TOPIC
Foundation models, multimodale LLM's (Gemini, Gemma, Mistral, MM1), prompt engineering en de opensource-uitgaven die bepalen wat banken binnen hun eigen dataperimeter kunnen bouwen.
De seeds die zijn gepubliceerd bij de NIST-curven P-192, P-224, P-256, P-384 en P-521 waren nooit hash-uitvoer. Ze kwamen uit de lrand48-generator van de C-bibliotheek, geïnitialiseerd met een Unix-tijdstempel...
Een AI-assistent werkte aan twee problemen over progressievrije verzamelingen: een argument voor het reciprokesomprobleem en een quasipolynomiale grens voor elke vaste progressielengte.
De tweede editie van Foundations of Machine Learning definieert leren als het gebruik van ervaring om nauwkeurige voorspellingen te doen, en bouwt daaromheen een heel curriculum rond de grootheden die bepalen of het werkt: data,...
Een verzameling resultaten van een intern OpenAI-model bestrijkt wiskunde en theoretische informatica, en het scherpste resultaat is exact: de asymptotische sterkte van het lineaire programma van Cohn-Elkies is nu bekend,...
Een detector voor alignmentfouten die veel getypeerde vragen in één aanroep beantwoordt, met gekalibreerde kansen, rangschikt fouten goed en kost 63× minder dan beoordelaars op basis van LLM-rechters. Maar die kansen zijn niet...
Een analyse van Apple's MM1-paper en wat het betekent voor multimodale modellen
Een Europese uitdager in de wereld van grote taalmodellen
Een open-modelfamilie die de basis legt voor toegankelijke generatieve AI
Een blik op Gemini, Google's multimodale AI-systeem en zijn ecosysteem
Hoe systematisch prompt-ontwerp de uitkomst van grote taalmodellen stuurt
Een blik op de AI-doorbraken, regelgeving en toepassingen die 2024 zullen vormgeven
Het landschap van moderne generatieve modellen, hun mogelijkheden en hun grenzen