Moore Threads anuncia el lanzamiento de código abierto de su modelo de lenguaje grande de comprensión de audio, MooER, convirtiéndose en el primer modelo de lenguaje de voz de código abierto a gran escala basado en una GPU doméstica de funciones completas. MooER admite el reconocimiento y la traducción de voz en chino e inglés, emplea una estructura de modelo de tres partes y muestra una potente capacidad de procesamiento multilingüe. Ya se ha publicado el código de inferencia y el modelo entrenado con datos de 5000 horas, con planes para publicar posteriormente el código de entrenamiento y una versión mejorada entrenada con datos de 80,000 horas. En las pruebas comparativas, MooER-5K mostró un rendimiento excelente, con un CER de 4.21% en chino y un WER de 17.98% en inglés.

Moore Threads ha anunciado la publicación de código abierto de su modelo de lenguaje de audio MooER, el primer modelo de lenguaje de audio de gran escala de código abierto entrenado e inferido en una GPU nacional de funciones completas. MooER, en la plataforma de computación inteligente Kua'e de Moore Threads, completó el entrenamiento de datos de audio a gran escala en solo 38 horas, mostrando un rendimiento excepcional en el reconocimiento de voz en chino e inglés y en la traducción de voz chino-inglés, particularmente alcanzando una puntuación BLEU de 25.2, cercana a la calidad industrial, en el conjunto de pruebas de traducción chino-inglés Covost2. Moore Threads planea publicar el código de entrenamiento.

Recientemente, Moore Threads y Shiyin Intelligence anunciaron una colaboración estratégica para promover la aplicación de GPU nacionales de funciones completas en soluciones de modelos grandes de la industria. Ambas partes han completado la adaptación del clúster de computación Kua'e de Moore Threads y el modelo multimodal "Una Hoja Ligera" de Shiyin Intelligence, integrando sus respectivos recursos de la industria de la inteligencia artificial con el objetivo de proporcionar una experiencia de servicio más inteligente y eficiente.

La plataforma de creación de IA de Moore Threads, 'MoBi MaLiang', anuncia una nueva actualización que ofrece a los usuarios una experiencia de generación de imágenes más eficiente y personalizada. La actualización de MoBi MaLiang refuerza especialmente la comprensión del idioma chino y la cultura china, lo que permite una generación de retratos creativos más precisa. Los usuarios solo necesitan tres sencillos pasos: subir una foto, introducir una descripción y generar una imagen, para crear rápidamente retratos creativos personalizados.

Los investigadores de Microsoft han presentado el estudio SpreadsheetLLM, cuyo objetivo es permitir que los grandes modelos lingüísticos (LLM) interpreten hojas de cálculo mediante un innovador marco de codificación, para resolver los problemas de eficiencia en la gestión y el análisis de datos. Esta investigación promete mejorar la eficiencia del procesamiento de hojas de cálculo permitiendo a los usuarios formular preguntas a la IA en lenguaje natural, sin necesidad de dominar fórmulas y operaciones complejas. Las principales contribuciones incluyen dos tecnologías centrales: SheetCompressor y Chain of Spreadsheet, siendo esta última...

El nuevo sistema de IA de Microsoft, SpreadsheetLLM, combina modelos de lenguaje grandes con el análisis de datos de hojas de cálculo para procesar datos de manera eficiente. Su característica principal es la innovadora capacidad de ayudar a los usuarios a analizar los datos de las hojas de cálculo mediante preguntas en lenguaje natural (español) y generar automáticamente los resultados. Esta tecnología simplifica el proceso de análisis de datos, eliminando la necesidad de que los usuarios dominen fórmulas complejas o conocimientos de programación. Con una simple entrada de lenguaje natural, se obtienen respuestas rápidamente. SpreadsheetLLM se aplica ampliamente en diversos campos de toma de decisiones empresariales, mejorando significativamente...

Recientemente, Moore Threads y el gran modelo de IA de educación multidisciplinar "Shizhe AI" anunciaron conjuntamente que ambas partes han completado las pruebas de entrenamiento del gran modelo. Con el apoyo del clúster de computación inteligente de miles de tarjetas KUAE de Moore Threads, Shizhe AI completó con éxito el entrenamiento de alta intensidad de un gran modelo de 7 mil millones de parámetros en una semana. La eficiencia del entrenamiento alcanzó las expectativas, mostrando plenamente la capacidad de la plataforma nacional de entrenamiento de miles de millones de parámetros con miles de GPU de funciones completas.