LangChain的新自我改进评估器旨在通过利用少量学习和用户反馈,将AI输出与人类偏好对齐。
根据 together.ai,Llama-3 微调展示了显著的性能提升,以较低的成本达到了 GPT-4 的90%的准确率。
NVIDIA 推出 DoRA,这是一种稳定且高效的 LoRA 替代方法,在不增加推理成本的情况下提升了 AI 模型的微调效果。
NVIDIA介绍了AutoMate,一个增强机器人装配技能的框架,能够跨越不同的几何结构,展示零样本的仿真到现实转移能力。
深度学习框架 PyTorch,在 AMD 强大的硬件支持下,显著增强了开发人员的 AI 可及性。
NVIDIA 引入重新排序以提高 AI 驱动的企业搜索结果的精度和相关性,增强 RAG 管道和语义搜索。
GitHub 推出 GitHub 模型,使开发者能够直接在平台上利用行业领先的 AI 模型。
NVIDIA的研究生奖学金计划现正接受申请,为人工智能、机器学习等领域的博士生提供最高$60,000的资助。
OpenAI推出了GPT-4o的微调功能,允许用户定制以提高模型性能和准确性,满足特定应用需求。
了解如何使用共同访问矩阵和RAPIDS cuDF构建高效的推荐系统,以实现更快的数据处理和改进的个性化推荐。
加入 Ray 培训日,2024 年 9 月 30 日在旧金山,由 Ray 专家领导的有关生成 AI 和大型语言模型的全面培训课程。
NVIDIA发布了TensorRT Model Optimizer v0.15版本,通过缓存扩散和扩大AI模型支持等新功能提升推理性能。
280x280 px High visibility placement