अलीबाबा के टोंगयी प्रयोगशाला ने हाल ही में ViDoRAG नामक एक खुला स्रोत दृश्य दस्तावेज़ RAG प्रणाली जारी की है। इस प्रणाली की सटीकता 79.4% तक पहुँच गई है, जो इसे इस क्षेत्र में एक अग्रणी प्रणाली बनाती है।

डब की गई फिल्मों का观看 करते समय, दर्शकों को अक्सर एक समस्या का सामना करना पड़ता है: पात्रों के मुँह की हरकतें और डबिंग की भाषा में असंगति, जो न केवल दर्शक अनुभव को प्रभावित करती है, बल्कि कहानी में डूबने में भी कठिनाई पैदा करती है। इस स्थिति में बदलाव लाने के लिए, 2021 में स्थापित भारतीय स्टार्टअप NeuralGarage सक्रिय रूप से प्रयास कर रहा है, जिसने डबिंग उद्योग को पूरी तरह से बदलने की कोशिश की है। चित्र स्रोत टिप्पणी: चित्र AI द्वारा उत्पन्न, चित्र अधिकार सेवा प्रदाता Midjourney। NeuralGarage का मुख्यालय भारत के बैंगलोर में स्थित है, जिसे अंजान बनर्जी और सुभासिश द्वारा स्थापित किया गया है।

गूगल ने हाल ही में वर्टेक्स एआई आरएजी इंजन को औपचारिक रूप से लॉन्च किया, जो कि एक विकास उपकरण है जो ज्ञान आधार से संबंधित जानकारी को निकालने और उसे बड़े भाषा मॉडल (एलएलएम) में डालने की जटिल प्रक्रिया को सरल बनाने के लिए डिज़ाइन किया गया है। वर्टेक्स एआई प्लेटफॉर्म का हिस्सा होने के नाते, वर्टेक्स एआई आरएजी इंजन एक प्रबंधित संयोजन सेवा और डेटा ढांचे के रूप में परिभाषित किया गया है, जो विशेष रूप से संदर्भ-संवर्धित एलएलएम अनुप्रयोगों के विकास के लिए डिज़ाइन किया गया है। 15 जनवरी के ब्लॉग में, गूगल ने उल्लेख किया कि जनरेटिव आर्टिफिशियल इंटेलिजेंस और बड़े भाषा मॉडल के बावजूद।

वीडियो तकनीक के तेजी से विकास के साथ, वीडियो सूचना खोज और जटिल अवधारणाओं को समझने के लिए एक महत्वपूर्ण उपकरण बन गया है। वीडियो दृश्य, समय, और संदर्भ डेटा को जोड़ती है, जो स्थिर चित्रों और पाठ से परे एक मल्टीमॉडल प्रस्तुत करती है। आज, वीडियो शेयरिंग प्लेटफार्मों की लोकप्रियता और शिक्षा एवं जानकारी वीडियो के प्रचुरता के साथ, ज्ञान के स्रोत के रूप में वीडियो का उपयोग करना उन सवालों का समाधान प्रदान करने का अभूतपूर्व अवसर बनाता है जिन्हें विस्तृत पृष्ठभूमि, स्थान समझ और प्रक्रिया प्रदर्शन की आवश्यकता होती है। हालांकि, मौजूदा खोज सुधारित उत्पत्ति (RAG) प्रणालियाँ अक्सर वीडियो डेटा की पूरी क्षमता को नजरअंदाज करती हैं। ये प्रणालियाँ आमतौर पर

हाल ही में, Answer.AI और LightOn ने ओपन-सोर्स भाषा मॉडल ModernBERT की संयुक्त रूप से घोषणा की, जो गूगल BERT का महत्वपूर्ण उन्नयन है। डेवलपर्स के अनुसार, ModernBERT की प्रक्रिया की गति, दक्षता और गुणवत्ता में महत्वपूर्ण सुधार हुआ है। यह मॉडल अपने पूर्ववर्ती की तुलना में चार गुना तेज है, जबकि इसे कम मेमोरी की आवश्यकता होती है। ModernBERT का डिज़ाइन इसे 8192 टैग तक के पाठ को संसाधित करने की अनुमति देता है, जो मौजूदा कोडिंग मॉडल की सामान्य 512 टैग सीमा से एक सुधार है।

iFlytek Co., Ltd. recently announced the complete upgrade of its Spark Low-Code Intelligent Agent Platform. The upgrade of the Spark Low-Code Intelligent Agent Platform significantly shortens the development cycle and expands application scenarios through rapid construction and flexible customization, while enhancing the decision-making accuracy of intelligent agents through data integration. After the upgrade, users can create valuable AI Agents for free, access the fine-tuning platform for customized optimization, upgrade RAG solutions to expand professional knowledge, and launch creating templates to lower development thresholds.

बaidu विश्व 2024 सम्मेलन में, बaidu के संस्थापक ली यानहोंग ने ‘आवेदन आ गए हैं’ विषय पर एक भाषण दिया, जिसमें उन्होंने दो नई तकनीकों - खोज-प्रवर्धित टेक्स्ट-से-इमेज तकनीक (iRAG) और नो-कोड टूल “秒哒” की घोषणा की। ली यानहोंग ने कहा कि पिछले 24 महीनों में, एआई उद्योग में महत्वपूर्ण बदलाव आए हैं, विशेष रूप से बड़े मॉडल्स द्वारा सामग्री उत्पन्न करते समय भ्रम की घटनाओं में काफी कमी आई है। वैंटिंग iRAG तकनीक का उद्देश्य बड़े मॉडल्स द्वारा चित्र उत्पन्न करने में मौजूद भ्रम की समस्या को हल करना और एआई द्वारा उत्पन्न सामग्री की उपयोगिता को बढ़ाना है। पारंपरिक उत्पन्न मॉडल के विपरीत, वैंटिंग

2024 विश्व बाidu सम्मेलन में, बaidu के संस्थापक ली यानहोंग ने एआई क्षेत्र में नवीनतम प्रगति के एक सेट को पेश किया। उन्होंने बताया कि पिछले दो वर्षों में बड़े मॉडल प्रौद्योगिकी में सबसे महत्वपूर्ण प्रगति भ्रान्ति समस्या का मूल रूप से समाधान है, जो एआई उत्तरों की सटीकता में गुणात्मक सुधार को दर्शाता है, जिससे यह बेतुकी बातें करने के बजाय एक विश्वसनीय बुद्धिमान सहायक में परिवर्तित हो गया है। सम्मेलन में, ली यानहोंग ने baidu द्वारा हाल ही में पेश की गई खोज-स्थायी चित्र निर्माण प्रौद्योगिकी iRAG पर विशेष ध्यान केंद्रित किया। यह तकनीक नवाचारी रूप से बaidu खोज मंच द्वारा संचित विशाल चित्र संसाधनों और उन्नत मूल मॉडल को एकीकृत करती है।

​12 नवंबर 2024 को, बाइडु वर्ल्ड सम्मेलन शंघाई एक्सपो सेंटर में भव्यता के साथ उद्घाटन किया गया। इस सम्मेलन में एक मुख्य फोरम, चार उप फोरम और तीन से अधिक कृत्रिम बुद्धिमत्ता की सार्वजनिक कक्षाओं में भाग लिया गया। बाइडु के संस्थापक ली यानहोंग ने मुख्य फोरम में 'एप्लिकेशन आ गई' शीर्षक से व्याख्यान दिया, जिसमें बाइडु के कृत्रिम बुद्धिमत्ता क्षेत्र में नवीनतम तकनीकी प्रगति और अनुप्रयोग परिणामों का परिचय दिया, और भविष्य की उद्योग प्रवृत्तियों पर गहन चर्चा की।

आज क्वालकॉम सम्मेलन में, क्वालकॉम ने Mistral AI के साथ साझेदारी की घोषणा की, जिसमें Mistral AI के नए जनरेटिव AI मॉडल को विभिन्न स्मार्ट डिवाइसों में लाने की योजना है। इस साझेदारी का ध्यान Ministral3B और Ministral8B मॉडल पर है, जो क्वालकॉम के Snapdragon8Elite मोबाइल प्लेटफॉर्म, Snapdragon Cockpit Elite और Snapdragon R पर उपलब्ध होंगे।

हाल के वर्षों में, कृत्रिम बुद्धिमत्ता (AI) का स्वास्थ्य उद्योग में प्रभाव越来越明显 हुआ है, विशेष रूप से रोग診断 और उपचार योजना के क्षेत्र में। चिकित्सा बड़े दृष्टि भाषा मॉडल (Med-LVLMs) का विकास, अधिक स्मार्ट चिकित्सा診断 उपकरणों की प्राप्ति के लिए नई संभावनाएँ प्रदान करता है। हालाँकि, इन मॉडलों का वास्तविक अनुप्रयोग में अक्सर एक अनदेखा समस्या का सामना करना पड़ता है, जिसे तथ्य幻觉 कहा जाता है। यह घटना न केवल गलत診断 परिणामों का कारण बन सकती है, बल्कि रोगियों के स्वास्थ्य पर गंभीर प्रभाव भी डाल सकती है। चिकित्सा AI की इस समस्या को सुलझाने के लिए研究

हाल ही में, एक नवोदित स्टार्टअप Vectorize ने True Ventures की अगुवाई में 3.6 मिलियन डॉलर की सीड फंडिंग हासिल की। यह फंडिंग Vectorize को अपने अभिनव रिट्रीवल ऑगमेंटेड जनरेटिव (RAG) प्लेटफॉर्म को लॉन्च करने में मदद करेगी, जिसका लक्ष्य व्यवसायों को उनके निजी डेटा तक बेहतर पहुंच और उपयोग प्रदान करना है, ताकि इसे आर्टिफिशियल इंटेलिजेंस (AI) क्षेत्र में और बेहतर तरीके से लागू किया जा सके।

कृत्रिम बुद्धिमत्ता के क्षेत्र में, ज्ञान डेटाबेस से जानकारी को सटीक रूप से प्राप्त करना हमेशा एक बड़ी चुनौती रही है। हाल ही में, कृत्रिम बुद्धिमत्ता कंपनी Anthropic ने 'संदर्भ पुनर्प्राप्ति' नामक एक नया तरीका पेश किया है, जिसका उद्देश्य ज्ञान पुनर्प्राप्ति की सटीकता में सुधार करना है। यह विधि पुनर्प्राप्ति के दौरान अधिक संदर्भ जानकारी जोड़कर AI सिस्टम को अधिक सटीक उत्तर प्रदान करने में मदद करती है। मौजूदा पुनर्प्राप्ति संवर्धित उत्पादन (RAG) प्रणाली आमतौर पर दस्तावेज़ों को छोटे टुकड़ों में विभाजित करके अनुक्रमित करती है, जिससे महत्वपूर्ण संदर्भ जानकारी की अनदेखी की जा सकती है।Anth

चिप निर्माता क्वालकॉम ने हाल ही में एक अभिनव सॉफ़्टवेयर AI कमांडर पेश किया है, जिसका उद्देश्य कृत्रिम बुद्धिमत्ता तकनीक को उपयोगकर्ता के दैनिक जीवन के साथ अधिक निकटता से जोड़ना है। इस सॉफ़्टवेयर का मुख्य लक्ष्य उपयोगकर्ता के उपकरणों पर सीधे AI मॉडल और एप्लिकेशन को समन्वयित करना है, जिससे व्यक्तिगत डेटा, एप्लिकेशन और AI मॉडल का एक बुद्धिमान पुल बनाया जा सके। AI कमांडर का डिज़ाइन विचार उपयोगकर्ता की व्यक्तिगत प्राथमिकताओं, दैनिक गतिविधियों और सामाजिक नेटवर्क की जानकारी को जनरेटिव AI सहायक के साथ मिलाकर अत्यधिक व्यक्तिगत प्रतिक्रियाएँ और क्रियावली सुझाव प्रदान करना है। यह टेक्स्ट, चित्र और आवाज़ सहित कई इनपुट तरीकों का समर्थन करता है।

बीजिंग ज़िहुआन कृत्रिम बुद्धिमत्ता अनुसंधान संस्थान और चीन की लोकलुभावन विश्वविद्यालय की हाईलिंग कृत्रिम बुद्धिमत्ता学院 ने एक नवोन्मेषक कृत्रिम बुद्धिमत्ता मॉडल ढांचे - MemoRAG को संयुक्त रूप से प्रस्तुत किया। यह ढांचा लंबे समय की स्मृति पर आधारित है, जिसका उद्देश्य खोज को बढ़ावा देने वाली पीढ़ी (RAG) तकनीक के विकास को प्रोत्साहित करना है, ताकि यह अधिक जटिल कार्यों को संभाल सके, केवल साधारण प्रश्नोत्तर तक सीमित न रहे।

AnythingLLM एक स्थानीय एआई एप्लिकेशन है जिसे Mintplex Labs ने हर किसी के लिए विकसित किया है, जिसका उद्देश्य एआई तकनीकों के इस्तेमाल को आसान बनाना और इसकी बाधाओं को कम करना है। यह महंगी क्लाउड सेवाओं या जटिल मॉडल तैनाती की आवश्यकता नहीं है, RAG, वेक्टर डेटाबेस और प्रॉक्सी कार्यक्षमता को एकीकृत करता है, Llama, Mistral जैसे ओपन-सोर्स मॉडलों और GPT-4 जैसे एंटरप्राइज-स्तरीय मॉडलों का समर्थन करता है। यह व्यापार, अकादमी और कानूनी क्षेत्रों के लिए उपयुक्त है, विभिन्न फ़ाइल प्रारूपों का समर्थन करता है, डेटा गोपनीयता सुनिश्चित करता है, स्थानीय चलने और क्लाउड सेवाओं का समर्थन करता है।

चीन के विज्ञान अकादमी के पृथ्वी रसायन विज्ञान अनुसंधान संस्थान और अली क्लाउड ने 2024 डेटा सम्मेलन में वैश्विक स्तर पर पहला "चंद्रमा विज्ञान बहु-मोडल पेशेवर बड़ा मॉडल" लॉन्च किया। यह मॉडल अली क्लाउड की तोंगयी श्रृंखला पर आधारित है, जो RAG खोज सुदृढ़ तकनीक का उपयोग करता है, और अली क्लाउड की विशेष 1000 संस्करण पर माइक्रो-ट्यूनिंग और प्रशिक्षण किया गया है, जो विशेष रूप से चंद्रमा के प्रभाव बिंदुओं की उम्र और आकृति की पहचान सटीकता बढ़ाने के लिए बनाया गया है, जो वर्तमान में 80% से अधिक है। यह नवीनतम मॉडल दृश्य, बहु-मोडल और प्राकृतिक भाषा प्रसंस्करण तकनीकों को संयोजित करता है, जिसका सर्वोत्तम आवेदन चंद्रमा पर प्रभाव बिंदुओं की पहचान करना है, जो चंद्रमा की भूविज्ञान विकास के अध्ययन के लिए महत्वपूर्ण है।

Nvidia AI द्वारा प्रस्तुत ChatQA2 मॉडल, कृत्रिम बुद्धिमत्ता के विकास में लंबी टेक्स्ट संदर्भ समझ और रेखाचित्र संवर्धित उत्पादन की प्रमुख चुनौतियों पर ध्यान केंद्रित करते हुए, Llama3 मॉडल के आधार पर अनुकूलित किया गया है। संदर्भ विंडो को 128K टोकन तक बढ़ाकर और तीन-चरणीय निर्देश समायोजन प्रक्रिया अपनाकर, मॉडल ने निर्देश पालन क्षमता, RAG प्रदर्शन और लंबी टेक्स्ट समझने की क्षमता में उल्लेखनीय सुधार किया है। InfiniteBench मूल्यांकन में, ChatQA2 ने GPT-4-Turbo-2024-0409 के साथ समान प्रदर्शन दिखाया।

जॉर्जिया टेक और NVIDIA के दो चीनी विद्वानों ने मिलकर RankRAG नामक एक नवोन्मेषी फाइन-ट्यूनिंग फ्रेमवर्क विकसित किया है, जिसने जटिल RAG प्रक्रियाओं को महत्वपूर्ण रूप से सरल बनाया है, एकल LLM का उपयोग करके खोज, रैंकिंग और जनरेशन कार्यों को एकीकृत संचालन के लिए लागू किया गया है, जो पारंपरिक प्रक्रियाओं से कहीं बेहतर परिणाम देता है। RAG तकनीक बड़े पैमाने पर टेक्स्ट जनरेशन में सहायता के लिए सामान्यतः उपयोग की जाती है, हालाँकि, मौजूदा प्रक्रियाओं ने k मान चयन की सीमाओं को तीव्रता से पहचान लिया: जब k मान बहुत बड़ा होता है, तो लंबी संदर्भ प्रक्रिया करना कठिन हो जाता है, या जब k मान बहुत छोटा होता है, तो खोज दक्षता में कमी आती है। RankRAG

प्रमुख एंटरप्राइज एआई प्लेटफॉर्म Writer ने अपने आर्टिफिशियल इंटेलिजेंस चैट एप्लिकेशन में क्रांतिकारी बदलाव लाने के लिए कई शक्तिशाली अपडेट्स की घोषणा की है। इन व्यापक अपडेट में उन्नत ग्राफ़-आधारित रिट्रीवल एन्हांस्ड जनरेशन (RAG) तकनीक और बढ़ी हुई एआई पारदर्शिता टूल शामिल हैं, जिन्हें Writer की पारिस्थितिकी प्रणाली में कल से धीरे-धीरे लागू किया जाएगा।