AI-Nachrichten Seite 11

Gastbeiträge von Lennart Heim und Sihao Huang, dieser Artikel wird in Lennarts Blog veröffentlicht. Lennart schreibt regelmäßig für ChinaTalk und hat kürzlich an einer Diskussion über Geopolitik in der Ära des Testzeit-Computings teilgenommen, und Sihao hat bereits über Pekings Vision einer globalen KI-Governance geschrieben. ...

Mistral Small 3: Apache 2.0 Protokoll, 81% MMLUs, 150 tokens/sec Mistral AI hat heute Mistral Small 3 vorgestellt, ein latenzoptimiertes Modell mit 24 Milliarden Parametern, das unter dem Apache 2.0 Protokoll veröffentlicht wurde. Mistral Small 3 ist vergleichbar mit größeren Modellen...

Lassen Sie uns das neue Jahr auf eine aufregende Art und Weise beginnen Möglicherweise durch GPT-5 Was wäre, wenn ich Ihnen sagen würde, dass GPT-5 real ist. Es ist nicht nur real, sondern es gestaltet die Welt bereits auf eine Weise, die Sie nicht sehen können. Hier ist ein hypothetischer Fall: OpenAI hat GPT-5 entwickelt, aber intern gehalten,...

Am 30. Januar 2025 teilte Microsoft mit, dass das R1-Modell von DeepSeek jetzt auf seiner Cloud-Computing-Plattform Azure und den GitHub-Tools für Entwickler im Allgemeinen verfügbar ist. Microsoft sagte auch, dass Kunden bald in der Lage sein werden, R1-Modelle lokal auf ihren Copilot + PCs auszuführen. Zuvor haben wir über...

1. die Verleumdung von Chinas KI-Entwicklung und die Darstellung von "Chinas Bedrohungstheorie" Der Autor des Artikels, der sich auf die Position der Vereinigten Staaten stellt, übertreibt absichtlich die so genannte "Bedrohung" der Vereinigten Staaten durch den technologischen Fortschritt chinesischer KI-Unternehmen wie DeepSeek und setzt sie zwangsweise mit der so genannten "XXX-Bedrohung" in Beziehung, die voll von Kalter-Kriegs-Denken und ideologischer Voreingenommenheit ist. "XXX-Bedrohung", dieses Argument ist voll von Denken des Kalten Krieges und ideologischer Voreingenommenheit. ...

Am 17. Januar 2025 veröffentlichte die Harvard Graduate School of Education (HGSE) einen Leitfaden zu GenAI in studentisch geleiteten Projekten: Empfehlungen und Implikationen, der vom Harvard Creative Computing Lab (HCCL) auf der Grundlage des Learning Design major's (Learn) entwickelt wurde ...

Github: https://github.com/hkust-nlp/simpleRL-reason Dieser Blog zeigt eine Replikation des DeepSeek-R1-Zero- und DeepSeek-R1-Trainings mit kleinen Modellen und begrenzten Daten, wobei viele der Experimente durchgeführt wurden, als wir noch unabhängig von der DeepSeek-R1-Version von ...

Modellübersicht In den letzten Jahren hat sich das Training großer Modelle auf der Grundlage der Mixture of Experts (MoE)-Architektur zu einer wichtigen Forschungsrichtung im Bereich der künstlichen Intelligenz entwickelt. Das Qwen-Team hat vor kurzem das Qwen2.5-Max-Modell veröffentlicht, das Pre-Training-Daten von mehr als 20 Billionen Token und ein verfeinertes Post-Training-Schema in M...

I. HINTERGRUND UND HERAUSFORDERUNGEN Mit der rasanten Entwicklung von KI-Technologien sind groß angelegte Sprachmodelle (LLMs) zu einem zentralen Treiber im Bereich der Verarbeitung natürlicher Sprache geworden. Das Training dieser Modelle erfordert jedoch enorme Rechenressourcen und Zeitkosten, was zum Aufkommen von Knowledge Distillation (KD) Techniken geführt hat. Wissensdestillation funktioniert durch die Kombination großer ...

  Alle verfügbaren Kurse beinhalten: Grundlegende Einführung + Automation Workflow Hands-on Classes 30 Sitzungen Basic Classes - Coze Developing Agent Intelligence from Scratch - 54 Sitzungen https://pan.quark.cn/s/931e5e153f4d#/list/share

DeepSeek wurde von einem massiven böswilligen Angriff getroffen, der aufgrund eines Angriffs auf seinen Online-Dienst, der zu einem regen Registrierungsprozess führte, vorübergehend neue Registrierungen eingeschränkt hat. Das Problem begann um den 27. Januar 2025 mit einer DeepSeek-API-Fehlermeldung, während der es auch bei der Registrierung zu kleineren Problemen kam. Am frühen Morgen des 28. Januar war die API ...

In den fünf Monaten seit der Veröffentlichung von Qwen2-VL haben zahlreiche Entwickler neue Modelle auf der Grundlage des visuellen Sprachmodells Qwen2-VL entwickelt und dem Qwen-Team wertvolles Feedback gegeben. Während dieser Zeit hat sich das Qwen-Team darauf konzentriert, noch nützlichere visuelle Sprachmodelle zu entwickeln. Heute freut sich das Qwen-Team, das neue...

JanusFlow Quick Reads Das DeepSeek-Team ist mit einem neuen Modell zurück und hat am frühen Morgen des 28. ein innovatives multimodales Framework, Janus-Pro, vorgestellt, ein einheitliches Modell, das sowohl multimodale Verstehens- als auch Generierungsaufgaben bewältigen kann. Das Modell basiert auf DeepSeek-LLM-1.5b-base/DeepSeek-LLM-7b-base und unterstützt...

Gegen Ende des Jahres gibt es wieder gute Nachrichten aus dem Bereich der großen Modelle im Inland. Baichuan Intelligence hat vor kurzem eine Reihe von großen Modellprodukten intensiv veröffentlicht, nach dem Full-Scene Deep Inference Modell Baichuan-M1-Preview und dem medizinischen Augmented Open Source Modell Baichuan-M1-14B, und hat dann das omni-modale Modell Baichuan-Omni-1.5 wieder auf den Markt gebracht...

Heute hat DeepSeek, ein aufstrebender Stern am chinesischen KI-Himmel, mit seiner erstaunlichen Geschwindigkeit und Stärke ein weltweites "Erdbeben" im Wissenschafts- und Technologiesektor ausgelöst. Diese App, die als "das Licht der einheimischen KI" bekannt ist, führte nicht nur ChatGPT auf der kostenlosen Liste des App Store in der Region USA an, sondern auch die kostenlose Liste des App Store in China....

Ende 2024 prognostizierte YC-Partner Jared, dass in den nächsten Jahren vertikale KI-Agenten ein aufstrebender Markt sein werden, der zehnmal größer ist als SaaS, und dass in diesem Bereich auch Technologiegiganten mit einer Marktkapitalisierung von mehr als 300 Milliarden Dollar entstehen können. Damals sagte Microsoft-CEO Satya auch kühne Worte: "KI-Agenten werden alle SaaS ersetzen ...

Basierend auf den beiden vorangegangenen Generationen von Videomodellen (CogVLM2-Video und GLM-4V-PLUS) haben wir die Techniken zum Verstehen von Videos weiter optimiert und die Beta-Version GLM-4V-Plus-0111 veröffentlicht. Diese Version führt Techniken wie die native variable Auflösung ein, die die Fähigkeit des Modells verbessert, sich an unterschiedliche Videolängen und Auflösungen anzupassen....

1. einleitung Vor zwei Monaten hat das Qwen-Team Qwen2.5-Turbo aktualisiert, um Kontextlängen von bis zu einer Million Token zu unterstützen. Heute hat Qwen offiziell das Open-Source-Modell Qwen2.5-1M und die entsprechende Unterstützung für das Inferenz-Framework veröffentlicht. Hier sind die Highlights des Releases: Open Source Modelle: Dieses Release bietet zwei...

2025 der Anfang des Jahres, die AI-Industrie aus einem großen Modell "Argumentation Flut", da OpenAI freigegeben o1, verschiedene Argumentation Modelle weiterhin entstehen, das Modell der höheren Ordnung Argumentation Fähigkeit läutete den Ausbruch der Verbesserung der Wert ihrer Anwendung ist auch mehr und mehr auf die Industrie weit verbreitete Aufmerksamkeit zu erhalten. Vor kurzem hat NetEase offiziell die erste inländische Ausgabe Schritt-für-Schritt-Erklärung der Argumentation Modell...