Das Doubao-Sprachmodell-Team von ByteDance gab kürzlich bekannt, dass es die entscheidenden Engpässe in der Mixture-of-Experts-Architektur (MoE) überwunden und eine bedeutende Optimierungstechnologie namens COMET Open Source bereitgestellt hat. Diese Technologie verbessert die Trainingseffizienz großer Sprachmodelle erheblich und erzielt eine Steigerung um das 1,7-fache sowie eine Reduzierung der Trainingskosten um 40 %. Bildhinweis: Das Bild wurde von KI generiert und über Midjourney lizenziert. COMET wird bereits in ByteDances Trainingscluster mit Zehntausenden von GPUs eingesetzt und hat bereits Millionen von GPU-Stunden eingespart.

Der Entwickler scraed hat kürzlich auf GitHub LanPaint veröffentlicht, ein Werkzeug zur Bildreparatur ohne zusätzliches Training. Dieses Tool soll Nutzern helfen, hochwertige Bildreparaturergebnisse auf jedem stabilen Diffusionsmodell (SD) zu erzielen, einschließlich selbst trainierter, benutzerdefinierter Modelle. LanPaint erzielt durch mehrfache Iterationen, die das Modell vor dem Entrauschen „nachdenken“ lassen, nahtlosere und genauere Reparaturergebnisse. Ein Hauptmerkmal von LanPaint ist die Reparatur ohne Training. Benutzer können sofort...

BioChatter ist ein Open-Source-Framework, das die biomedizinische Forschung durch vereinfachte Nutzung von Large Language Models (LLMs) unterstützt. Es senkt die Eintrittsbarrieren für Wissenschaftler und ermöglicht eine effizientere Datenanalyse und -interpretation.

Eine Forschungsgruppe der Nanyang Technological University hat mit ihrer Technologie namens "GaussianCity" zur Erzeugung von 3D-Stadtmodellen im großen Maßstab für Aufsehen gesorgt. Dieses neue Framework, das von dem Forschungsteam entwickelt wurde, bietet nicht nur eine erstaunliche 60-fache Geschwindigkeitssteigerung, sondern überwindet auch die Größenbeschränkungen herkömmlicher Methoden und ermöglicht die unbegrenzte Generierung von 3D-Städten. Dieses Forschungsergebnis wurde von der CVPR 2025 (einer Top-Konferenz für Computer Vision und Mustererkennung) angenommen und stellt einen bedeutenden Durchbruch in den Bereichen Virtual Reality, autonomes Fahren und digitale Zwillinge dar. GaussianCity...

xAI hat kürzlich aufregende Neuigkeiten veröffentlicht: Sein neuestes KI-Modell, Grok-3, hat im Chatbot Arena-Ranking hervorragend abgeschnitten. Das Modell, mit dem Namen „grok-3preview-02-24“, zeigte in mehreren Schlüsselbereichen eine überragende Leistung. xAI's Grok-3-Preview-02-24 übertraf GPT4.5-Preview mit nur einem Punkt Vorsprung. Grok-3 erhielt über 3.000 Stimmen und insgesamt...

Mit der rasanten Entwicklung von KI-Großmodellen in China erlebt das Anlage- und Finanzmanagement einen beispiellosen Wandel. Immer mehr Anleger verlassen sich auf KI für ihr Vermögensmanagement. Durch „Finanzfragen an KI“ stellen sie fest, dass KI effiziente Anlageempfehlungen und Risikomanagementlösungen bieten und ihnen helfen können, Marktchancen besser zu nutzen. In diesem neuen Zeitalter ist KI nicht mehr nur ein Schlagwort aus der Technologiebranche, sondern wird zunehmend zum „Finanzberater“ für Anleger. Viele erfahrene Anleger berichten, dass die leistungsstarke Informationsverarbeitungsfähigkeit der KI...

Im Bereich der künstlichen Intelligenz zeichnet sich eine bahnbrechende Technologie ab. Inception Labs hat kürzlich die Mercury-Serie von Diffusions-Large-Language-Models (dLLMs) vorgestellt, eine neue Generation von Sprachmodellen, die darauf ausgelegt sind, schnell und effizient qualitativ hochwertige Texte zu generieren. Im Vergleich zu traditionellen autoregressiven Large-Language-Models ist Mercury bis zu 10-mal schneller und erreicht auf einer NVIDIA H100-GPU eine Geschwindigkeit von über 1000 Token pro Sekunde. Dies ist eine Geschwindigkeit, die...

Die Technologie der KI-Großmodelle hat in den letzten Jahren rasante Fortschritte gemacht, und die daraus resultierende Preisspirale führt zu einem immer intensiveren Wettbewerb. Laut aktuellen Statistiken von Daten-Schatz wird sich dieser Preistrend im Jahr 2025 fortsetzen. Insbesondere in der jüngsten Vergangenheit haben Unternehmen wie ByteDance und Alibaba Cloud die Kosten für die Nutzung ihrer KI-Großmodelle gesenkt, was breite Aufmerksamkeit in der Branche erregt hat. Beispielsweise hat ByteDance' Doubao-Großmodell im Dezember letzten Jahres eine Preissenkung angekündigt; sein visuelles Verständnismodell kostet nun nur noch 0,003 Yuan pro 1000 Tokens.

Auf der Global Developer Pioneer Conference 2025 hat SenseTime die Open-Source Low-Code-Plattform LazyLLM vorgestellt, um die Einstiegshürde für die Entwicklung von KI-Anwendungen zu senken. Entwickler können jetzt mit nur etwa 10 Zeilen Code komplexe Multi-Agent-Large-Model-Anwendungen erstellen. LazyLLM hilft Nutzern nicht nur bei der schnellen Entwicklung von KI-Anwendungen, sondern macht den Entwicklungsprozess auch einfach und angenehm, wie das Bauen mit Lego-Steinen. Der Name LazyLLM leitet sich von "faul" ab und spiegelt SenseTimes Wunsch wider, den Nutzern...

Die Automobilbranche erlebt eine neue Welle der Intelligenz! Der chinesische E-Automobilhersteller Zero Run gab heute bekannt, dass sein neues Modell, der Zero Run B10, am 10. März offiziell in den Vorverkauf geht. Das neue Fahrzeug hat mit seiner „ersten Lidar-basierten City-Fahrerassistenz in der 150.000-Yuan-Klasse“ und der „integrierten DeepSeek- und Tongyi Qianwen-Dual-AI-Großmodelle“-Technologie sofort die Markterwartungen geweckt und wird von der Branche als „König des autonomen Fahrens in der 150.000-Yuan-Klasse“ gefeiert! Laut den neuesten Vorabinformationen von Zero Run zeigt der Zero Run B10...

Am ersten Tag der DeepSeek Open-Source-Woche wurde FlashMLA veröffentlicht, ein hocheffizienter Dekodierkern für mehrschichtige Aufmerksamkeit (Multi-Layer Attention), der speziell für Nvidia Hopper-Architektur-GPUs entwickelt wurde. Diese Technologie wurde speziell für Szenarien mit variabler Sequenzlänge optimiert und verbessert die Inferenzleistung großer Sprachmodelle deutlich. Zu den Kernmerkmalen von FlashMLA gehören die umfassende Unterstützung von BF16-Genauigkeit und die Verwendung eines seitenbasierten Schlüssel-Wert-Cache (Paged KV Cache) mit einer Blockgröße von 64.

Im Bereich der Künstlichen Intelligenz (KI) zeigen große Sprachmodelle (LLMs) zwar hervorragende Leistungen in der Verarbeitung natürlicher Sprache, scheitern aber oft an komplexen Denkaufgaben. Diese Aufgaben erfordern in der Regel mehrstufige Schlussfolgerungen, domänenspezifisches Wissen oder die effektive Integration externer Tools. Um diese Einschränkungen zu überwinden, erforschen Wissenschaftler, wie die Fähigkeiten von LLMs durch die Nutzung externer Tools verbessert werden können. Herkömmliche Erweiterungstechniken erfordern oft ein Fine-Tuning oder zusätzliches Training des Modells, was dessen Anpassungsfähigkeit und Flexibilität einschränkt.

Im Bereich der künstlichen Intelligenz ist das Training großer Sprachmodelle (LLMs) zu einem wichtigen Faktor für den technologischen Fortschritt geworden. Mit der zunehmenden Größe der Modelle und der Datenmengen zeigen herkömmliche Optimierungsmethoden – insbesondere AdamW – jedoch zunehmend ihre Grenzen. Forscher stehen vor Herausforderungen wie hohen Rechenkosten, instabilem Training und verschiedenen Problemen, darunter Gradienten-Vanishing oder -Exploding, inkonsistente Aktualisierungen der Parametermatrizen und hoher Ressourcenbedarf in verteilten Umgebungen. Daher besteht ein dringender Bedarf an effizienteren und stabileren Optimierungstechniken, um diese Komplexität zu bewältigen. Um dies zu erreichen...

Vor kurzem fand in Peking eine von Future Net veranstaltete Gesprächsrunde zum Thema "Handysuchtprävention bei Minderjährigen" statt, um wirksame Wege zur Linderung der Handysucht bei Jugendlichen zu erforschen. Die Konferenz stand unter dem Motto "Gemeinsam ein Schutznetz weben, ein neues Ökosystem für die digitale Kindheit schaffen" und brachte Experten und Wissenschaftler aus allen Bereichen der Gesellschaft zusammen, um die Probleme der Handynutzung bei Minderjährigen und Strategien zur Bewältigung zu diskutieren. Laut dem im Dezember 2023 veröffentlichten Bericht "5. Nationale Untersuchung zur Internetnutzung von Minderjährigen" ist das Handy für 91,3 % der Minderjährigen das wichtigste Gerät für den Internetzugang, wobei mehr als...

Die kürzlich erfolgte Veröffentlichung des VLM-R1-Projekts läutet eine neue Ära in diesem Bereich ein. Das Projekt stellt die erfolgreiche Übertragung der R1-Methode des DeepSeek-Teams auf visuelle Sprachmodelle dar und bedeutet einen entscheidenden Fortschritt im Verständnis visueller Inhalte durch KI. VLM-R1 basiert auf der im letzten Jahr von DeepSeek veröffentlichten R1-Methode, die die GRPO (Generative Reward Processing Optimization) nutzt, um...