वर्तमान मीडिया उद्योग में AI के प्रति सतर्क दृष्टिकोण के बीच, Particle नामक एक AI समाचार पढ़ने का ऐप इस स्थिति को बदलने की कोशिश कर रहा है। यह ऐप, जिसे पूर्व ट्विटर इंजीनियरों द्वारा विकसित किया गया है, उपयोगकर्ताओं को समाचार को और बेहतर तरीके से समझने में मदद करने का उद्देश्य रखता है, साथ ही पारंपरिक मीडिया संस्थानों के साथ सहयोग के लिए भी प्रयासरत है। Particle की स्थापना पूर्व ट्विटर उत्पाद प्रबंधन की वरिष्ठ निदेशिका सारा बेकपुर और पूर्व ट्विटर एवं टेस्ला के वरिष्ठ इंजीनियर मार्सल मोलिना ने की थी। कंपनी ने

MusiConGen मॉडल प्री-ट्रेंड MusicGen-melody ढांचे पर फाइन-ट्यून किया गया है, जिसका मुख्य उद्देश्य विभिन्न शैलियों के संगीत टुकड़े उत्पन्न करना है। शोध टीम ने акор्ड और ताल के नियंत्रण पैरामीटर सेट करके, मॉडल द्वारा उत्पन्न संगीत नमूनों को प्रदर्शित किया, जिसमें पांच अलग-अलग शैलियां शामिल हैं: आरामदायक ब्लूज़, स्मूथ एसिड जैज़, क्लासिक रॉक, हाई एनर्जी फंक और भारी धातु।

जापान के योंग्वांग सुपरमार्केट ने AI प्रणाली Smile-Kun का उपयोग करते हुए कर्मचारियों की मुस्कान की निगरानी शुरू की है, जिसका उद्देश्य कर्मचारियों की मुस्कान और आवाज़ के विश्लेषण के माध्यम से सेवा कौशल को बढ़ाना है। यह प्रणाली कर्मचारियों से एक विशेष तरीके से अभिवादन करने का अनुरोध करती है, जिसमें 450 छोटे भावों के आधार पर स्कोरिंग की जाती है, जिसमें अधिकतम स्कोर 100 है, और यह सक्रिय प्रतिक्रिया प्रदान करती है। इसके अलावा, यह ध्वनि के स्तर, प्रवाह और उत्तेजना का विश्लेषण करके सुधार के सुझाव देती है। कर्मचारियों की प्रतिक्रिया दिखाती है कि मुस्कान का अनुपात काफी बढ़ गया है। हालांकि, इस कदम ने विवादों को जन्म दिया है, कुछ नेटिज़न्स ने आलोचना की है कि यह कर्मचारियों की व्यक्तिगत भावनाओं को अत्यधिक मात्रात्मक बनाने का प्रयास है, जो ईमानदार सेवा को व्यक्त करने में कठिनाई पैदा करता है। आलोचकों का मानना है कि यह शीर्षक और अधीनस्थ के बीच आधारित है।

एलन मस्क ने घोषणा की कि उनकी xAI कंपनी अगले महीने जीपीटी-4 के समान प्रदर्शन करने वाले एआई मॉडल Grok 2 जारी करेगी, जबकि अधिक शक्तिशाली Grok 3 की अपेक्षा दिसंबर में है। यह मॉडल मेफिस के डेटा केंद्र में 15000+ GPU के साथ बड़े पैमाने पर प्रशिक्षण ले रहा है। हालांकि केवल कुछ टेस्ला वीडियो डेटा अभी तक मॉडल प्रशिक्षण में शामिल नहीं किया गया है, लेकिन ChatGPT की तुलना से यह स्पष्ट है कि कुछ क्षेत्रों में Grok की अभी भी कमी है, और रात में अधिग्रहण संदर्भ में प्रतिस्पर्धा करने में समय लगेगा।

माइक्रोसॉफ्ट रिसर्च और बीजिंग एरोस्पेस यूनिवर्सिटी की टीम ने E5-V नामक एक कुशल मल्टी-मोडल एम्बेडिंग फ्रेमवर्क पेश किया जो मल्टी-मोडल बड़े भाषा मॉडल (MLMs) के विकास में मौजूद चुनौतियों को हल करने के लिए डिजाइन किया गया है। यह नवोन्मेषी फ्रेमवर्क एकल-मोडल प्रशिक्षण के माध्यम से मल्टी-मोडल अध्ययन की प्रक्रिया को सरल बनाता है, और पिछले मॉडलों द्वारा स्वतंत्र एन्कोडर पर निर्भरता के कारण उत्पन्न होने वाली इनपुट एकीकरण की खराबी को दूर करता है। E5-V पाठ और चित्र की जानकारी को एकीकृत करके प्रशिक्षण लागत को कम करता है और पाठ-चित्र पुनर्प्राप्ति, चित्र पुनर्प्राप्ति जैसे कई जटिल कार्यों में उत्कृष्ट प्रदर्शन प्रदर्शित करता है, विशेषकर शून्य नमूने में।

हाल ही में, 4050 अरब पेरामीटर वाला ओपन-सोर्स बड़े भाषा मॉडल LLama3.1 Reddit पर लीक हुआ है, जिसने व्यापक ध्यान आकर्षित किया है। इसे वर्तमान में GPT-4o के सबसे करीबी ओपन-सोर्स उत्पाद के रूप में देखा जा रहा है, और कुछ प्रदर्शन में GPT-4o को भी पीछे छोड़ दिया है। मॉडल को Meta (पूर्व में फेसबुक) द्वारा पेश किया गया है, जिसमें बेस और 70B संस्करण के बेंचमार्क परिणाम शामिल हैं, जो कई प्रदर्शन परीक्षणों में GPT-4o को पार कर गए हैं। LLama3.1 में बहु-भाषा समर्थन क्षमता और व्यापक प्रशिक्षण डेटा सेट (15T टोकन से अधिक) है।

आप निश्चित रूप से इस वाक्य को मिस नहीं करना चाहेंगे: प्रसिद्ध बड़े भाषा मॉडल प्लेटफॉर्म Cohere ने हाल ही में अत्यधिक ध्यान आकर्षित किया है, 5.5 बिलियन डॉलर की D श्रृंखला फंडिंग प्राप्त की है, जिसका मूल्यांकन 55 बिलियन डॉलर हो गया है। टोरंटो, कनाडा में स्थापित एक स्टार्टअप कंपनी के रूप में, Cohere की सह-स्थापना एidan गोमेज़, इवान झांग और निक फ्रॉस्ट ने की, जो पहले अमेरिका के गूगल ब्रेन और कॉर्टेक्स में काम कर चुके हैं। एidan, Cohere के सीईओ, उत्कृष्टता के लिए टोरंटो विश्वविद्यालय में अपनी लोकप्रियता के लिए जाने जाते हैं।

Arcee AI ने हाल ही में अपने नवीनतम ओपन-सोर्स भाषा मॉडल Arcee-Nova को लॉन्च किया, जो Qwen2-72B-Instruct पर आधारित है और GPT-4 की क्षमता के करीब है। यह उत्कृष्ट तार्किक तर्क, रचनात्मक लेखन, कोड生成, भाषा समझ और ग्राहक सेवा अनुप्रयोगों जैसी कई विविध क्षमताओं का प्रदर्शन करता है। विभिन्न सामान्य डेटा सेट ट्यूनिंग और मजबूत सीखने के अनुकूलन के बाद, Arcee-Nova में अंतर-क्षेत्रीय अनुकूलनशीलता है और यह OpenLLM Leaderboard2.0 में प्रमुख स्थान पर प्रदर्शन करता है।

एप्पल ने DCLM-Baseline-7B संपूर्ण-लिंक भाषा मॉडल को ओपन-सोर्स किया है, जो एआई क्षेत्र के विकास को बढ़ावा देता है। इस मॉडल में पूर्व-प्रशिक्षण डेटा सेट, डेटा प्रोसेसिंग, प्रशिक्षण से लेकर मूल्यांकन की पूरी प्रक्रिया शामिल है, जो शोधकर्ताओं और डेवलपर्स के लिए पूरी तरह से समझने में मदद करता है। MMLU परीक्षण में, इसकी क्षमता Mistral-7B-v0.3 और Llama38B के समान है। ट्रांसफार्मर आर्किटेक्चर पर आधारित, DCLM-Baseline-7B ने आधुनिक डिजाइन को अपनाया है और PyTorch/OpenL के लिए ऑप्टिमाइज्ड किया गया है।

माइक्रोसॉफ्ट शोधकर्ताओं ने SpreadsheetLLM अध्ययन प्रस्तुत किया, जिसका उद्देश्य नवाचार कोडिंग ढांचे के माध्यम से बड़े भाषा मॉडल (LLM) को स्प्रेडशीट की व्याख्या करने में सक्षम बनाना है, ताकि डेटा प्रबंधन और विश्लेषण की दक्षता के मुद्दों का समाधान किया जा सके। यह अध्ययन उपयोगकर्ताओं को जटिल सूत्रों और कार्यों को समझने की आवश्यकता के बिना, AI से प्राकृतिक भाषा में प्रश्न पूछने में सक्षम बनाकर स्प्रेडशीट प्रबंधन की दक्षता में सुधार करने की उम्मीद करता है। इसमें मुख्य योगदान SheetCompressor और Chain of Spreadsheet की दो प्रमुख तकनीकें शामिल हैं, जिसमें बाद वाली द्वारा

OpenAI द्वारा हाल ही में लॉन्च किए गए GPT-4o Mini में, CEO सैम ऑल्टमैन ने नामकरण चुनौतियों को स्वीकार किया और आलोचनाओं का सामना करते हुए कहा कि पुनः नामकरण पर विचार करने की आवश्यकता है। GPT-4o Mini को इसके लागत-कुशलता और चैटबॉट विकास के लिए अनुकूलता के कारण ध्यान में रखा गया है, लेकिन जटिल नामकरण ने व्यापक ध्यान आकर्षित किया है। हाल ही में, ऑल्टमैन ने आलोचनाओं का जवाब देते हुए नाम संयोजन के बारे में अपनी उलझन को स्वीकार किया और कहा कि भविष्य में नाम बदलने पर विचार किया जाएगा। हालाँकि अन्य परियोजनाओं जैसे Sora और DALL-E में नामकरण में नवाचार दिखाया गया है, लेकिन GPT

Neo4j LLM ज्ञान ग्राफ़ निर्माणकर्ता का शुभारंभ जटिल डेटा प्रोसेसिंग की चुनौतियों को हल करने के उद्देश्य से किया गया है, जो OpenAI, Gemini जैसे शक्तिशाली मशीन लर्निंग मॉडलों का उपयोग करते हुए, तेजी से असंरचित डेटा को संरचित ज्ञान ग्राफ़ में परिवर्तित करता है, इसके माध्यम से कुशल डेटा विश्लेषण संभव बनता है। यह उपकरण लचीले डेटा निष्कर्षण कार्यों की पेशकश करता है, जिससे उपयोगकर्ता अपनी आवश्यकताओं के अनुसार प्रारूप को अनुकूलित कर सकते हैं, और डेटा गुणवत्ता सुनिश्चित करने के लिए डेटा सफाई विकल्प प्रदान करता है। इसकी स्मार्ट डेटा खोज को मजबूत करने के लिए कई पुनः प्राप्ति तकनीकों का उपयोग किया गया है, ग्राफ़िकल ज्ञान ग्राफ़ और पाठ्य में एम्बेडेड शब्दावली मानचित्र का संयोजन समझने में और भी आसान बनाता है।

Goldfish की वेबसाइट ने एक नवोन्मेषी तकनीक का प्रदर्शन किया है, जिसे किसी भी लंबाई के वीडियो को संसाधित करने के लिए विशेष रूप से बनाया गया है, और यह पारंपरिक AI मॉडलों द्वारा लंबी वीडियो को संसाधित करने में 'शोर और अधिशेष' और 'स्मृति और गणना' की सीमाओं को परास्त करती है। इसकी कुंजी में शामिल हैं: 1. **शोध तंत्र**: दीर्घ वीडियो से सबसे प्रासंगिक वीडियो क्लिप को निकालने के लिए उच्च दक्षता तकनीक का उपयोग करना, उत्तर उत्पन्न करना। 2. **MiniGPT4-Video**: यह वीडियो क्लिप के लिए विस्तृत विवरण उत्पन्न करने की एक विशेषता है, जो वीडियो फ्रेम और उपशीर्षक को जोड़ती है, वीडियो सामग्री की संपूर्ण समझ को बढ़ाती है। 3. **

डेवलपर ने IMAGDressing-v1 जारी किया, जो एक AI वर्चुअल कपड़ें बदलने का उपकरण है, जो अधिक लचीला और वास्तविक वर्चुअल पहनने का अनुभव प्रदान करता है। इसके मुख्य विशेषताएँ हैं: 1) आसान आर्किटेक्चर और वास्तविक कपड़ों को उत्पन्न करने की क्षमता। उपयोगकर्ताओं को केवल एक तस्वीर प्रदान करने की आवश्यकता होती है, और वे बिना अतिरिक्त ऑपरेशन के त्वरित रूप से वर्चुअल पहनने के प्रभाव का निर्माण कर सकते हैं। 2) IP-एडेप्टर और ControlNet जैसे प्लगइनों के साथ संगतता, उपकरण की कार्यक्षमता का विस्तार करता है और अधिक अनुप्रयोग आवश्यकताओं के लिए अनुकूलित करता है। 3) प्रयोगात्मक स्थानीय परिवर्तन फ़ीचर का उपयोग करते हुए, उपयोगकर्ता कपड़ों के निर्दिष्ट क्षेत्रों में परिवर्तन कर सकते हैं, जिससे सुधार होता है।

लेख指出 करता है कि बड़े भाषा मॉडल (LLMs) प्राकृतिक भाषा कार्यों को संभालने में उत्कृष्ट प्रदर्शन करते हैं, हालाँकि, पर्यवेक्षित नाज़ुकता, मानव फीडबैक पर आधारित सुदृढीकरण सीखने और प्रतिकूल प्रशिक्षण जैसी विधियों के आधार पर मॉडल हानिकारक अनुरोधों के खिलाफ अस्वीकार करने की तंत्र में कमजोरता दिखाई देती है। शोधकर्ताओं ने पाया कि हानिकारक अनुरोधों को भूतकाल में परिवर्तित करने के माध्यम से, प्रमुख मॉडल "अस्वीकृत" प्रशिक्षण को "बाय-पास" कर सकते हैं, जो उनकी सफलता की दर को काफी बढ़ा देता है। उदाहरण के लिए, GPT-4o की सफलता दर 1% से 88% तक बढ़ गई। यह दर्शाता है कि यद्यपि प्रतिक्रियाएँ सीमाएँ हैं, विभिन्न भाषाओं और विशिष्ट इनपुट编码 के तहत परिणाम प्रकट होते हैं।

तेजी से विकासशील वैश्वीकरण के दौर में, भाषा के बीच संचार की आवश्यकता बढ़ रही है, विशेष रूप से वीडियो सामग्री के वैश्विक प्रसार के लिए। इस आवश्यकता को पूरा करने के लिए, EasyVideoTrans अस्तित्व में आया है, जो एक उन्नत पेशेवर वीडियो परिवर्तन उपकरण है, जो कंप्यूटर ग्राफिक्स कार्ड GPU हमलावर तकनीक का उपयोग करता है, जिससे वीडियो परिवर्तन की उच्च गति और दक्षता प्राप्त होती है। यह उपकरण अपनी अनूठी GPU सवर्णलक्षण के साथ, पूर्व में संभवत: घंटों और यहां तक कि दिनों तक चलने वाले कार्य को मिनटों में पूर्ण करता है, जिससे अनुवाद और प्रूफरीडिंग की दक्षता में अत्यधिक वृद्धि होती है। यह कई उन्नत सुविधाएँ प्रदान करता है,

DeepL कंपनी द्वारा नवीनतम पेश किए गए भाषा मॉडल ने अनुवाद की सटीकता में Google अनुवाद और GPT-4 को पीछे छोड़ दिया है, और महत्वपूर्ण अनुवाद परीक्षणों में पारंपरिक मॉडलों और प्रतिस्पर्धियों को बेहतर प्रदर्शन किया है। सात से अधिक वर्षों के अद्वितीय डेटा पर प्रशिक्षण प्राप्त करने के बाद, यह मॉडल अनुवाद और प्रूफ रीडिंग पर केंद्रित है, और वर्तमान में जापानी, अंग्रेजी, जर्मन और सरल चीनी का समर्थन करता है, और अधिक भाषाओं का विस्तार करने की योजना है। अंधे परीक्षणों से पता चलता है कि 'जापानी-अंग्रेजी', 'सरल चीनी- अंग्रेजी' और 'जर्मन-अंग्रेजी' में नए मॉडल का स्पष्ट लाभ है, अनुवाद की गुणवत्ता में उल्लेखनीय वृद्धि हुई है। Google अनुवाद और GPT-4 के साथ.

OpenAI चिप डिज़ाइन कंपनियों जैसे Broadcom के साथ नए AI सर्वर चिप्स के विकास पर चर्चा कर रहा है, जिसका उद्देश्य AI विकास में कंप्यूटिंग क्षमता को बढ़ाना, Nvidia GPU पर निर्भरता को कम करना और बाजार में प्रतिस्पर्धात्मकता को बढ़ाना है। यह योजना OpenAI के CEO सैम ऑल्टमैन द्वारा नेतृत्व की जा रही है, जो AI मॉडल के विकास में GPU की कमी की समस्या का समाधान करने के लिए है। OpenAI उन पूर्व कर्मचारियों को नियुक्त करने की योजना बना रहा है जिन्होंने Google में टेंसौर प्रोसेसिंग यूनिट (TPU) के विकास में भाग लिया था, ताकि चिप डिज़ाइन कार्य में सहायता मिल सके, और साथ ही उद्योग और सरकार के विभिन्न हिस्सों के साथ संवाद भी शुरू कर दिया है।

OpenAI ने GPT-4o मिनी जारी किया, जो इसके最新 AI मॉडल के रूप में ChatGPT के उपयोग क्षेत्र को विस्तारित करने के लिए डिज़ाइन किया गया है। GPT-4o मिनी, GPT-4o का कुशल उपवर्ग है, जो 50 भाषाओं सहित ऑडियो-वीडियो टेक्स्ट प्रोसेसिंग का समर्थन करता है, और अंततः चित्र, वीडियो और ऑडियो को एकीकृत करता है। GPT-3.5 टर्बो के उन्नत संस्करण के रूप में, GPT-4o मिनी गणित, कोडिंग और दृश्य तर्कशक्ति कार्यों पर महत्वपूर्ण रूप से बढ़ी हुई क्षमताएं प्रदान करता है। डेवलपरों के लिए, GPT-4o मिनी में

माइक्रोसॉफ्ट के शोधकर्ताओं ने नया AI फ्रेमवर्क Auto Evol-Instruct लॉन्च किया है, जो AI डेटा सेट जनरेशन प्रक्रिया के लिए स्वचालित रूप से अनुकूलन और समायोजन कर सकता है, बिना किसी मानव हस्तक्षेप के। पहले के विशेषज्ञ द्वारा बनाए गए नियमों के विकास तरीकों के विपरीत, यह फ्रेमवर्क सीधे बड़े भाषा मॉडल (LLMs) का उपयोग करके निर्देशों का विश्लेषण, डिजाइन और विकास नियमों का अनुकूलन करता है। Auto Evol-Instruct स्वचालित रूप से निर्देश पालन क्षमता, गणितीय तर्क और कोड जनरेशन जैसे कार्यों के प्रदर्शन को बढ़ा सकता है, जो LLMs के प्रदर्शन में महत्वपूर्ण सुधार लाता है। तुलना परीक्षणों के माध्यम से, यह...