный код Grok

Это произошло через несколько дней после того, как он подал в суд на OpenAI за отказ от своей первоначальной миссии в пользу коммерческой модели. xAI выпустил Grok в прошлом году, его функции включали доступ к информации «в реальном времени» и информации, которая противостояла «политически корректным» взглядам.

OpenAI представляет внутренний отладчик-трансформер

Команда OpenAI Superalignment выпустила свой внутренний инструмент для анализа трансформаторов на интерпретируемость. Transformer Debugger помогает анализировать небольшие языковые модели, автоматизируя интерпретируемость и внедряя разреженные автоэнкодеры. Он поддерживает вмешательство в нейроны и голову внимания, обеспечивая понимание без кодирования.Ссылка — https://github.com/openai/transformer-debugger

Cohere AI выпустила Command R для использования RAG в производственных масштабах

Command-R — это языковая модель для генерации с расширением поиска и использования внешних инструментов в производственных масштабах. Она интегрируется с эмбеддинг моделями и ранжирования Cohere для использования внешних источников данных, поддерживает контекст 128k токенов для 10 языков, превосходит GPT-3.5 Turbo и Mixtral на задачах RAG по оценкам Cohere при более низкой цене. Весовые коэффициенты моделей опубликованы в открытом доступе.Ссылка на веса — https://huggingface.co/CohereForAI/c4ai-command-r-v01?ref=txt.cohere.com

Лучший репозиторий

Что нового?

Duster — это репозиторий, представляющий новый подход под названием Dense and Unconstrained Stereo 3D Reconstruction (DUSt3R). Он позволяет генерировать 3D-модели из 2D-изображений, не требуя калибровки камеры или данных о точке обзора.

Duster

Ключевые возможности:

Работает с произвольными коллекциями изображений

Интеграция монокулярных и бинокулярных методов реконструкции с помощью регрессии точечных карт

Выравнивает многоракурсные карты точек в общую систему координат

Использует трансформаторные кодеры/декодеры с предварительно обученными моделями.

Этот подход упрощает предыдущие методы многоракурсного стерео, которые требовали сложной оценки параметров камеры. Унифицированная формулировка Duster легко обрабатывает входные данные с одним, двумя и несколькими изображениями.

Включает:

Предварительно обученные модели для различных разрешений

Интерактивные демонстрации с настройкой Docker

Подготовка данных и пользовательские руководства по обучению

Duster достигает новых современных результатов в задачах монокулярной/многоракурсной оценки глубины и относительной оценки позы, критически важных для 3D-реконструкции.

Ссылка — https://github.com/naver/dust3rБольшой пост про то, какие бизнес кейсы мы решаем с помощью LLM находится в разработке. Если вы не хотите его пропустить, приглашаем вас подписаться на Телеграм-канал автора: it_garden. Там будет опубликованы кейсы.

Источник: habr.com

0 0 голоса
Рейтинг новости
0
0
Подписаться
Уведомить о
0 комментариев
Межтекстовые Отзывы
Посмотреть все комментарии