208 новини · всички източници
Anthropic премести най-способния си модел за киберсигурност в продукт, който екипите по сигурността могат да активират сами. Сканиранията в Claude Security вече работят с Claude Mythos 5, който е в публична бета за клиентите на Claude Enterprise без отделен добавъчен пакет за модела. Сканирането се свързва…
S1-mini е нормализатор с отворени тегла с размер 462 MB, който работи след ASR, премахва паразитните думи и разрешава самокорекциите локално.
PDF файловете се четат лесно, но се променят трудно. ИИ вече може да обобщи 90-страничен договор за секунди, но все още не може да пренапише изходния файл чисто. UPDF е създаден за втората част: директно редактиране, конвертиране в 14 формата, OCR на 38 езика,…
Три чернови модела с около 300 млн. параметъра въвеждат спекулативното декодиране в LFM2.5, осигурявайки до 3,18 пъти по-бързо декодиране при идентичен жаден изход.
Този урок представя цялостен работен процес за дообучаване на езикови модели с Direct Preference Optimization (DPO). Демонстрираме как да одитираме набора от данни Anthropic HH-RLHF за структурни и базирани на дължината пристрастия, да реализираме надежден обучителен конвейер с TRL и LoRA и да оценим…
NVIDIA пусна TensorRT Model Connect (TRTMC) в публичен предварителен преглед — проект под Apache-2.0, който превръща поддържан Hugging Face или локален чекпойнт в цялостен TensorRT инференс с две команди, без междинен ONNX експорт. Компилацията генерира версиониран .bundle…
Google пусна SAM (Sovereign Agent Mesh) като софтуер с отворен код по Apache-2.0 — и той няма нищо общо със Segment Anything. SAM е P2P оверлей без конфигурация и с нулево доверие, който позволява на автономни агенти да откриват и извикват MCP инструментите си един на друг в облака, в локални среди,…
Cartesia пусна Sonic-3.6, стрийминг модел за преобразуване на текст в реч, изграден върху модели на пространството на състоянията, а не върху трансформъри. Той вече заема №1 и в двете класации за реч на Artificial Analysis — 1 283 Elo в Provider Voice и 1 123 в Controlled Voice, класацията, която…
Nous Research пусна Bot Mode за Hermes Agent, своя агент с отворен код под MIT лиценз. Bot Mode заменя списъка с единични агентски сесии със списък от именувани ботове. Всеки бот е реален Hermes профил със собствен чат, памет, умения,…
ByteDance Seed и Tsinghua AIR пуснаха CUDA Agent — агентна система за обучение с подкрепление, която обучава голям езиков модел да пише GPU ядра, превъзхождащи компилатора. Целта ѝ е тесен, но упорит разрив: авангардните модели вече генерират…
MiniMax пусна MiniMax-Music3 — текстово-музикален модел с отворени тегла. При зададени текст на песен със секционни тагове и структурирано описание той генерира завършена песен с продължителност до пет минути на един проход като 32 kHz, 16-битов стерео WAV файл. Ето архитектурата,…
Разработете цялостен конвейер за интелигентна обработка на документи с docTR, интегриращ OCR, анализ на оформлението и KIE за извличане, ориентирано към продукционна среда, и създаване на PDF файлове с възможност за търсене.
