I ricercatori di OpenAI usano k-sparse autoencoders per estrarre funzionalità interpretabili da GPT-4, migliorando comprensione e metriche

Le Reti Kolmogorov-Arnold Networks (KAN) offrono flessibilità e precisione superiori agli MLP.

Addestramento dell'intelligenza artificiale. Sfide: scarsità dati qualitativi, etica, e innovazione in raccolta e analisi dati

LLM come ChatGPT e Gemini elaborano dati con reti neurali. Studi MIT mostrano processi interni semplici, utili in business.

PlanGPT, LLM per la pianificazione urbana cinese, sviluppato in collaborazione con l'Accademia Cinese, promette innovazioni nel settore...

Ricerca su modelli Mamba: equilibrio tra velocità e complessità, con focus su interpretazione.

Covariant e ABB innovano in robotica con AI, ottimizzando automazione magazzini e attraggono ingenti investimenti.

Orca-Math un SLM con 7B parametri raggiunge 86,81% su GSM8K usando tecniche innovative, sfidando la necessità di modelli enormi.

GaLore riduce del 65,5% la memoria per addestrare grandi LLMs su hardware consumer come RTX 4090, promuovendo innovazione in AI.

GenAI in azienda: equilibrio tra innovazione e gestione dei rischi.

Ricerca COCO-Periph mira a integrare la visione periferica in AI per sistemi più umani e robusti.

AgentOhana innova nell'AI, unificando dati per agenti AI, migliorando qualità e robustezza dei modelli con risultati rilevanti.

Fuxi amplia capacità LLM con strumenti per ambienti complessi, migliorando interazione e analisi dati.

USER-LLM personalizza i LLMs con user embeddings, migliorando interazione e efficienza. Supera test con prestazioni elevate.

StreamingLLM migliora LLM in streaming, gestendo sequenze infinite con "attention sink" e un token dedicato, per efficienza su testi estesi.

TensorFlow GNN 1.0 migliora il machine learning sfruttando le reti neurali del grafico per analizzare dati complessi e relazionali.

Addestramento AI: apporto umano e varietà dati per più accuratezza ed efficacia, riducendo bias con HITL e RL.