246 новини · всички източници
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.
DeepSeek Harness v0.1 е MIT-лицензирана инфраструктура за агенти, в която всяка възможност е плъгин на Cordis. Четири режима на изпълнение, журнали на сесиите само с добавяне и маршрутизация на модели, независима от доставчика.
Реализирайте цялостен конвейер за дообучаване на езикови модели с извикване на инструменти. Ръководството обхваща анализ на траектории, структурирано извличане на извиквания към инструменти, изобразяване в съвместимия с Qwen ChatML формат и ефективна адаптация с LoRA чрез PyTorch.
Z.ai пусна GLM-5.3 на 14 август 2026 г. Моделът използва непроменена базова версия GLM-5.2 с 743 млрд. параметъра. Всеки отчетен напредък идва от мащабирано дообучаване: повече среди за задачи с дълъг хоризонт, повече типове среди и по-продължително обучение. Резултатът в Terminal-Bench 3.0 се повишава от 4,6 на 28,3, а DeepSWE…
Cactus Compute пусна Needle 2 — отворен модел с 45 млн. параметъра за извикване на инструменти, използване на устройства и структурирано извличане. Пълният модел е един-единствен 14 MB бинарен файл, който изпълнява сесия с около 28 MB RAM. Води и в двата сплита на Seal-Tools, като…
Този урок представя цялостен работен процес за създаване на компактен езиков модел, фокусиран върху разсъжденията. Като извличаме поточно корпуса за разсъждения SupraLabs от Hugging Face, прилагаме филтри за качество и подбираме данни за контролирано дообучаване (SFT). С помощта на SmolLM2-135M-Instruct и LoRA демонстрираме…
Google пусна Gemini 3.7 Flash — усъвършенствана версия на Gemini 3.6 Flash с алгоритмични подобрения в ядрото за разсъждения. Моделът обработва текст, изображения, аудио и видео в контекстен прозорец от 1 млн. токена с изход до 64 хил. токена и поддържа персонализируеми конфигурации за мислене. Програмиране…
Liquid AI пусна LFM2.5-VL-3B — модел за зрение и език с 3,1 млрд. параметъра, предназначен за работа на устройства. Той постига среден резултат 80,7 в ScreenSpot-v2 и повишава резултата при локализиране на обекти в RefCOCO от 57,1 до 87,9. Извикването на функции е новост за VL линията, като резултатът в ToolSandbox се повишава от 26,4 до 59,5…
Dyna Robotics представи Dyna-2 — модел на действията в света, предварително обучен на повече от един милион часа егоцентрично видео с хора. Техническият доклад установява три резултата: закон за мащабирането върху човешки данни до 1 млн. часа, първото пренасяне на този закон…
SpaceXAI представи Grok 4.6 на 12 август 2026 г. — надграждане след обучението спрямо Grok 4.5, а не по-голям базов модел. Той изравнява GPT-5.6 Sol Max с резултат 61 в Artificial Analysis Intelligence Index, предлага контекст от 500K и нов режим xhigh…
Изградете персонализиран конвейер за постобучение на LLM с помощта на рамката Open Instruct на AllenAI. Това изчерпателно ръководство описва надзорно дообучаване (SFT), директна оптимизация на предпочитанията (DPO) и обучение с подсилване с проверими награди (GRPO), оптимизирано за ефективна работа на хардуер с 16 GB, без нужда от тежък…
