Liquid AI 发布 LFM3 多模态小模型家族
Liquid AI 推出新一代 LFM3,把文本、视觉、音频、全模态和决策模型放到同一个 2B 参数级骨干上,可在单张 GPU 上微调并部署到应用端;新的三混合架构让 LFM3-1.7B 每参数能力更强。
Liquid AI 推出新一代 LFM3,把文本、视觉、音频、全模态和决策模型放到同一个 2B 参数级骨干上,可在单张 GPU 上微调并部署到应用端;新的三混合架构让 LFM3-1.7B 每参数能力更强。
Ai2 发布研究 Old Ideas, Novel Problems,评估大模型判断科研想法新颖性的可靠程度,并公开基准、数据、代码以及构建新评测集的自动化流程。
Hugging Face Bio 发布 14.8B 参数的开源 DNA 语言模型 Carbon-X,这是仅解码器模型,可在对话中读取原始 DNA,首次把 DNA 与自然语言结合。
Hugging Face 推出 torch-neuronx 模型支持 Space,可查询 Hub 上热门 Transformers 模型能否通过原生 PyTorch 后端 TorchNeuron 在 AWS Trainium 上运行。
ThinkingBox 团队把比较最终数据库状态与预期结果的评测信号用作训练奖励,并开源 ThinkingBox-Training,在 Qwen3.8-27B 上提升了平均任务成功率。
IBM 介绍四个开放 Granite 时间序列模型和一个可扩展的预测接口,通过集成方式减少针对不同序列和任务挑选单一预训练模型的猜测。
NVIDIA Kumo Relational 是预训练关系基础模型,可直接在企业数据库上预测流失、需求或欺诈等结果,以历史样本为上下文一次前向推理完成,无需任务训练、特征工程或展平表格。
团队预览即将发表的 VocabX 论文:基于 Qwen、Gemma 等开源模型微调的领域模型继承了通用词表,在其生产环境的作文评分器中常用文本被切成过多 token,专门化词表后推理成本降低 77%。
Hugging Face 系列教程第一篇,从零讲解如何在 AWS Trainium 上系统分析推理性能、定位时间消耗,不要求读者有性能分析经验。
Import AI 本期讨论作者对 Hugging Face 的担忧、太空采矿以及五眼联盟在 AI 上的动向。