AI agenti míří na forenzní analýzu syntetického videa, robotiku, multimodální modely i 3D fyziku
Přehledový článek mapuje nasazení AI agentů při odhalování syntetických videí, v ucelené robotice, multimodálních modelech a syntéze 3D fyziky, včetně doprovodného videa. Úryvek zmiňuje také sekci „Undercode Testing“ o sledování hackerů. Zdroj: google.com
Důležitost:Spuštěnímultimodal models
Mistral Compute: podniková platforma AI postavená na otevřených modelech
Mistral Compute je platforma pro firmy, na které lze upravovat, dolaďovat a nasazovat AI asistenty, autonomní agenty i multimodální AI. Stojí na otevřených modelech. Zdroj: mistral.ai
Google zveřejnil technickou zprávu k EmbeddingGemma 2, aktualizaci svého otevřeného modelu pro textové embeddingy. Nová verze nativně zpracovává text, obrázky, zvuk i video a mapuje je do společného prostoru. Zdroj: blog.google
Důležitost:SpuštěníAPIs
Gemini Decisions API: rychlá a kalibrovaná multimodální rozhodnutí
Nové Gemini Decisions API od Googlu přináší rychlá a kalibrovaná multimodální rozhodnutí pro aplikace firmy. Dokáže vyhodnotit 1000 otázek v jediném průchodu. Zdroj: blog.google
Důležitost:VýzkumHealthcare Applications
LLM v klinické predikci stále narážejí na zásadní překážky
Komentář v časopise Diagnostic and Prognostic Research uvádí, že LLM sice slibně zvládají multimodální zdravotní záznamy, ale k přeměně klinické predikce jim stále stojí v cestě vážné překážky. Zdroj: bioengineer.org
Důležitost:VýzkumIndustrial Applications
Optimalizace LLM pro průmyslovou prognostiku a správu stavu zařízení
Rozsáhlý přehled mapuje, jak optimalizační techniky, metody komprese a multimodální architektury umožňují LLM proměnit průmyslovou prognostiku a správu stavu zařízení. Zdroj: bioengineer.org
Důležitost:Výzkumbenchmarks
Google představuje benchmark Multimodal Knowledge Agent
Google uvedl benchmark MKA, který hodnotí, jak dobře agenti uvažují nad složitými vizuálními úlohami. Zpráva ukazuje i výsledky modelu Gemini 4 Carbon. Zdroj: blog.google
Důležitost:Výzkumarchitectural-ai
FUGenerator: multimodální AI propojuje architektonické koncepty s výrobou
Vědci představili FUGenerator, multimodální AI platformu kombinující znalostní grafy se sledovatelnými uzlovými workflow. Má zjednodušit cestu od architektonického konceptu k fyzické výrobě. Zdroj: bioengineer.org
Důležitost:ZprávaAI hardware acceleration
Čínský Iluvatar CoreX tvrdí, že jeho nové GPU se vyrovná Nvidia H200
Společnost uvádí, že její čip Tiangai 300 překonal H200 v náročných multimodálních úlohách, například při generování obrázků a videa z textu pomocí špičkových AI modelů. Tvrzení naznačuje, že se propast mezi čínskými čipy a produkty Nvidie zmenšuje. Zdroj: scmp.com
Důležitost:Spuštěnímultimodal models
Mistral Large 4 "Le Chonk" je na Hugging Face
Mistral Large 4 s přezdívkou Le Chonk je multimodální a vícejazyčný model typu Mixture-of-Experts (MoE). Na vstupu přijímá text a obrázky a generuje textový výstup. Zdroj: huggingface.co
Důležitost:Výzkummedical AI
AI s dohledem expertů tvoří a hodnotí obrazové zkouškové otázky z neurochirurgie
Studie z jednoho pracoviště zjistila, že multimodální AI modely dokážou navrhovat zkouškové otázky z neurochirurgie závislé na obrazových datech a hodnotit odpovědi rezidentů s přibližně 90% přesnou shodou. Proces probíhal pod dohledem odborníků. Zdroj: bioengineer.org
Důležitost:SpuštěníHuggingFace multimodal model
Liquid AI představuje LFM3 pro tvorbu specializovaných multimodálních modelů
LFM3 je nová generace modelů Liquid Foundation Models, navržená jako výchozí bod pro specializovanou inteligenci. Zvládá text, obraz, zvuk a další modality. Zdroj: huggingface.co
Důležitost:VýzkumMultimodal AI
EmbeddingGemma 2 přidává podporu kódu, obrazu, videa i zvuku
Model EmbeddingGemma 2 od Googlu vychází z Gemma 4 a vychází pod licencí Apache 2.0. Jde o kompaktní open-weight multimodální embedding model, který se tak posouvá za hranice čistě textových vektorů. Zdroj: infoq.com
Důležitost:SpuštěníGoogle's EmbeddingGemma 2 for multimodal AI search
EmbeddingGemma 2 přináší multimodální AI vyhledávání přímo do zařízení
EmbeddingGemma 2 od Googlu umožňuje soukromé AI vyhledávání napříč fotkami, videi, zvukem i textem přímo na koncových zařízeních. Díky lokálnímu běhu zůstávají data uživatele u něj. Zdroj: hackster.io
Důležitost:SpuštěníComet 60B
Multiverse Computing uvádí Comet 60B, zmenšený open-source multimodální model
Multiverse Computing spustila Comet 60B, open-source multimodální AI model. Snižuje celkový počet parametrů modelu Nemotron 3.5 Super VL od Nvidie. Zdroj: theaiinsider.tech
Důležitost:Spuštěníedge AI chips
Google a Synaptics naznačují edge AI čip před spuštěním 20. října
Google a výrobce čipů Synaptics představují ukázku mikrokontroléru, který má přinést multimodální AI do zařízení omezených spotřebou, pamětí a cenou. Plné uvedení je naplánováno na 20. října. Zdroj: rdworldonline.com
Důležitost:SpuštěníMultimodal Models
Liquid AI uvedla d1-ultra, multimodální rozhodovací model s 65 body v AA Decision Index
Liquid AI vydala rozhodovací model d1-ultra, který získal 65 bodů v Artificial Analysis Decision Index. Vrací kalibrované pravděpodobnosti, aniž by generoval jakékoli výstupní tokeny. Zdroj: marktechpost.com
Důležitost:VýzkumMultimodal Models
Intern-Decision zrychluje multimodální rozhodování pomocí maskovaného jazykového modelování
Interaktivní agenti neustále vybírají z konečné množiny akcí, štítků nebo pořadových výsledků a generování volné odpovědi pro každou volbu přidává zbytečnou zátěž. Intern-Decision to řeší autoregresivním maskovaným jazykovým modelováním pro efektivnější rozhodování. Zdroj: alphaxiv.org
Důležitost:Spuštěnímultimodal agents
NVIDIA Nemotron 3.5 Super VL přináší multimodální uvažování pro specializované agenty
Neustále aktivní agenti zvládají stále delší a složitější podnikové workflow, kdy jediný požadavek může zahrnovat čtení dokumentu a ověřování informací napříč zdroji. NVIDIA Nemotron 3.5 Super VL má takové specializované agenty pohánět díky multimodálnímu uvažování. Zdroj: developer.nvidia.com
Důležitost:Výzkummultimodal agents
Strukturovaný výběr má zefektivnit multimodální vyhledávací agenty
Multimodální agenti obvykle před každou akcí generují volné úvahy, což může být pro malé modely s omezenou kapacitou zdlouhavé a náročné. Nový přístup nahrazuje otevřené uvažování strukturovaným uvažováním založeným na výběru, aby byli vyhledávací agenti efektivnější. Zdroj: machinelearning.apple.com