IBM lanza Granite 3.1, una versión actualizada de su modelo de lenguaje abierto con un rendimiento mejorado

AIbase基地

Publicado elNoticias de IA · 4 minutos de lectura · Dec 24, 2024

248

Recientemente, IBM anunció el lanzamiento de la versión 3.1 de su modelo de lenguaje de código abierto Granite, una actualización que incluye varias mejoras importantes. El nuevo modelo ha sido rediseñado con una arquitectura más densa, capaz de procesar hasta 128.000 tokens a la vez. Esta actualización significa una mejora significativa en la capacidad de Granite para manejar textos y tareas complejas.

IBM

El modelo Granite 3.1 se entrenó con conjuntos de datos de 12 idiomas y 116 lenguajes de programación, procesando un total de 12 billones de tokens. Esto hace que el modelo tenga un rendimiento superior en la comprensión y generación del lenguaje, satisfaciendo mejor las necesidades de los usuarios. IBM afirma que estos nuevos modelos destacan en tareas como responder preguntas utilizando datos externos (RAG), extraer información de texto no estructurado y crear resúmenes de documentos.

Los desarrolladores ahora pueden acceder a estos modelos a través de la plataforma Hugging Face, ofreciendo un soporte potente para diversas aplicaciones. Granite se lanzó inicialmente en mayo de 2024, y esta actualización marca el continuo progreso e innovación de IBM en el campo de la inteligencia artificial de código abierto.

El modelo Granite de IBM no es solo una mejora tecnológica, sino que proporciona a los desarrolladores y empresas herramientas más flexibles y potentes, permitiéndoles procesar y analizar datos de manera más eficiente. Con el continuo desarrollo de la tecnología de inteligencia artificial, el modelo Granite seguirá desempeñando un papel importante, ayudando a diversas industrias en su transformación digital.

Con estas mejoras, IBM espera atraer a más desarrolladores a la comunidad de código abierto para impulsar conjuntamente el desarrollo de la tecnología de inteligencia artificial. El lanzamiento de Granite 3.1 no es solo un salto tecnológico, sino también un impulso positivo para la investigación futura de modelos de lenguaje.

Acceso al proyecto: https://huggingface.co/collections/ibm-granite/granite-31-language-models-6751dbbf2f3389bec5c6f02d

Puntos clave:
🌟 El nuevo modelo Granite 3.1 ha sido rediseñado y puede procesar hasta 128.000 tokens.
🌍 Los datos de entrenamiento del modelo abarcan 12 idiomas y 116 lenguajes de programación, procesando un total de 12 billones de tokens.
💻 Los desarrolladores pueden acceder a estos potentes modelos de lenguaje de código abierto a través de la plataforma Hugging Face.

TuSimple lanza el modelo de video a partir de imágenes "Ruyi" y publica código abierto de Ruyi-Mini-7B

TuSimple, con sede en Beijing, lanzó oficialmente el 17 de diciembre de 2024 su primer modelo grande de "video a partir de imágenes": "Ruyi", y publicó el código abierto de la versión Ruyi-Mini-7B para que los usuarios puedan descargarlo y utilizarlo desde la plataforma huggingface. Fundada en 2015 y con sede en San Diego, California, TuSimple se centra en la aplicación de la IA en diversas industrias, incluyendo la animación, los videojuegos y el transporte.

Arcee AI lanza el modelo de lenguaje abierto Arcee-Nova: basado en Qwen2-72B, con rendimiento cercano a GPT-4

Arcee AI ha lanzado recientemente su último modelo de lenguaje abierto, Arcee-Nova. Basado en Qwen2-72B-Instruct, este modelo alcanza un rendimiento casi comparable al de GPT-4, mostrando capacidades excepcionales en razonamiento lógico, escritura creativa, generación de código, comprensión del lenguaje y aplicaciones de atención al cliente. Optimizado mediante conjuntos de datos generales diversos y aprendizaje por refuerzo, Arcee-Nova ofrece adaptabilidad multidisciplinar y lidera el ranking en OpenLLM Leaderboard 2.0.

Apple lanza DCLM, un modelo de lenguaje abierto de 700 millones de parámetros, con mayor precisión y menor consumo de recursos

Apple y sus colaboradores han lanzado DCLM, un modelo de lenguaje grande de código abierto con 700 millones de parámetros. Entrenado con 2,5 billones de tokens de datos, DCLM muestra una mejora significativa en la comprensión y generación del lenguaje. El núcleo de DCLM es una herramienta de optimización de conjuntos de datos estandarizada, que permite a los investigadores realizar experimentos en la plataforma Hugging Face para evaluar la calidad de diferentes conjuntos de datos y métodos de mejora. Los estudios demuestran que los conjuntos de datos de referencia creados con DCLM pueden entrenar modelos que obtienen excelentes resultados en pruebas clave, especialmente en M...

SemiKong, el primer modelo de lenguaje abierto para diseño de chips, se lanza oficialmente; supera el rendimiento de los modelos generales

SemiKong, el primer modelo de lenguaje abierto para diseño de chips a nivel mundial, se presentó en la conferencia Semicon West 2024. Desarrollado conjuntamente por Aitomatic y FPT Software, SemiKong, basado en el ajuste fino de Llama 3, supera el rendimiento de los modelos de lenguaje grandes generales. Muestra una mejora significativa en precisión, relevancia y comprensión de los procesos de semiconductores. Entrenado en tres fases, con 8B parámetros, este modelo está específicamente diseñado para el conocimiento del sector de los semiconductores, ofreciendo una potente plataforma base para las empresas de chips y acelerando la innovación.