Récemment, le développeur scraed a publié sur GitHub LanPaint, un outil de réparation d'images ne nécessitant aucun entraînement supplémentaire. Cet outil vise à aider les utilisateurs à obtenir des résultats de réparation d'images de haute qualité sur n'importe quel modèle de diffusion stable (SD), y compris les modèles personnalisés entraînés par l'utilisateur. LanPaint permet au modèle de « réfléchir » avant le débruitage par itérations multiples, afin d'obtenir des résultats de réparation plus fluides et précis. L'une des principales caractéristiques de LanPaint est la réparation sans entraînement. Les utilisateurs peuvent immédiatement...

Baichuan Intelligence, une entreprise d'intelligence artificielle chinoise, restructure ses activités B2B et réduit ses effectifs au sein de son équipe financière. L'entreprise se concentrera désormais sur le développement de solutions d'IA pour le secteur médical.

Plus de 1000 artistes ont publié un album entièrement silencieux pour dénoncer la décision du gouvernement britannique de permettre la vente des droits d'auteur musicaux à des entreprises d'intelligence artificielle. Cette action symbolique vise à attirer l'attention sur les préoccupations concernant l'exploitation des œuvres d'art et le manque de rémunération pour les créateurs dans le contexte de l'IA.

Dans le domaine de l'intelligence artificielle (IA), bien que les grands modèles de langage (LLM) excellent dans le traitement du langage naturel, ils sont souvent dépassés par des tâches de raisonnement complexes. Ces tâches nécessitent généralement un raisonnement en plusieurs étapes, des connaissances spécifiques à un domaine ou l'intégration efficace d'outils externes. Pour surmonter ces limitations, les chercheurs explorent constamment comment améliorer les capacités des LLM grâce à l'utilisation d'outils externes. Les méthodes d'augmentation traditionnelles nécessitent souvent un réglage fin ou un entraînement supplémentaire du modèle, ce qui limite son adaptabilité et sa flexibilité.

Dans le domaine de l'intelligence artificielle, l'entraînement des modèles linguistiques de grande taille (LLM) est devenu un axe important de progrès technologique. Cependant, avec l'augmentation constante de la taille des modèles et des ensembles de données, les méthodes d'optimisation traditionnelles – en particulier AdamW – révèlent progressivement leurs limites. Les chercheurs sont confrontés à une série de défis, notamment des coûts de calcul élevés, une instabilité de l'entraînement, la disparition ou l'explosion des gradients, des mises à jour incohérentes des matrices de paramètres et des besoins importants en ressources dans les environnements distribués. Il est donc urgent de disposer de techniques d'optimisation plus efficaces et plus stables pour faire face à ces complexités.

La startup chinoise de modèles de langage Moonshot AI (月之暗面) a de nouveau attiré l'attention du secteur en réduisant considérablement son budget marketing. Selon des informations de Jie Mian News, Moonshot AI a interrompu ses campagnes publicitaires sur plusieurs canaux Android et plateformes publicitaires tierces. Auparavant, Moonshot AI était connue pour sa stratégie marketing agressive, investissant près de 200 millions de yuans par mois dans le marketing et l'acquisition de trafic depuis septembre 2024, principalement sur des plateformes comme Xiaohongshu, Bilibili et Zhihu. Le coût d'acquisition d'un utilisateur enregistré pour Kimi était d'environ 30 yuans. Cependant, une source anonyme révèle que...

Dans le domaine de l'intelligence artificielle, l'équipe DeepSeek a récemment publié ses derniers résultats de recherche, présentant un mécanisme d'attention clairsemé innovant appelé NSA (Native Sparse Attention). L'objectif principal de cette technologie est d'améliorer la vitesse d'entraînement et d'inférence à long contexte, en particulier en étant optimisée pour le matériel moderne, ce qui permet une amélioration significative de l'efficacité de l'entraînement et de l'inférence. Le lancement de la technologie NSA a apporté des changements notables à l'entraînement des modèles d'intelligence artificielle. Tout d'abord, elle utilise une série de techniques ciblant le matériel informatique moderne

Récemment, lors d'une diffusion en direct, Elon Musk a officiellement lancé le nouveau chatbot Grok 3, révélant le coût exorbitant de son entraînement. Grok 3 est désormais disponible pour les abonnés Premium +, et il a démontré d'excellentes performances dans plusieurs domaines d'évaluation, surpassant même des concurrents tels que Gemini, DeepSeek et ChatGPT. Musk a indiqué que l'entraînement de Grok 3 a nécessité 200 000 GPU Nvidia, un chiffre impressionnant. Avant cela...

Ces dernières années, les progrès des techniques de rééclairage d'image ont bénéficié de l'utilisation d'ensembles de données à grande échelle et de modèles de diffusion pré-entraînés, rendant l'application d'un éclairage cohérent plus courante. Cependant, dans le domaine du rééclairage vidéo, les progrès ont été relativement lents en raison des coûts d'entraînement élevés et du manque de données de rééclairage vidéo diversifiées et de haute qualité. L'application simple de modèles de rééclairage d'image image par image à la vidéo entraîne plusieurs problèmes, tels que l'incohérence des sources lumineuses et de l'apparence du rééclairage, conduisant finalement à un scintillement dans la vidéo générée. Pour résoudre ce problème, l'équipe de recherche a proposé Light-A

Ces dernières années, le domaine du traitement automatique du langage naturel a connu une transformation sans précédent grâce au développement rapide des grands modèles linguistiques (LLM). Ces technologies sont désormais largement utilisées dans des applications telles que les assistants de codage, les moteurs de recherche et les assistants personnels IA, démontrant des capacités impressionnantes. Cependant, le paradigme traditionnel de « prédiction du jeton suivant » présente certaines limites, notamment pour traiter les raisonnements complexes et les tâches à long terme, les modèles nécessitant un entraînement intensif pour maîtriser une compréhension conceptuelle approfondie. Pour résoudre ce problème, les chercheurs de Meta et d'autres institutions ont proposé...

Arm, société mondiale de semi-conducteurs de renom, a récemment annoncé qu'elle commencerait cette année à concevoir et à fabriquer ses propres puces, marquant ainsi un tournant majeur dans sa stratégie commerciale. Selon le Financial Times, Meta est devenu le premier client d'Arm. Leur collaboration portera sur le développement de processeurs centraux (CPU) destinés aux grands centres de données. Ces puces pourront également être personnalisées en fonction des besoins des différents clients. Source de l'image : image générée par IA, fournisseur de services d'autorisation d'images Midjourney. Arm, jusqu'à présent, a principalement fonctionné en octroyant des licences pour ses conceptions de puces.

Le 11 février 2025, lors du sommet des gouvernements mondiaux (World Governments Summit) à Dubaï, aux Émirats arabes unis, Li Yanhong, fondateur de Baidu, a eu un échange approfondi avec Omar Sultan Al Olama, ministre de l'IA des Émirats arabes unis, pour discuter des tendances futures du développement de l'infrastructure IA. Au cours de la conversation, M. Al Olama a mentionné l'attention mondiale suscitée récemment par DeepSeek, entraînant de fortes fluctuations des cours des actions de plusieurs grands fabricants de puces et de bourses, et a interrogé Li Yanhong sur sa vision de l'avenir des centres de données et de l'infrastructure IA.