Новости

Представлен новый подход к сегментации опухолей мозга с использованием архитектуры DSIT-UNet, которая сочетает в себе трансформеры и U-Net. Модель продемонстрировала выдающиеся результаты на нескольких наборах данных, улучшив точность сегментации и устойчивость к сложным морфологиям опухолей.

Корейские исследователи разработали ИИ-модель, способную с 91,1% точностью определять хрипящие звуки у детей, что является важным показателем респираторных заболеваний, таких как астма.

NVIDIA представила DLSS 4, использующий трансформерные модели для улучшения качества графики в реальном времени. Новая технология позволяет повысить качество трассировки лучей на 30-50% и обеспечивает более плавные визуальные эффекты в играх.

Mamba представляет новые селективные модели состояния (SSM), которые превосходят традиционные линейные SSM в синтетических задачах и конкурируют с трансформерами в области обработки естественного языка, ДНК и аудио. Модель демонстрирует высокую эффективность и отличные результаты в нулевом тестировании.

Модель Mamba представляет собой новый класс селективных пространственных моделей (SSM), которые преодолевают недостатки трансформеров в обработке длинных последовательностей. Она обеспечивает в 5 раз большую пропускную способность и линейное масштабирование, демонстрируя выдающиеся результаты в различных областях, включая обработку естественного языка и геномику.

Hugging Face предлагает мощные инструменты для создания приложений на основе машинного обучения. В этой статье мы рассмотрим, как использовать ресурсы Hugging Face и как они меняют мир искусственного интеллекта.

Модели искусственного интеллекта в области обработки естественного языка (NLP) прошли путь от символического ИИ и статистических методов к нейронным сетям и трансформерам, что привело к появлению мощных моделей, таких как GPT-4.

Новый метод в области искусственного интеллекта позволяет моделям самостоятельно определять, на чем сосредоточиться, что делает их более быстрыми и эффективными.

Новая методика распределения вычислительных ресурсов в трансформерах ИИ позволяет значительно сократить затраты на обработку, увеличивая скорость и эффективность работы моделей.

Исследователи из Пенсильванского университета получили грант от NASA на сумму 1,23 миллиона долларов для улучшения прогнозов погоды с использованием искусственного интеллекта и данных спутников.

Команда Qwen представила QwQ-32B-Preview — экспериментальную модель, направленную на улучшение аналитических и логических возможностей ИИ. Модель демонстрирует высокие результаты в математике и программировании, а также доступна для исследователей на платформе Hugging Face.

Представлена новая модель оценки качества танцевальных движений, использующая трансформеры и сверточные нейронные сети. Модель TransCNN-DSSS демонстрирует высокую точность и надежность, обеспечивая автоматизированный и объективный подход к оценке танцевальных выступлений.