TinyLlama veröffentlicht hochperformantes KI-Modell mit nur 637 MB

Tsinghua und Shanghai AI Lab entwickeln gemeinsam ein neuartiges Belohnungsmodell für Prozesse, das es kleinen Modellen ermöglicht, GPT-4 zu übertreffen

ByteDance präsentiert Seed-Thinking-v1.5: Eine neue Kraft im KI-Wettbewerb für Deduktion

DeepSeek und Tsinghua kooperieren: Innovative Methode zur Inferenz von Belohnungsmodellen verbessert Skalierbarkeit

Forscher von DeepSeek und Tsinghua haben kürzlich eine neue Arbeit veröffentlicht, die die Skalierungsmethoden für die Inferenz von Belohnungsmodellen untersucht und DeepSeek R2 scheinbar einen Schritt näher bringt. Derzeit wird Reinforcement Learning in der groß angelegten Nachschulungsphase von großen Sprachmodellen weit verbreitet eingesetzt, steht aber vor der Herausforderung, genaue Belohnungssignale für große Sprachmodelle zu erhalten. Die Forscher fanden heraus, dass die Verwendung eines punktweisen generativen Belohnungsmodells (GRM) die Anpassungsfähigkeit des Modells und die Skalierbarkeit in der Inferenzphase verbessert. Zu diesem Zweck schlagen sie das Selbstprinzipien-Feintuning (SPCT)-Lernen vor.

Bericht: BMW setzt voll auf Alis Tongyi-Großsprachmodell

Zhihu Zhang erhält weitere 500 Millionen Yuan Investition und plant den Bau eines städtischen Großsprachmodells

Vor dem Hintergrund der anhaltenden Expansion im Bereich der künstlichen Intelligenz hat die in Peking ansässige Zhihu Zhang Technology Co., Ltd. (im Folgenden „Zhihu“) kürzlich eine strategische Investition von 500 Millionen Yuan von der Zhuhai Huafa Group erhalten. Diese Finanzierungsrunde ist bereits die zweite innerhalb eines Monats für Zhihu. Es ist erwähnenswert, dass Zhihu Anfang März bereits eine Investition von 1 Milliarde Yuan von staatlichen Institutionen aus Hangzhou erhalten hat. Diese Finanzspritzen werden Zhihu dabei unterstützen, die Innovation und die ökologische Entwicklung seines Kernprodukts – dem Basis-Großsprachmodell GLM – voranzutreiben. Am 13. März unterzeichneten die Zhuhai Huafa Group und Zhihu eine Kooperationsvereinbarung, wobei beide Parteien...

Huake Byte präsentiert Liquid: Neudefinition der Generierung und des Verständnisses multimodaler Modelle

vivo präsentiert neues Update für „Blue Heart Little V“ mit integrierten DeepSeek-Großsprachmodellfunktionen für intelligentes tiefes Denken

vivo hat kürzlich ein graues Update (Version 5.2.1.22) für seinen Sprachassistenten „Blue Heart Little V“ angekündigt. Dieses mit Spannung erwartete Update integriert die DeepSeek-Großsprachmodellfunktionen. Dadurch soll „Little V“ intelligenter und tiefer denken können und den Nutzern helfen, Informationen besser zu verarbeiten. Laut Nutzerfeedback kann „Blue Heart Little V“ nach Aktivierung der TiefenDenken-Funktion (R1) umfassender und gründlicher auf Eingaben reagieren.

Peking-Universität und ByteDance schließen sich zusammen! Gemeinsames Aufbauen eines „Doubao“-Großsprachmodells-联合实验室, tiefgreifende Zusammenarbeit zwischen Industrie, Wissenschaft und Forschung

Am 12. Dezember gaben die Peking-Universität und ByteDance die offizielle Gründung des联合实验室 für Doubao-Großsprachmodell-Systemsoftware bekannt. Dies markiert einen neuen Meilenstein in der Zusammenarbeit zwischen Industrie, Wissenschaft und Forschung im chinesischen KI-Bereich. Die Forschungsarbeit des联合实验室 basiert auf dem von ByteDance selbst entwickelten Doubao-Großsprachmodell. Wissenschaftler aus Hochschulen und Unternehmen werden im Labor eingehend an Schlüsseltechnologien wie dem Training und der Inferenz von Großsprachmodellen forschen. Mit dem Aufbau und der Entwicklung des Labors werden auch zahlreiche Studenten der Peking-Universität Praktika absolvieren und Seite an Seite mit Forschern aus der Industrie zusammenarbeiten.

Mistral AI präsentiert das hochleistungsfähige Edge-AI-Modell Ministral 8B mit Unterstützung für 128.000 Token

Das französische KI-Startup Mistral AI hat kürzlich seine neue Generation von Sprachmodellen angekündigt – Ministral 3B und Ministral 8B. Diese beiden neuen Modelle sind Teil der „Ministraux“-Serie und wurden speziell für Edge-Geräte und Edge-Computing-Szenarien entwickelt. Sie unterstützen eine Kontextlänge von bis zu 128.000 Token. Das bedeutet, dass diese Modelle nicht nur leistungsstark sind, sondern auch in Situationen eingesetzt werden können, in denen Datenschutz und lokale Verarbeitung besonders wichtig sind.

Moore Threads und Shiyin Intelligence gehen Partnerschaft ein: Anpassung des multimodalen Großsprachmodells „Ein Blatt, ein leichtes Boot“ abgeschlossen

Moore Threads und Shiyin Intelligence gaben kürzlich eine strategische Partnerschaft bekannt, um die Anwendung von inländischen All-in-One-GPUs in branchenweiten Großsprachmodell-Lösungen voranzutreiben. Beide Unternehmen haben die Anpassung des Moore Threads Kua E Zhi Suan Clusters und des multimodalen Großsprachmodells „Ein Blatt, ein leichtes Boot“ von Shiyin Intelligence abgeschlossen und ihre jeweiligen Stärken im Bereich der künstlichen Intelligenz integriert, um ein intelligenteres und effizienteres Benutzererlebnis zu bieten.