OrionStar lanza el modelo OrionStar-Yi-34B-Chat de código abierto, de uso comercial gratuito

站长之家

Publicado elNoticias de IA · 2 minutos de lectura · Nov 23, 2023

192

El proveedor de soluciones de servicios de inteligencia artificial "OrionStar" ha lanzado OrionStar-Yi-34B-Chat, un modelo de chat afinado basado en el modelo de código abierto Yi-34B de ZeroOne万物. Este modelo ha demostrado un excelente rendimiento en los dos benchmarks de evaluación en chino C-Eval y C-MMLU, siendo una excelente alternativa de código abierto a ChatGPT.

OrionStar-Yi-34B-Chat se caracteriza por su alto rendimiento, código abierto completamente gratuito y uso comercial libre. OrionStar es un proveedor de soluciones de servicios de inteligencia artificial, cuyos principales productos son robots de interacción de voz con IA y robots de nueva venta minorista con IA.

AI2 lanza el modelo de código abierto Tülu3, con rendimiento comparable a GPT-4o mini

En el campo de la inteligencia artificial, las técnicas de post-entrenamiento se están convirtiendo en una herramienta clave para mejorar el rendimiento de los modelos. Recientemente, el Instituto de Inteligencia Artificial Allen (AI2) ha publicado la serie de modelos Tülu3, un conjunto de modelos de lenguaje avanzados completamente de código abierto, con un rendimiento comparable a modelos propietarios como GPT-4o-mini. Tülu3 incluye no solo los datos del modelo, el código y las recetas de entrenamiento, sino también un marco de evaluación, con el objetivo de impulsar el desarrollo de técnicas de post-entrenamiento para modelos de código abierto. Tradicionalmente, los modelos que solo han sido pre-entrenados a menudo no satisfacen las necesidades de las aplicaciones reales de manera efectiva, pudiendo...

AI2 lanza el nuevo modelo de código abierto OLMoE: ¡eficiente, potente y asequible!

El Instituto de Inteligencia Artificial Allen (AI2) ha lanzado OLMoE, un modelo de lenguaje grande de código abierto diseñado para ofrecer un alto rendimiento a bajo coste. Este modelo utiliza una arquitectura de expertos mixtos dispersos (MoE), con 7 mil millones de parámetros, pero mediante un mecanismo de enrutamiento inteligente, cada token de entrada solo utiliza 1 mil millones de parámetros, lo que permite un cálculo eficiente. OLMoE incluye versiones de ajuste general e instrucciones, y admite una ventana de contexto de 4096 tokens. Sus datos de entrenamiento provienen de diversas fuentes, incluyendo Common Crawl, Dolma CC y Wikipedia.

¡Nuevo titán en la generación de imágenes con IA! El modelo de código abierto FLUX.1 irrumpe en escena, ¿Midjourney y DALL·E 3 en alerta?

FLUX.1, una plataforma de modelos grandes de código abierto desarrollada por el experto en generación de imágenes con IA Robin Rombach, utiliza una arquitectura Vision Transformer de 12.000 millones de parámetros, entrenamiento de coincidencia de flujo y técnicas de incrustación de posición rotacional, superando considerablemente a modelos cerrados como DALL·E 3, Midjourney V6 y la serie SD3. En cuanto a rendimiento, FLUX.1 destaca en la reproducción semántica de texto, calidad de imagen, coherencia de movimiento, coherencia y diversidad, incluso en la generación de texto...

¡Llega el modelo de código abierto más potente! Llama 3.1 supera a GPT-4o con 405 mil millones de parámetros

El modelo Llama 3.1, publicado por Meta AI, compite en rendimiento con los modelos propietarios de primer nivel, lo que supone un gran avance para la IA de código abierto. Se trata de un modelo lingüístico grande de nueva generación, respaldado por una pila de entrenamiento optimizada y recursos de computación GPU a gran escala, que presenta varias características destacadas. Entre ellas, se incluye una longitud de contexto ampliada a 128 K, compatibilidad con 8 idiomas y un rendimiento excepcional en diversas áreas de prueba. Mediante un proceso iterativo de post-entrenamiento, el modelo mejora continuamente su rendimiento, especialmente en el seguimiento de instrucciones, la coherencia y la traducción entre múltiples idiomas.