TSMixer: solução do Google une modelos lineares e redes neurais para previsões de séries temporais
Abordagem une modelos lineares univariados e transformer multivariados para previsões temporais excepcionais.
Abordagem une modelos lineares univariados e transformer multivariados para previsões temporais excepcionais.
Em uma conferência anual da Meta, Mark Zuckerberg anuncia avanços de IA, incluindo chatbot, IA de personagens e óculos inteligentes com Meta AI.
AutoGen simplifica e automatiza fluxos de trabalho LLM, reduzindo esforço manual e otimizando a integração de LLMs, humanos e ferramentas.
Modelo de difusão latente oferece controle preciso e alta eficiência para inteligência artificial generativa de áudio.
DoLa, uma inovadora abordagem de decodificação, reduz alucinações em modelos de linguagem, melhorando a precisão factual e a confiabilidade.
O sistema que combina redes neurais como modelagem física aprimora ressonâncias magnéticas, corrigindo artefatos de movimento e promovendo diagnósticos médicos precisos.
O Llama-2-7B-32K-Instruct, uma iteração do modelo de linguagem da Meta, supera limitações com instruções longas e complexas, mantendo desempenho sólido.
O ReST aprimora modelos de linguagem grandes através de ciclos de crescimento e aperfeiçoamento, alinhando-os com preferências humanas na geração de conteúdo.
O sistema reconhece as proteínas presentes na superfície das células cancerígenas com maior resposta imunológica, acelerando o desenvolvimento de imunoterapias e vacinas.
A substituição da rede convolucional para processamento das imagens por um transformer gerou imagens mais realistas.