Zprávy o základních modelech, LLM, multimodálních modelech, benchmarcích a vydáních modelů od OpenAI, Anthropic, Google, Meta, Mistral a dalších.
463 článků
Nový AI model Mythos od Anthropic dokáže identifikovat zranitelnosti systémů a generovat exploity, což vyvolává vážné obavy v kritických odvětvích. Model tak názorně ukazuje, jak může být umělá inteligence zneužita pro kybernetické útoky. thehindu.com
Elektronické zdravotní záznamy (EHR) jsou stále častěji využívány pro klinický výzkum a strojové učení, trpí však chybějícími hodnotami a nekvalitními daty. Nová studie zkoumá, zda dokážou velké jazykové modely (LLM) tyto problémy automatizovaně řešit. cureus.com
Debata o tom, zda AI model Claude skutečně prožívá něco jako emoce, přitahuje pozornost veřejnosti i médií. Pro Anthropic jde o téma, které firmě zajišťuje výraznou publicitu a odlišuje ji od konkurence. bloomberg.com
Výzkumníci s podporou infrastruktury NCSA vyvinuli novou metodu trénování velkých jazykových modelů nazvanou DELIFT, která výrazně snižuje množství dat potřebných k výcviku. Jde o alternativu k dosavadnímu přístupu, kdy modely jako ChatGPT vstřebávaly obrovské objemy volně dostupných internetových dat. hpcwire.com
Anthropic 7. dubna oznámil model Claude Mythos Preview a zároveň přiznal, že více než 99 % jím odhalených zranitelností nelze tradičním záplatováním efektivně řešit. Podle komentáře SC Media to představuje zásadní zlom v přístupu ke kybernetické bezpečnosti. scworld.com
Sakana AI zveřejnila na LinkedIn informace o svém výzkumu zaměřeném na zrychlení velkých jazykových modelů a snížení jejich nároků na zdroje. Cílem je učinit inferenci LLM dostupnější a méně náročnou na výpočetní výkon. tipranks.com
Server Iris Nova od společnosti Lumai využívá optické výpočty ke spouštění AI modelů s nízkou spotřebou energie. Optický přístup slibuje výrazně efektivnější inferenci LLM oproti tradičním GPU řešením. designnews.com
Náklady na LLM se dnes dělí do dvou kategorií: rozpočet na API volání účtovaný za tokeny a měsíční předplatné v rozmezí 8–200 dolarů. Výběr správného modelu závisí na způsobu použití – zda jde o programové volání, nebo o přímou práci uživatele s chatovým rozhraním. aimultiple.com
Model ZAYA1-8B je kompaktní open-source reasoning model, jehož hlavní předností je trénink na GPU AMD Instinct MI300 – přímém konkurentu karet Nvidia. Jde o ukázku toho, že alternativy k Nvidia ekosystému jsou schopné pohánět moderní AI výzkum. venturebeat.com
Výzkumníci z Multiverse Computing dosáhli zlepšení perplexity – metriky kvality jazykového modelu – o 1,4 % pomocí 156qubitového kvantového procesoru. Výsledek naznačuje, že kvantové výpočty mohou v budoucnu přispět k optimalizaci trénování i inference LLM. quantumzeitgeist.com
When you talk to an AI model like Claude, you talk to it in words. Internally, Claude processes those words as long lists of numbers, before again producing... anthropic.com
A large language model (LLM) matched or exceeded hundreds of expert physicians in diagnostic and management reasoning tasks across six experiments,... msn.com
A new theoretical framework reveals an inescapable trade-off between efficiency, compactness, and recall in long sequence models. startuphub.ai
You did remember to opt out of AI, didn't you? theregister.com
Even if you aren't using Google Gemini, it might be using your device. Security researcher Alexander Hanff, also known as “That Privacy Guy,” recently... gizmodo.com
Společnost Subquadratic, která vyvíjí architektury velkých jazykových modelů s dlouhým kontextem, oznámila spuštění modelu SubQ 1M-Preview. Firma zároveň uzavřela seed kolo financování ve výši 29 milionů dolarů. pulse2.com
Thajská vláda připravuje spuštění nového projektu velkého jazykového modelu (LLM) v thajštině. Cílem je zajistit suverenitu země v oblasti umělé inteligence a podpořit její další rozvoj. bangkokpost.com
Málo známý miamský startup Subquadratic se v úterý hlasitě ohlásil světu s odvážným tvrzením: postavil prý první velký jazykový model s dosud nevídanou efektivitou. Výzkumníci jsou skeptičtí a požadují nezávislé ověření těchto výsledků. venturebeat.com
Nový přístup inspirovaný difuzními modely přináší výrazné zrychlení inference velkých jazykových modelů na Google TPU. Na rozdíl od klasického autoregresivního spekulativního dekódování, kde lehký model předpovídá tokeny, tato metoda dosahuje až trojnásobného zrychlení. developers.googleblog.com
Nová studie ukazuje, že velký jazykový model překonal lékaře v řadě úloh zaměřených na klinické uvažování. Autoři výzkumu přesto varují, že technologie zatím není připravena pracovat bez dohledu odborného personálu. techtarget.com