Перейти к содержимому
6 ноябряпт
  1. Hugging Face Blog78

    ToyBlocks: контролируемый мир для обучения и оценки роботов

    Hugging Face представил ToyBlocks, открытую симуляционную платформу для обучения роботов。

    Почему это важно: Представление ToyBlocks как платформы для обучения роботов открывает новые возможности для исследований в области робототехники.

  2. Hugging Face Blog55

    Египетский и нигерийский английский присоединились к Open ASR Leaderboard

    Hugging Face добавил акценты египетского и нигерийского английского в Open ASR Leaderboard, расширив представление языков и акцентов для более надежных оценок.

  3. OpenAI News32

    Merge объединяет инструменты для продуктов и бизнеса с технологией OpenAI

    Merge использует GPT-6 Astra, ChatGPT и Codex для анализа кода продуктов и поддержки маркетинга. Команды также применяют AI для планирования бизнес-ужинов и подготовки обновлений по продажам.

  4. Hugging Face Blog78

    Новые модели NVIDIA Cosmos 3 для интерактивной симуляции мира

    NVIDIA представила четыре новые открытые модели в рамках Cosmos 3 для генерации интерактивной симуляции мира и многосенсорных сцен вождения. Все модели имеют 16B обучаемых параметров и доступны для коммерческого и некоммерческого использования.

    Почему это важно: Описание новых моделей помогает понять возможности симуляции и их применение в робототехнике и автономном вождении.

  5. NVIDIA Blog76

    Vera обеспечивает высокую пропускную способность и скорость AI-агентов

    NVIDIA представила процессор Vera, который демонстрирует лучшую производительность для AI-агентов, обеспечивая в 1.6 раза больше агентов на ватт по сравнению с лучшими x86 процессорами.

    Почему это важно: Описание производительности и тестов помогает понять преимущества нового процессора для AI-агентов.

  6. AWS Machine Learning Blog75

    Amazon Marketplace использует AI для оценки качества контента

    Amazon внедрил систему оценки качества контента с использованием Vision-Language Models (VLM) и OCR, что позволяет улучшить качество A+ контента и увеличить продажи на 8–20%.

    Почему это важно: Материал описывает применение VLM для оценки качества контента на Amazon, что может быть полезно для улучшения пользовательского опыта.

  7. Google DeepMind76

    Gemini Omni 1.2 Flash: Быстро и экономично с длинными клипами

    Google DeepMind представила Gemini Omni 1.2 Flash, который поддерживает создание видео длиной до 15 секунд и предлагает улучшенные возможности редактирования. Цена на услуги снижена на 30%。

    Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.

  8. Microsoft Research81

    Формальная проверка кода веб-приложений, написанных агентами, с помощью PDD Kit

    Исследователи Microsoft разработали PDD Kit для формальной проверки кода, написанного AI-агентами。

    Почему это важно: Исследование PDD Kit демонстрирует применение формальных методов для проверки кода, что может значительно улучшить качество разработки программного обеспечения.

  9. NVIDIA Blog73

    NVIDIA решает проблему памяти с помощью полного проектирования стека

    NVIDIA внедрила полный дизайн стека для оптимизации использования памяти в AI, что позволяет увеличить производительность и снизить затраты на токены. Новые технологии。

    Почему это важно: Анализ подхода NVIDIA к проектированию памяти помогает понять, как оптимизация может снизить затраты и повысить эффективность.

5 ноябрячт
  1. Hugging Face Blog81

    Phonon TTS запустил высококачественную речь на устройстве

    Hugging Face представил Phonon, модель текст-в-речь, работающую на устройствах без необходимости в сети. Модель доступна в двух версиях и поддерживает пять языков。

    Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.

  2. AWS Machine Learning Blog62

    В AWS Quick добавлена функция Smart Approvals

    AWS представила функцию Smart Approvals, которая автоматически одобряет действия AI-агентов или возвращает их на рассмотрение пользователю。

    Почему это важно: Описание функции Smart Approvals помогает понять, как сохранить контроль над действиями AI-агентов.

  3. AWS Machine Learning Blog73

    Использование моделей принятия решений с Amazon Bedrock AgentCore Evaluations

    В статье описывается, как интегрировать модели принятия решений Jev и Strands Decider с Amazon Bedrock AgentCore для оценки AI-агентов. Приведены примеры кода и условия доступа。

    Почему это важно: Материал предоставляет практическое руководство по интеграции моделей принятия решений с Amazon Bedrock AgentCore, что может улучшить оценку AI-агентов.

  4. Hugging Face Blog82

    Dharma Field Extractor: Извлечение структурированных полей из документов

    Модель Dharma Field Extractor с 2 миллиардами параметров извлекает заданные поля из любых документов и возвращает их в формате JSON. Она превосходит все протестированные модели и предлагает доступные условия использования.

    Почему это важно: Описание возможностей модели помогает понять её применение в бизнес-процессах.

  5. AWS Machine Learning Blog81

    U Mobile создала агентные телекоммуникационные операции с помощью Amazon Bedrock AgentCore

    U Mobile внедрила AiDaH, AI-агентный хелпдеск на платформе Amazon Bedrock AgentCore, который обрабатывает более 150 сценариев и сократил объем заявок на обслуживание до 84,5%.

    Почему это важно: Описание архитектуры и функциональности AiDaH помогает понять, как AI-агенты могут улучшить телекоммуникационные операции.

  6. AWS Machine Learning Blog73

    Indegene модернизирует управление качеством данных с помощью AI-агента

    Indegene разработала AI-агента для управления качеством данных в своей платформе NEXT UDP, который ускоряет создание правил и улучшает качество данных в фармацевтической отрасли.

4 ноябряср
  1. AWS Machine Learning Blog75

    Введение в локальный вывод для Kimi K3 на Amazon Bedrock

    Amazon Bedrock теперь поддерживает локальный вывод для модели Kimi K3 в Индии, что позволяет обрабатывать данные с соблюдением требований к хранению данных. Клиенты。

    Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.

  2. AWS Machine Learning Blog75

    Создание голосовых AI-приложений с низкой задержкой на AWS

    Cartesia представила модели Sonic и Ink для текст-в-речь и речь-в-текст с задержкой менее 100 мс。

    Почему это важно: Описание применения моделей Cartesia в реальном времени помогает понять их преимущества для разработки голосовых AI-приложений.

  3. AWS Machine Learning Blog71

    Создание семантического слоя для AI-агентов с помощью EDB Postgres AI и Amazon Bedrock AgentCore

    В статье описывается процесс создания семантического слоя для AI-агентов с использованием EDB Postgres AI и Amazon Bedrock AgentCore. Приведены основные шаги и примеры。

    Почему это важно: Материал предоставляет подробное руководство по созданию семантического слоя для AI-агентов, что может быть полезно для разработчиков и аналитиков.

  4. AWS Machine Learning Blog72

    Как Gen Digital создала новостной движок с AI-агентом на базе Amazon Bedrock

    Команда Gen Digital разработала платформу управления репутацией Norton Revamp, использующую AI-агента для создания новостного контента в реальном времени с помощью Amazon Bedrock AgentCore.

    Почему это важно: Материал описывает процесс создания платформы управления репутацией с использованием AI-агента, что может быть полезно для профессионалов в области AI.

  5. AWS Machine Learning Blog63

    ServiceNow обмен токенами от имени пользователя с помощью AgentCore Gateway

    Greg Biegel описал, как настроить обмен токенами OBO с Microsoft Entra ID через AgentCore Gateway для взаимодействия AI-агентов с API ServiceNow, сохраняя идентичность пользователя.

    Почему это важно: Материал предоставляет детальное руководство по настройке обмена токенами OBO с использованием AgentCore Gateway, что может быть полезно для разработчиков, работающих с API.

  6. AWS Machine Learning Blog75

    Объединение структурированных и неструктурированных данных с помощью Amazon Quick

    В статье описывается, как объединить структурированные и неструктурированные данные с помощью Amazon Quick。

    Почему это важно: Материал предоставляет пошаговое руководство по интеграции структурированных и неструктурированных данных с помощью Amazon Quick.

  7. Google DeepMind83

    Google Antigravity представил навыки для химической информатики

    Google Antigravity добавил новые навыки для химической информатики, которые ускоряют процессы открытия лекарств。

    Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.

  8. Hugging Face Blog73

    CWE-bench v2: Расширение охвата и качества

    CWE-bench v2 открывает 100 задач для тестирования моделей на уязвимости。

    Почему это важно: Описание новых задач и условий доступа помогает оценить качество и прозрачность тестирования моделей.

  9. Hugging Face Blog83

    Palette: обучение небольшой модели для создания презентаций

    Разработчики представили Palette, модель, обученную на синтетических данных для создания презентаций в соответствии с языком дизайна IBM. Модель показала высокие результаты на PresentBench。

    Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.

3 ноябрявт
  1. NVIDIA Blog71

    Города по всему миру развивают AI-сервисы с помощью NVIDIA

    NVIDIA и её партнёры внедряют физический и агентный AI в города。

    Почему это важно: Обсуждение применения AI в городах демонстрирует возможности для улучшения общественных услуг и управления инфраструктурой.

  2. OpenAI News45

    Qodo интегрирует контекст в AI-ревью кода с помощью Codex

    Qodo внедрила знания компании и стандарты кодирования в Codex, что позволяет разработчикам выявлять критические проблемы (P0) в репозиториях до открытия pull request.

  3. AWS Machine Learning Blog75

    Circle K сократил время триажа инцидентов до 15 минут с помощью Amazon Bedrock

    Circle K внедрил автоматизированную систему триажа инцидентов с использованием Amazon Bedrock, что позволило сократить среднее время реагирования с 45–60 минут до менее чем 15 минут.

    Почему это важно: Материал описывает успешное применение AI-агента для автоматизации процесса триажа инцидентов в DevOps, что значительно ускоряет реагирование на проблемы.

  4. AWS Machine Learning Blog79

    Создание многоагентного инженерного помощника с Amazon Nova и AgentCore

    Автор описывает процесс создания многоагентного инженерного помощника, который автоматизирует сбор доказательств для замены компонентов。

    Почему это важно: Материал предлагает подробное руководство по созданию многоагентного инженерного помощника с использованием Amazon Bedrock и Nova Multimodal Embeddings.

  5. AWS Machine Learning Blog68

    Подготовка веб-контента для Amazon Bedrock Knowledge Bases с помощью Crawl4AI

    В статье описывается, как использовать Crawl4AI для подготовки веб-контента перед его загрузкой в Amazon Bedrock Knowledge Bases. Процесс включает в себя создание Markdown-документов с метаданными и их загрузку в Amazon S3, что позволяет улучшить качество извлечения информации.

    Почему это важно: Материал описывает процесс подготовки веб-контента для Amazon Bedrock Knowledge Bases с использованием Crawl4AI, что может улучшить качество ответов в приложениях RAG.