Categoria: Inteligência artificial

Os Modelos de Linguagem em Grande Escala (LLMs) demonstraram capacidades excepcionais em uma variedade de aplicações, mas sua ampla adoção enfrenta grandes desafios. A principal preocupação vem do treinamento de conjuntos de dados que contêm conteúdo diversificado, desfocado e potencialmente malicioso, incluindo código malicioso e informações relacionadas a ataques cibernéticos. Isto cria uma necessidade importante …

A eficiência do modelo é importante na era dos grandes modelos de linguagem e percepção, mas eles enfrentam desafios significativos na prática do mundo real. Métricas importantes, como requisitos de treinamento do computador, latência e custo de processamento, afetam a memória e a capacidade de resposta do sistema. Estas restrições muitas vezes limitam a implementação …

Um grande desafio no campo da inteligência artificial é ajudar modelos linguísticos em larga escala (LLMs) a gerar malhas 3D diretamente a partir de descrições de texto. As técnicas convencionais impedem que os LLMs funcionem como componentes baseados em texto e eliminam fluxos de trabalho multimodais que incluem a criação de texto e conteúdo 3D. …

Modelos instrucionais em larga escala (LLMs) redefiniram o processamento de linguagem natural (PNL), proporcionando melhorias significativas na geração de respostas coerentes e conscientes do contexto. No entanto, permanece um desafio premente: o acesso a conjuntos de dados de resposta de comando de alta qualidade, diversificados e específicos para cada tarefa. As abordagens tradicionais de planejamento …

Yiming Chen '24, Wilhem Hector, Anushka Nair e David Oluigbo foram selecionados como 2025 Rhodes Scholars e iniciarão estudos de pós-graduação totalmente financiados na Universidade de Oxford, no Reino Unido, no próximo outono. Além dos dois vencedores do Rhodes nos EUA do MIT, Ouigbo e Nair, dois de seus afiliados receberam bolsas internacionais da Rhodes: …

Os desenvolvedores de aprendizado de máquina (ML) enfrentam muitos desafios ao trabalhar em projetos de ML completos. Um fluxo de trabalho típico envolve tarefas repetitivas e demoradas, como limpeza de dados, engenharia de recursos, ajuste de modelos e, finalmente, envio dos modelos para produção. Embora estas etapas sejam importantes para a construção de modelos precisos …

O Ensemble of Experts (MoE) representa um avanço importante no aprendizado de máquina, fornecendo uma maneira eficiente de lidar com modelos grandes. Ao contrário dos modelos densos, onde todos os parâmetros estão ativos durante a especificação, os modelos MoE abrem apenas uma fração dos seus parâmetros. Esta abordagem equilibra eficiência computacional e escalabilidade, tornando os …

Kili Technology divulgou recentemente mais informações relatório que destaca os principais riscos em modelos de linguagem de IAconcentrando-se em sua suscetibilidade a ataques de desinformação baseados em padrões. À medida que os sistemas de IA se tornam parte tanto dos produtos de consumo como das ferramentas empresariais, compreender e mitigar esses riscos é essencial para …

Os sistemas de geração aumentada de recuperação (RAG) são essenciais para melhorar o desempenho de um modelo de linguagem, integrando fontes externas de informação ao seu desempenho. Esses sistemas usam mecanismos que dividem os documentos em seções pequenas e gerenciáveis, chamadas pedaços. Os programas RAG visam melhorar a precisão e a relevância contextual dos seus …

O rápido crescimento de dados multidimensionais em vários campos, como aprendizado de máquina, análise geoespacial e clustering, trouxe grandes desafios às estruturas de dados tradicionais. Uma dessas estruturas, kd-tree, tem sido uma ferramenta importante para gerenciar conjuntos de dados de alta dimensão, suportando consultas como vizinhos mais próximos, pesquisa de distância e análise de cluster. …