8 min read
تنظیم دقیق و تقویت بازیابی زمان بر و پرهزینه است. راه بهتری برای تخصصی کردن LLMها در افق است.
مولد-ai
10 min read
توسعه برنامه‌های هوش مصنوعی مولد با توسعه برنامه‌های یادگیری ماشین سنتی بسیار متفاوت است. این مراحل است.
1 min read
هوش مصنوعی نمی تواند جایگزین توسعه دهندگان بد شود زیرا فقط برای توسعه دهندگان خوب کار می کند. تشخیص اینکه چه زمانی کد از یک LLM شکست می خورد نیازمند مهارت و تجربه است.
2 min read
Lightspeed از هوش مصنوعی مولد برای خودکارسازی عملکرد خوشه‌های OpenShift و محیط‌های لینوکس Red Hat Enterprise استفاده می‌کند.
2 min read
اولین پیش نویس مدل Spec نشان می دهد که OpenAI چگونه می خواهد مدل های هوش مصنوعی مولد خود در ChatGPT و OpenAI API رفتار کنند.
7 min read
ابزارهای جدید برای فیلتر کردن پیام‌های مخرب، شناسایی خروجی‌های غیر پایه و ارزیابی ایمنی مدل‌ها، استفاده از هوش مصنوعی تولیدی را ایمن‌تر می‌کند.
2 min read
افزونه Podman Desktop دارای برنامه‌های نمونه و زمین بازی توسعه‌دهندگان برای کاوش موارد استفاده LLM است.
2 min read
Red Hat Enterprise Linux AI برای خدمت به عنوان یک پلتفرم مدل پایه طراحی شده است که به کاربران اجازه می دهد تا به طور یکپارچه تر مدل های هوش مصنوعی مولد را توسعه و استقرار دهند.
2 min read
Oracle Code Assist با شیوه‌های توسعه نرم‌افزار Oracle و الگوهای کدنویسی از جاوا، SQL، Oracle Cloud Infrastructure و سایر فناوری‌ها مانند NetSuite SuiteScript به خوبی تنظیم می‌شود.
2 min read
LLM جدید با کد MAI-1 دارای ۵۰۰ میلیارد پارامتر است.
7 min read
هوش مصنوعی مولد نه تنها استفاده از ابزارهای تجزیه و تحلیل را آسان‌تر می‌کند، بلکه کیفیت اتوماسیونی را که می‌تواند در طول چرخه عمر تجزیه و تحلیل داده اعمال شود، به‌طور قابل‌توجهی بهبود می‌بخشد.
4 min read
استفاده از معماری عمومی که در یک کنفرانس برای نیازهای تجاری منحصر به فرد شرکت خود دیدید، راهی مطمئن برای هدر دادن پول و زمان است.
6 min read
هوش مصنوعی مسئول واقعاً در مورد اصول، اخلاق، یا توضیح پذیری نیست. این می تواند کلید باز کردن ارزش هوش مصنوعی در مقیاس باشد، اما ابتدا باید برخی از افسانه ها را بشکنیم.
2 min read
برنامه کاربردی MongoDB AI به شرکت ها مشاوره استراتژیک، خدمات حرفه ای و یک پشته فناوری یکپارچه برای ساخت برنامه های هوش مصنوعی مولد ارائه می دهد.
3 min read
Amazon Q Developer، تکامل یافته Amazon CodeWhisperer، می تواند از کنسول AWS، Slack یا محیط های توسعه مانند Visual Studio Code و JetBrains IDE استفاده شود.
7 min read
TigerGraph CoPilot از طریق جستارهای زبان طبیعی و RAG مبتنی بر نمودار، چالش‌های پیچیده تجزیه و تحلیل داده‌ها و کاستی‌های جدی LLMها را برای کاربردهای تجاری برطرف می‌کند.
1 min read
محیط توسعه دهنده بومی Copilot به توسعه دهندگان این امکان را می دهد که با استفاده از زبان طبیعی کدها را بسازند، برنامه ریزی کنند، بسازند، آزمایش کنند و اجرا کنند.
4 min read
بدون برنامه‌نویسان ماهر که بر دستیاران کدنویسی هوش مصنوعی نظارت داشته باشند، احتمالاً به جای نوشتن کد شما، کد شما را می‌شکنند. در حال حاضر، فقط افراد می توانند هوش مصنوعی را تنظیم و ارزیابی کنند.
4 min read
LLM که به طور مشترک توسط محققان École Polytechnique Fédérale de Lozanne (EPFL) و دانشکده پزشکی Yale توسعه یافته و توسط کمیته بین المللی صلیب سرخ (ICRC) پشتیبانی می شود، بر روی پلت فرم Meta Llama2 ساخته شده است.
4 min read
شرکت‌ها ممکن است سریع‌تر و آسان‌تر از مدل‌های هوش مصنوعی خود در یک ابر عمومی استفاده کنند که آنها را به عنوان یک سرویس اجرا می‌کند. AWS روی این روند حرکت می کند.
