Categoria: Inteligência artificial

A demanda por modelos personalizáveis ​​e de código aberto que possam funcionar bem em uma variedade de plataformas de hardware tem crescido, e a Meta está na vanguarda para atender a essa demanda. Meta abriu o código para o lançamento de Lama 3.2com LLMs de visão pequena e média (11B e 90B) e modelos leves …

A esparsificação de gráficos é uma ferramenta fundamental na ciência da computação teórica que ajuda a reduzir o tamanho de um gráfico sem perder características importantes. Embora muitos métodos de esparsificação tenham sido introduzidos, os problemas de particionamento e corte de hipergrafos tornaram-se mais importantes devido à sua ampla aplicação e aos desafios teóricos. Os …

O desenvolvimento de software se beneficiou muito do uso de Modelos de Linguagem em Grande Escala (LLMs) para produzir código-fonte de alta qualidade, principalmente porque as tarefas de codificação agora levam menos tempo e dinheiro para serem concluídas. No entanto, apesar destas vantagens, os LLMs produzem frequentemente código que, embora funcional, muitas vezes apresenta falhas …

Minish Lab acaba de ser lançado Modelo2Vecuma ferramenta de transformação projetada para integrar modelos pequenos e rápidos de qualquer transformador de frases. Com esta inovação, o Minish Lab pretende fornecer aos pesquisadores e desenvolvedores uma maneira mais eficiente de lidar com tarefas de processamento de linguagem natural (PNL). Model2Vec permite o preenchimento rápido de modelos …

Subgroup Discovery (SD) é uma técnica de aprendizado de máquina supervisionada usada para analisar dados experimentais para identificar relacionamentos (subgrupos) dentro de um conjunto de dados relacionados a uma variável alvo. Os principais componentes dos algoritmos SD incluem a estratégia de busca, que avalia o espaço de busca do problema, e a medida de qualidade, …

Os modelos de linguagem em larga escala (LLMs) revolucionaram o processamento de linguagem natural, permitindo que os sistemas de IA executem uma variedade de tarefas com experiência incrível. No entanto, os investigadores enfrentam desafios significativos na melhoria do desempenho do LLM, especialmente na interação humana com o LLM. Uma observação importante revela que a qualidade …

O aprendizado de máquina adversário é um campo em crescimento que se concentra em testar e melhorar a robustez dos sistemas de aprendizado de máquina (ML) com exemplos adversários. Esses modelos são criados alterando sutilmente os dados para induzir os modelos a fazerem previsões incorretas. Os modelos generativos profundos (DGMs) têm se mostrado promissores na …

A estimativa de profundidade monocular (MDE) desempenha um papel importante em várias aplicações, incluindo edição de imagens e vídeos, reconstrução de cenas, síntese de novas cenas e navegação de robôs. Porém, este trabalho apresenta grandes desafios devido à incerteza da faixa de escala, o que o impossibilita. Os métodos baseados na aprendizagem devem utilizar um …

Treinando uma grande CNN para classificação de imagens:Os pesquisadores desenvolveram uma CNN em grande escala para classificar 1,2 milhão de imagens de alta resolução da competição ImageNet LSVRC-2010, que inclui 1.000 categorias. O modelo, que contém 60 milhões de parâmetros e 650.000 neurônios, alcançou resultados surpreendentes, com erros top-1 e top-5 erros de 37,5% e …

Nos campos mais avançados da neurociência e da Inteligência Artificial (IA), o objetivo de compreender e modelar a cognição humana levou à criação de modelos complexos que tentam simular funções cerebrais complexas. O cérebro tensor, uma estrutura computacional criada para simular a forma como o cérebro interpreta e armazena informações, é um exemplo desse modelo. …