Abélien Technologie révolutionne l'expérience utilisateur automobile en intégrant des grands modèles d'IA dans les cockpits intelligents. Cette intégration permet une interaction plus intuitive et personnalisée avec le véhicule, ouvrant la voie à de nouvelles fonctionnalités et à une conduite plus sûre et plus agréable.

Ce financement servira principalement à stimuler l'innovation technologique et le développement de l'écosystème du modèle de base national GLM. 智谱AI, l'une des premières entreprises d'intelligence artificielle à open-sourcer un grand modèle linguistique en Chine, s'engage à promouvoir l'application généralisée de la technologie de l'IA. Grâce à ce financement, 智谱AI intensifiera ses investissements dans la recherche et le développement technologiques et la construction d'écosystèmes afin de mieux servir les entités économiques dynamiques de la province du Zhejiang et de la région du delta du Yangtsé.

Baidu a annoncé que son dernier modèle linguistique de grande taille Wenxin 4.5 sera officiellement lancé le 16 mars. Il est entendu que le modèle linguistique de grande taille Wenxin est un élément important du déploiement de Baidu dans le domaine de l'intelligence artificielle. Depuis son lancement initial il y a deux ans, il a eu un impact profond à l'échelle mondiale.

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.

Le lancement récent du projet VLM-R1 a apporté un nouvel espoir dans ce domaine. Ce projet représente le transfert réussi de la méthode R1 de l'équipe DeepSeek aux modèles linguistiques visuels, marquant une nouvelle étape dans la compréhension du contenu visuel par l'IA. L'inspiration de VLM-R1 provient de la méthode R1, open-source par DeepSeek l'année dernière, qui utilise l'optimisation du traitement de récompense générative (GRPO).

Vectara a récemment publié un rapport intitulé « Classement des hallucinations », comparant les performances de différents grands modèles linguistiques (LLM) en matière de génération d'hallucinations lors de la synthèse de courts documents. Ce classement utilise le modèle d'évaluation des hallucinations Hughes de Vectara (HHEM-2.1), un modèle régulièrement mis à jour visant à évaluer la fréquence à laquelle ces modèles introduisent de fausses informations dans les résumés. Selon les dernières données, le rapport indique le taux d'hallucinations, le taux de cohérence factuelle, le taux de réponse et la longueur moyenne des résumés pour une série de modèles populaires.

Au cours du dernier mois, le marché mondial des grands modèles linguistiques a été bouleversé par le lancement de DeepSeek, et de nombreuses entreprises ont été interrogées sur leur opinion et leur stratégie face à cette nouvelle force. Sur le marché intérieur chinois, les six start-ups de grands modèles linguistiques ayant déjà atteint le statut de licorne – 01.AI, Baichuan Intelligent, Jietuo Xingchen, Zhipu Zhang, Yue Zhi Anmian et MiniMax – sont confrontées à des défis importants, mais leurs stratégies de réponse montrent des orientations différentes. Tout d'abord, le fondateur de 01.AI, Kai-Fu Lee, a déclaré précédemment qu'ils ne recherchaient plus un modèle super-large.

Baidu a annoncé aujourd'hui un projet important : le lancement progressif de la nouvelle série de modèles linguistiques Wenxin 4.5 au cours des prochains mois, avec une ouverture du code source officielle au public à partir du 30 juin. Cette initiative témoigne de l'engagement continu et de l'innovation de Baidu dans le domaine de l'intelligence artificielle.

Une étude récente menée conjointement par l'Université de Munich, le Centre d'apprentissage automatique de Munich et Adobe Research révèle que 12 modèles linguistiques d'IA de pointe, notamment GPT-4o, Gemini 1.5 Pro et Llama-3.3-70B, sont confrontés à une baisse significative des performances dans les tâches de raisonnement conceptuel sur de longs textes. Bien que ces modèles prennent en charge le traitement de contextes comprenant au moins 128 000 jetons, leurs capacités d'association logique profonde présentent des limites fondamentales. L'équipe de recherche a développé NOLIMA (No Literal Matching, sans correspondance littérale)

Avec l'essor rapide de l'intelligence artificielle générative (IA générative), PromptLayer, une start-up new-yorkaise, s'est rapidement imposée dans le domaine émergent de l'ingénierie des invites. L'ingénierie des invites consiste à fournir des instructions précises aux robots de discussion IA afin d'obtenir des résultats utiles. Les fondateurs de PromptLayer, Jared Zoneraich et Jonathan Pedoeem, ont initialement développé un outil pour suivre leurs propres…

Dans le contexte du développement rapide de la technologie de l'intelligence artificielle à l'échelle mondiale, Nvidia a récemment annoncé qu'elle mettrait gratuitement à la disposition du public 19 cours de technologie IA auto-rythmés afin d'aider les développeurs et les passionnés de technologie à améliorer leurs compétences dans les domaines de l'IA et de la science des données. Cette initiative offre non seulement aux apprenants de précieuses opportunités d'apprentissage, mais témoigne également de la détermination de Nvidia à promouvoir l'éducation dans le domaine de l'IA. Les cours proposés couvrent cinq grands domaines : l'IA générative et les grands modèles linguistiques (LLM), les graphiques et la simulation, le calcul accéléré, la science des données et l'apprentissage profond.

Dans le contexte technologique actuel, l’intelligence artificielle (IA) suscite de nombreux débats. Eerke Boiten, professeur de cybersécurité à l’université De Montfort, affirme que les systèmes d’IA actuels présentent des failles fondamentales en matière de gestion et de fiabilité, et ne devraient donc pas être utilisés pour les applications critiques. Le professeur Boiten souligne que les systèmes d’IA actuels reposent en grande partie sur de vastes réseaux neuronaux, notamment l’IA générative et les grands modèles linguistiques (comme ChatGPT). Le fonctionnement de ces systèmes est relativement complexe, bien que chaque neurone…

Dans le domaine de la recherche universitaire, la recherche bibliographique est une tâche d'acquisition d'informations complexe et importante. Les chercheurs doivent pouvoir gérer des capacités de recherche complexes et spécialisées pour répondre à des besoins de recherche pointus. Cependant, les plateformes de recherche universitaires existantes, telles que Google Scholar, ont souvent du mal à gérer ces requêtes de recherche complexes. Par exemple, une requête spécialisée sur l'apprentissage par renforcement non stationnaire utilisant la méthode UCB nécessite des capacités de calcul et d'analyse plus importantes. De plus, les chercheurs consacrent généralement beaucoup de temps et d'efforts à parcourir manuellement la vaste quantité de publications universitaires lors de la réalisation d'une revue de littérature.

Lors du récent débat sur la technologie de Davos, Yann LeCun, scientifique en chef de l'IA chez Meta, a fait des prédictions enthousiasmantes sur l'évolution de l'intelligence artificielle au cours des cinq prochaines années. Il estime que les systèmes d'IA actuels connaîtront une transformation majeure dans les trois à cinq prochaines années, avec l'émergence d'un « nouveau paradigme d'architecture de l'IA » qui surpassera les capacités des IA génératives et des grands modèles linguistiques (LLM) couramment utilisés aujourd'hui. LeCun souligne que si les LLM actuels affichent de bonnes performances en traitement du langage, ils...

DeepSeek a récemment annoncé la publication et l'open source de son dernier grand modèle linguistique, R1. Ce modèle présente des performances exceptionnelles, comparables à celles de la version officielle d'o1 d'OpenAI. Cette avancée marque non seulement une percée majeure pour la technologie IA chinoise, mais offre également aux développeurs d'IA du monde entier de nouvelles options. DeepSeek R1 a largement utilisé l'apprentissage par renforcement en phase de post-entraînement, améliorant considérablement ses capacités d'inférence même avec très peu de données annotées. Ses compétences s'étendent aux mathématiques, à la programmation, au raisonnement en langage naturel, etc.

Dans les tâches multimodales telles que la recherche d'images, le légendage d'images et le diagnostic médical, les modèles linguistiques visuels (VLMs) jouent un rôle crucial. Ces modèles visent à aligner les données visuelles et linguistiques pour un traitement de l'information plus efficace. Cependant, les VLMs actuels rencontrent encore des défis importants dans la compréhension de la négation. La négation est essentielle dans de nombreuses applications, par exemple pour distinguer « une pièce sans fenêtre » d'« une pièce avec fenêtre ». Malgré les progrès significatifs des VLMs, les modèles existants présentent des limitations dans le traitement des énoncés négatifs.