Google vydáva EmbeddingGemma 2 na multimodálne vyhľadávanie
Model Googlu na embeddingy so 740 miliónmi parametrov mapuje text, kód, obrázky, video a zvuk do jedného vektorového priestoru. Modulárne enkódery sú určené pre lokálne zariadenia.
Model Googlu na embeddingy so 740 miliónmi parametrov mapuje text, kód, obrázky, video a zvuk do jedného vektorového priestoru. Modulárne enkódery sú určené pre lokálne zariadenia.
Predregistrovaný experiment porovnal deväť zručností Claude Code s rovnako dlhými neutrálnymi inštrukciami. Dve boli lacnejšie než placebo, jedna horšia a šesť bez štatistického rozdielu.
Výskum, vydania modelov, lokálne projekty, technické eseje a komunitné správy: 51 stručných položiek s priamymi zdrojmi.
Open-source nástroj príkazového riadka obsahuje llama.cpp a dva malé doladené modely. Autor vydal aj trénovaciu množinu so 401 975 dvojicami a kód benchmarku.
Context Language Models nahrádzajú nemenný prepis súborom, ktorý môže model prepisovať, mazať a meniť jeho poradie. Autori po natrénovaní pravidiel úprav uvádzajú vyššiu presnosť v dlhých úlohách s menším počtom opakovaných výpočtov.
Praktický návod meria kompromis pri oddelení spracovania promptu od generovania tokenov. Koncová latencia sa pri záťaži zlepšuje, no presun pracovnej pamäte modelu oneskoruje prvý token.
Zvyšné dnešné správy o AI pokrývajú nezvyčajný hybridný model, štúdie priestorovej pamäte a pravdivosti, komunitné merania, bezpečnostné incidenty agentov, vodoznaky v EÚ a praktické prednášky.
Otvorená rodina prekladačov má po novom balíky GGUF, FP8 a NVFP4, bezplatné kompatibilné API a štyri verejné benchmarky. Výsledky výkonu zostávajú vlastnými údajmi vývojára.
Plán postaviť septembrový vývoj na GLM 5.3 Flash spotreboval dve miliardy tokenov, no iba polovica smerovala do cieľového modelu. Rozdiel vysvetľujú prototypy, kapacita poskytovateľov a hodnotenie.
Model na uvažovanie v nemčine a angličtine prináša váhy pod licenciou Apache 2.0 a návod na nasadenie. Malý počet aktívnych parametrov stále znamená veľké pamäťové nároky.
Projekt založený na Ollame pridáva hlasový vstup a nástroje na bežnú prácu s dokumentmi. Jeho zverejnený benchmark tvrdí, že výsledky malých modelov výrazne závisia od okolitého softvéru.
Vývojárov postup uchováva špecifikácie a rozhodnutia v upraviteľnom Markdowne. Jeho argument sprevádza open-source implementácia, nie však porovnávací benchmark.