De acordo com a First Financial News, Luo Fuli, desenvolvedora-chave do modelo de linguagem de código aberto DeepSeek-V2, ingressará na Xiaomi como líder do laboratório de IA da empresa, responsável pela construção da equipe de modelos de linguagem grandes. Essa notícia gerou grande interesse, especialmente considerando os planos da Xiaomi de fortalecer sua presença no campo dos modelos de linguagem grandes. Nota da imagem: Imagem gerada por IA, fornecida pelo Midjourney. De acordo com fontes, o fundador da Xiaomi, Lei Jun, expressou preocupação com o atraso da empresa na área dos modelos de linguagem grandes de IA, pois...

A Arcee AI lançou recentemente seu mais novo modelo de linguagem de código aberto, o Arcee-Nova. Baseado no Qwen2-72B-Instruct, o modelo apresenta desempenho quase equivalente ao GPT-4, demonstrando capacidades excepcionais em várias áreas, incluindo raciocínio lógico, escrita criativa, geração de código, compreensão de linguagem e atendimento ao cliente. Aprimorado por meio de conjuntos de dados diversos e otimização de aprendizado por reforço, o Arcee-Nova possui adaptabilidade multidisciplinar e demonstra desempenho de ponta no OpenLLM Leaderboard 2.0.

A Apple lançou o modelo de linguagem de código aberto DCLM-Baseline-7B, impulsionando o desenvolvimento na área de IA. Este modelo inclui o conjunto de dados de pré-treinamento, processamento de dados, treinamento e avaliação completos, oferecendo aos pesquisadores e desenvolvedores uma compreensão completa e aprofundada. Nos testes MMLU, seu desempenho é comparável ao Mistral-7B-v0.3 e Llama-38B. Baseado na arquitetura Transformer, o DCLM-Baseline-7B utiliza um design avançado e é otimizado para PyTorch/OpenL.

A Apple e seus parceiros lançaram um modelo de linguagem de grande porte de código aberto chamado DCLM, com 700 milhões de parâmetros, treinado em 2,5 trilhões de tokens de dados, mostrando uma melhoria significativa na compreensão e geração de linguagem. O cerne do DCLM é uma ferramenta de otimização de conjuntos de dados padronizada, permitindo que pesquisadores experimentem na plataforma Hugging Face para avaliar a qualidade e os métodos de melhoria de diferentes conjuntos de dados. Pesquisas indicam que os conjuntos de dados de referência construídos usando o DCLM podem treinar modelos que se saem excepcionalmente bem em testes-chave, especialmente em M

Na recente conferência Google I/O em Berlim, o Google anunciou o lançamento do seu mais recente modelo de linguagem de código aberto, o Gemma2. Este modelo apresenta avanços significativos em desempenho e eficiência. O Gemma2 está disponível em duas versões, com 9B e 27B parâmetros. A versão de 27B parâmetros se aproxima do desempenho do modelo Llama3, que possui 70B parâmetros, com apenas cerca de 40% do tamanho do modelo Llama3.

A startup finlandesa Silo AI lançou o Poro, com o objetivo de melhorar a capacidade da inteligência artificial multilíngue na Europa. O Poro é um modelo de código aberto que cobre os 24 idiomas oficiais da UE, com 3,42 bilhões de parâmetros. O Poro utiliza um método de treinamento multilíngue para resolver os desafios de desempenho do treinamento de idiomas com poucos recursos.