हाल ही में, वैश्विक कृत्रिम बुद्धिमत्ता के शीर्ष शैक्षणिक सम्मेलन AAAI2025 के दौरान, एंट ग्रुप, झेजियांग विश्वविद्यालय, लिवरपूल विश्वविद्यालय और पूर्वी चीन के सामान्य विश्वविद्यालय की संयुक्त टीम ने एक अभिनव क्रॉस-डोमेन फाइन-ट्यूनिंग (ऑफसाइट-ट्यूनिंग) ढाँचा - स्केलओटी प्रस्तुत किया। यह ढाँचा मॉडल के प्रदर्शन को बिना नुकसान पहुँचाए, गोपनीयता सुरक्षा प्रभाव को 50% तक बढ़ा सकता है, और ज्ञान आसवन तकनीक की तुलना में, कम्प्यूटेशनल खपत में 90% की उल्लेखनीय कमी आई है, जो दस अरब पैरामीटर मॉडल के क्रॉस-डोमेन फाइन-ट्यूनिंग के लिए एक कुशल और हल्का समाधान प्रदान करता है, और इसकी नवीनता के कारण शोध पत्र AAAI के मौखिक सत्र में शामिल किया गया था।

360智脑 टीम और बीजिंग विश्वविद्यालय द्वारा संयुक्त रूप से विकसित मध्यम आकार का अनुमान मॉडल Tiny-R1-32B-Preview आधिकारिक तौर पर जारी किया गया है। इस मॉडल में केवल 5% पैरामीटर हैं, फिर भी यह Deepseek-R1-671B के पूर्ण प्रदर्शन के करीब पहुँच गया है, जिससे छोटे मॉडल की कुशल अनुमान क्षमता में भारी संभावनाएँ दिखाई देती हैं। यह मॉडल कई महत्वपूर्ण क्षेत्रों में विशेष रूप से अच्छा प्रदर्शन करता है। गणित के क्षेत्र में, Tiny-R1-32B-Preview

हाल ही में मेटा कंपनी ने एक क्रांतिकारी शोध成果 का अनावरण किया है, जिसमें उन्होंने एक नई प्रकार की मेमोरी लेयर तकनीक विकसित की है, जो बड़े भाषा मॉडल (LLM) की तथ्यात्मक सटीकता में महत्वपूर्ण सुधार कर सकती है और पैरामीटर स्केल पर अभूतपूर्व विस्तार हासिल करती है। यह तकनीक परंपरागत तंत्रिका नेटवर्क के विस्तार के तरीके को चुनौती देती है और भविष्य की AI आर्किटेक्चर डिज़ाइन के लिए नए दिशा-निर्देश प्रदान करती है। इस शोध का मूल तत्त्व प्रशिक्षित कुंजी-मूल्य खोज तंत्र का उपयोग करना है, जो बिना गणना मात्रा (FLOPs) को बढ़ाए मॉडल में अतिरिक्त पैरामीटर जोड़ता है। इस पद्धति का मूल विचार

एक चिकित्सा एआई परीक्षण पर केंद्रित शोध पत्र में, माइक्रोसॉफ्ट ने शायद फिर से उद्योग के कई शीर्ष बड़े भाषा मॉडल के पैरामीटर आकार को अनजाने में उजागर कर दिया है। 26 दिसंबर को जारी इस पेपर में न केवल OpenAI, Anthropic सहित कई कंपनियों के मॉडल पैरामीटर डेटा का खुलासा किया गया, बल्कि इसने मॉडल आर्किटेक्चर और तकनीकी क्षमताओं पर उद्योग में गरमी पैदा कर दी। पत्र के अनुसार, OpenAI का o1-preview मॉडल लगभग 300B पैरामीटर वाला है, GPT-4o लगभग 200B है, जबकि GPT-4o-mini केवल

हुआनफांग क्वांटिफाइड ने 26 दिसंबर की रात को अगली पीढ़ी के बड़े मॉडल DeepSeek-V3 का अनावरण किया, जो शानदार तकनीकी प्रगति का प्रदर्शन करता है। यह मॉडल MoE (मिक्स्ड एक्सपर्ट) आर्किटेक्चर का उपयोग करते हुए न केवल प्रदर्शन के मामले में शीर्ष बंद स्रोत मॉडलों के समान है, बल्कि इसकी कम लागत और उच्च दक्षता की विशेषता उद्योग का ध्यान आकर्षित कर रही है। मुख्य पैरामीटर के संदर्भ में, DeepSeek-V3 में 6710 अरब पैरामीटर हैं, जिनमें सक्रिय पैरामीटर 370 अरब हैं, और यह 14.8 खरब टोकन के डेटा आकार पर पूर्व-प्रशिक्षण पूरा करता है। पिछले उत्पाद की तुलना में, नए मॉडल की उत्पादन गति में 3 गुना वृद्धि हुई है।

कृत्रिम बुद्धिमत्ता के तेजी से विकास के साथ, दृश्य और भाषा क्षमताओं का एकीकरण दृश्य भाषा मॉडलों (VLMs) में महत्वपूर्ण प्रगति का कारण बना है। ये मॉडल दृश्य और पाठ डेटा को एक साथ संसाधित और समझने के लिए डिज़ाइन किए गए हैं, और छवि विवरण, दृश्य प्रश्नोत्तर, ऑप्टिकल कैरेक्टर पहचान और मल्टी-मोडल सामग्री विश्लेषण जैसे क्षेत्रों में व्यापक रूप से उपयोग किए जाते हैं। VLMs स्वतंत्र प्रणालियों के विकास, मानव-मशीन इंटरैक्शन को बढ़ावा देने और कुशल दस्तावेज़ प्रसंस्करण उपकरणों में महत्वपूर्ण भूमिका निभाते हैं, और सफलतापूर्वक इन दो डेटा मोड के बीच की खाई को पाटते हैं। हालाँकि, उच्च-रिज़ॉल्यूशन दृश्य डेटा और विविध पाठ इनपुट के प्रसंस्करण में

स्टेप ने हाल ही में स्टेप मॉडल मैट्रिक्स के नए सदस्य – स्टेप-1o एंड-टू-एंड वॉयस बड़े मॉडल की घोषणा की है, जिसे देश का पहला 100 अरब पैरामीटर एंड-टू-एंड वॉयस बड़ा मॉडल बताया गया है। इस नए मॉडल का विमोचन वॉयस टेक्नोलॉजी क्षेत्र में एक बड़ी प्रगति को दर्शाता है, जो एंड-टू-एंड वॉयस समाधान के माध्यम से, वॉयस समझ और उत्पादन का एकीकरण कर सकता है, जिससे मॉडल की बौद्धिक और भावनात्मक प्रभावशीलता में वृद्धि होती है और असाधारण, उच्च गुणवत्ता वाले संवाद अनुभव की उपलब्धता होती है।

कृत्रिम बुद्धिमत्ता के तेज विकास के समय में, JD क्लाउड तकनीकी नवाचार की शक्ति को वास्तविक क्रियाओं के माध्यम से परिभाषित कर रहा है। हाल ही में, JD क्लाउड ने Yanxi स्मार्ट मार्केटिंग प्लेटफ़ॉर्म जारी किया, जिसमें 10 AI मार्केटिंग उत्पाद पेश किए गए हैं, जो 800,000 से अधिक व्यापारियों को स्मार्ट समाधान प्रदान करते हैं, और यह उद्योग में AI प्रौद्योगिकी के enorme संभावनाओं को प्रदर्शित करता है। यह स्मार्ट मार्केटिंग समाधान डिजिटल इंसान से लेकर स्मार्ट गाइड, स्मार्ट कटिंग जैसे कई परिदृश्यों को शामिल करता है, जिनमें से सबसे अधिक ध्यान आकर्षण करने वाला इसका उत्कृष्ट वास्तविक अनुप्रयोग प्रभाव है। AIGC सामग्री का उपयोग दर 80% तक पहुँच गया है, और औसत परिवर्तन दर में 30% की वृद्धि हुई है, ये आंकड़े

हाल के वर्षों में, दृश्य और भाषा कार्यों के लिए मशीन लर्निंग मॉडल के अनुप्रयोग की मांग तेजी से बढ़ी है, लेकिन अधिकांश मॉडल को बड़े परिकलन संसाधनों की आवश्यकता होती है, जिससे वे व्यक्तिगत उपकरणों पर प्रभावी ढंग से चल नहीं पाते। विशेष रूप से, जैसे लैपटॉप, उपभोक्ता स्तर के GPU और मोबाइल उपकरणों जैसे छोटे उपकरणों को दृश्य-भाषा कार्यों को संभालने में बड़े पैमाने पर चुनौतियों का सामना करना पड़ता है। Qwen2-VL के मामले में, जबकि इसकी प्रदर्शन उत्कृष्ट है, हार्डवेयर के प्रति इसकी उच्च आवश्यकता इसकी रियल-टाइम अनुप्रयोगों में उपयोगिता को सीमित करती है। इसलिए, कम संसाधनों पर चलने के लिए एक हल्के मॉडल का विकास करना महत्वपूर्ण हो गया है,

कृत्रिम बुद्धिमत्ता के क्षेत्र में, चीन स्वायत्त नवाचार के साथsteadily आगे बढ़ रहा है। 26 नवंबर को, वैश्विक स्तर पर पहले अरब-पैरामीटर मल्टीमॉडल बड़े मॉडल ज़ीदोंग ताइचू 3.0 वुहान में औपचारिक रूप से खुलासा किया गया, जिससे घरेलू एआई प्रौद्योगिकी में एक महत्वपूर्ण योगदान हुआ। यह केवल एक तकनीकी उन्नयन नहीं है, बल्कि चीन के एआई पारिस्थितिकी तंत्र के लिए एक महत्वपूर्ण मील का पत्थर है। इसे चीनी अकादमी ऑफ साइंसेज के ऑटोमेशन रिसर्च इंस्टीट्यूट, हुआवेई कंपनी और वुहान डोंगहू उच्च तकनीक क्षेत्र के तीन भागीदारों द्वारा संयुक्त रूप से विकसित किया गया है, और इसने सफलतापूर्वक दुनिया का पहला प्री-ट्रेन किए गए मॉडल का निर्माण किया है जो चित्र, टेक्स्ट और ध्वनि के तीन मोड को कवर करता है। चित्र स्रोत नोट: तस्वीर

आज 2024 के विश्व इंटरनेट सम्मेलन उत्ज़ेन शिखर सम्मेलन में, गौरव CEO झाओ मिंग ने मोबाइल फोन के भविष्य के विकास पर अपनी राय व्यक्त की। उन्होंने कहा कि 2027 तक, मोबाइल फोन में ट्रिलियन पैरामीटर वाले बड़े AI मॉडल को समायोजित करने की क्षमता होगी। यह प्रगति मोबाइल फोन को उपयोगकर्ता के व्यवहार और इरादों को सीखने, समझने और पूर्वानुमान लगाने में सक्षम बनाएगी, जिससे उपयोगकर्ताओं को अधिक व्यक्तिगत जीवन और कार्य व्यवस्था प्रदान की जाएगी। चित्र स्रोत नोट: चित्र AI द्वारा उत्पन्न, चित्र प्राधिकरण सेवा प्रदाता Midjourney द्वारा वर्तमान में बाजार में कई फोन हैं जो इस पैमाने पर लगे हुए हैं।

हाल ही में, सिएटल की एक स्टार्टअप कंपनी Moondream ने moondream2 नामक कॉम्पैक्ट विज़ुअल लैंग्वेज मॉडल लॉन्च किया है। यह मॉडल भले ही छोटा है, लेकिन सभी बेंचमार्क परीक्षणों में उत्कृष्ट प्रदर्शन कर रहा है और काफी ध्यान आकर्षित कर रहा है। एक ओपन-सोर्स मॉडल के रूप में, moondream2 को स्मार्टफोन पर स्थानीय छवि पहचान कार्यक्षमता लागू करने की उम्मीद है। moondream2 का आधिकारिक तौर पर मार्च में लॉन्च किया गया था, और यह मॉडल टेक्स्ट और इमेज इनपुट को संसाधित करने में सक्षम है, जैसे प्रश्नों का उत्तर देना, टेक्स्ट निकासी (OCR), वस्तुओं की गणना और वस्तुओं की वर्गीकरण।

हाल ही में, कई चीनी शोध संस्थानों की एक शोध टीम ने Infinity-MM नामक अत्यधिक बड़े पैमाने पर मल्टी-मोडल डेटा सेट को लॉन्च किया है, और इस डेटा सेट के आधार पर एक उत्कृष्ट प्रदर्शन वाला AI मॉडल Aquila-VL-2B प्रशिक्षित किया है। यह突破 मल्टी-मोडल AI के विकास में नई ऊर्जा का संचार करता है। Infinity-MM डेटा सेट में चार प्रमुख डेटा प्रकार शामिल हैं: 1 करोड़ छवि विवरण, 2 करोड़ 44 लाख सामान्य दृश्य निर्देश डेटा, 60 लाख चयनित उच्च गुणवत्ता वाले निर्देश डेटा, और 30 लाख द्वारा G

NVIDIA के शोध दल ने हाल ही में रोबोट नियंत्रण के क्षेत्र में एक महत्वपूर्ण सफलता हासिल की है। उन्होंने जो न्यूरल नेटवर्क सिस्टम HOVER विकसित किया है, वह अत्यधिक संक्षिप्त पैरामीटर्स के साथ मानव-समान रोबोट का कुशलतापूर्वक नियंत्रण करता है, और इसकी प्रदर्शन विशेष रूप से डिज़ाइन किए गए नियंत्रण प्रणालियों को भी पार कर जाती है। यह केवल 150 लाख पैरामीटर वाला HOVER सिस्टम जटिल रोबोट क्रियाओं का नियंत्रण करने में सक्षम है। इसके विपरीत, सामान्य बड़े भाषा मॉडल को अक्सर हजारों अरब पैरामीटर की आवश्यकता होती है। यह आश्चर्यजनक पैरामीटर दक्षता प्रणाली के डिजाइन की ख़ूबसूरती को दर्शाती है। HOVER का प्रशिक्षण NVIDIA के Isaac सिमुलेशन में हुआ।

गूगल ने टोक्यो में आयोजित जेम्मा डेवलपर्स डे पर एक महत्वपूर्ण घोषणा की: नया जापानी संस्करण जेम्मा मॉडल आधिकारिक तौर पर प्रस्तुत किया गया। यह छोटा और शक्तिशाली एआई मॉडल केवल 20 अरब पैरामीटर के आकार में है, लेकिन यह जापानी और अंग्रेजी दोनों को एक साथ संभालने में सक्षम है, जो जीपीटी-3.5 के समकक्ष प्रदर्शन को दर्शाता है। यह तकनीकी突破 विशेष रूप से ध्यान आकर्षित करता है। एआई क्षेत्र में, छोटे मॉडल नए भाषाओं को सीखने के दौरान अक्सर आपदा अपरिहार्यता की चुनौती का सामना करते हैं - अर्थात्, नए ज्ञान को प्राप्त करने की प्रक्रिया में पहले से सीखी गई क्षमताओं को खोना। लेकिन जापानी संस्करण जेम्मा ने इस चुनौती को सफलतापूर्वक पार कर लिया है।

हाल ही में टोक्यो में आयोजित Gemma डेवलपर दिन में, गूगल ने आधिकारिक तौर पर नए जापानी संस्करण का Gemma AI मॉडल लॉन्च किया। इस मॉडल का प्रदर्शन GPT-3.5 के बराबर है, लेकिन इसके पैरामीटर की संख्या केवल 20 अरब है, जो इसे बहुत छोटा बनाता है और मोबाइल उपकरणों पर चलाने के लिए उपयुक्त है। इस बार जारी किए गए Gemma मॉडल ने जापानी भाषा को संभालने में बेहतरीन प्रदर्शन किया, साथ ही इसकी अंग्रेजी में भी क्षमता बनी रही। छोटे मॉडलों के लिए, यह विशेष रूप से महत्वपूर्ण है क्योंकि नए भाषाओं के माइक्रो-ट्यूनिंग करते समय उन्हें "आपदा" का सामना करना पड़ सकता है।

AI स्टार्टअप Moondream ने आधिकारिक रूप से 450 लाख डॉलर का बीज वित्तपोषण पूरा करने की घोषणा की है, और एक अत्यधिक विघटनकारी दृष्टिकोण प्रस्तुत किया है: AI मॉडल की दुनिया में, छोटे मॉडल अधिक लाभकारी हो सकते हैं। कंपनी को Felicis Ventures, Microsoft के M12GitHub फंड और Ascend द्वारा समर्थन प्राप्त हुआ है, और उन्होंने केवल 16 बिलियन पैरामीटर वाला एक दृश्य भाषा मॉडल प्रस्तुत किया है, जो अपने आकार से चार गुना बड़े मॉडल के प्रदर्शन के साथ प्रतिस्पर्धा कर सकता है। Moondream का开

​23 अक्टूबर को गौरव MagicOS9.0 लॉन्च इवेंट और डेवलपर सम्मेलन में, गौरव के CEO झाओ मिंग ने नई ऑपरेटिंग सिस्टम MagicOS9.0 की आधिकारिक घोषणा की। झाओ ने अपने भाषण में गौरव MagicOS के विकास का इतिहास साझा किया, और कहा कि गौरव MagicOS के लॉन्च के बाद से, इसे AI OS के रूप में定位 किया गया है, और लगातार तकनीकी नवाचार को आगे बढ़ाया जा रहा है।

कल रात, Stability AI ने अपना सबसे शक्तिशाली मॉडल - Stable Diffusion 3.5 जारी किया, जो केवल एकल मॉडल नहीं है, बल्कि तीन संस्करणों का एक संपूर्ण सेट है, जो शोधकर्ताओं से लेकर व्यवसाय के उत्साही, स्टार्टअप और कंपनियों की विविधता की आवश्यकताओं को पूरा करने के लिए डिज़ाइन किया गया है। ये तीन संस्करण हैं Stable Diffusion 3.5 Large, Stable Diffusion 3.5 Large Turbo और 29 अक्टूबर को लॉन्च होने वाला है।