DeepInteraction & DeepInteraction++

🖥 Github: https://github.com/fudan-zvg/deepinteraction

📕 Paper: https://arxiv.org/abs/2408.05075v1

🚀 Dataset: https://paperswithcode.com/dataset/nuscenes

@ArtificialIntelligencedl

✔ SLCA++: Unleash the Power of Sequential Fine-tuning for Continual Learning with Pre-training

🖥 Github: github.com/gengdavid/slca

📕 Paper: https://arxiv.org/abs/2408.08295v1

🚀 Dataset: https://paperswithcode.com/dataset/imagenet-r

@ArtificialIntelligencedl

⚡️Awesome FLUX Resources: Все ресурсы по Flux в одном месте.

Экосистема Fluх развивается очень быстро, каждый день появляются новые способы, решения, возможности и инструменты для работы с моделями Fluх онлайн и оффлайн.

Теперь у сообщества FLUX появился обновляемый и упорядоченный Awesome FLUX!


https://awesomeflux.com/


🖥Github [ Stars: 16 | Issues: 0 | Forks: 1]


@ai_machinelearning_big_data

#AI #FLUX #ML #Awesome

Hokoff: Real Game Dataset from Honor of Kings and its Offline Reinforcement Learning Benchmarks

🖥 Github: https://github.com/tencent-ailab/hokoff

📕 Paper: https://arxiv.org/abs/2408.10556v1

🚀 Dataset: https://paperswithcode.com/dataset/d4rl

@ArtificialIntelligencedl

SAM & SAM 2 for Medical Image Segmentation.

🖥 Github: https://github.com/yichizhang98/sam4mis

📕 Paper: https://arxiv.org/abs/2408.12889v1

@ArtificialIntelligencedl

All Points Matter: Entropy-Regularized Distribution Alignment for Weakly-supervised 3D Segmentation (NeurIPS 2023)

🖥 Github: https://github.com/LiyaoTang/ERDA

📕 Paper: https://arxiv.org/abs/2408.16520v1

🚀 Dataset: https://paperswithcode.com/dataset/cityscapes

@ArtificialIntelligencedl

⚡️ ART - Actually Robust Training

pip install art-training

🖥 Github: https://github.com/sebchw/actually-robust-training

📕 Paper: https://arxiv.org/abs/2408.16285v1

@ArtificialIntelligencedl

aTENNuate: is a network that can be configured for real-time speech enhancement on raw audio waveforms.

🖥 Github: https://github.com/Brainchip-Inc/aTENNuate

📕 Paper: https://arxiv.org/abs/2409.03377v1

🚀 Dataset: https://paperswithcode.com/dataset/deep-noise-suppression-2020

@ArtificialIntelligencedl

UniMERNet: A Universal Network for Real-World Mathematical Expression Recognition

🖥 Github: https://github.com/opendatalab/unimernet

📕 Paper: https://arxiv.org/pdf/2409.03643v1

🚀 Dataset: https://opendatalab.com/OpenDataLab/UniMER-Dataset

🤗 HF: https://huggingface.co/datasets/wanderkid/UniMER_Dataset

@ArtificialIntelligencedl

💡 1M-Deepfakes Detection Challenge

🖥 Github: https://github.com/controlnet/av-deepfake1m

📕 Paper: https://arxiv.org/abs/2409.06991v1

⚡️ Dataset: https://paperswithcode.com/dataset/celeb-df

@ArtificialIntelligencedl

SGFormer: Simplified Graph Transformers

🖥 Github: https://github.com/qitianwu/sgformer

📕 Paper: https://arxiv.org/pdf/2306.10759.pdf

🤗 Blog: https://zhuanlan.zhihu.com/p/674548352

@ArtificialIntelligencedl

OmniGen: Unified Image Generation

🖥 Github: https://github.com/vectorspacelab/omnigen

📕 Paper: https://arxiv.org/abs/2409.11340v1

🤗 Dataset: https://paperswithcode.com/dataset/dreambench

@ArtificialIntelligencedl

LLM based Multi-Agent methods

🖥 Github: https://github.com/AgnostiqHQ/multi-agent-llm

📕 Paper: https://arxiv.org/abs/2409.12618v1

🤗 Dataset: https://paperswithcode.com/dataset/hotpotqa

@ArtificialIntelligencedl

🚀 FlowTurbo: Towards Real-time Flow-Based Image Generation with Velocity Refiner (NeurIPS 2024)

git clone https://github.com/shiml20/FlowTurbo.git
cd FlowTurbo

🖥 Github: https://github.com/shiml20/flowturbo

📕 Paper: https://arxiv.org/abs/2409.18128v1

🤗 Dataset: https://paperswithcode.com/dataset/imagenet

@ArtificialIntelligencedl

How to Train Long-Context Language Models (Effectively)

🖥 Github: https://github.com/hijkzzz/pymarl2

📕 Paper: https://arxiv.org/abs/2410.02511v1

🤗 Dataset: https://paperswithcode.com/dataset/smac

@ArtificialIntelligencedl

✔️ Hitachi совместно с Nvidia запустили сервис обслуживания железных дорог на основе ИИ.

Система HMAХ анализирует данные, собираемые с поездов, чтобы предсказывать оптимальное время для замены деталей. Это первый коммерческий продукт Hitachi, использующий ИИ для обслуживания железных дорог, и он уже работает на некоторых маршрутах в Великобритании и Италии.

HMAX использует GPU от NVIDIA для мгновенного анализа изображений и данных о температуре и вибрации. Этот анализ позволяет проводить техобслуживание по мере износа узлов и повышает безопасность поездок.
kyodonews.net

✔️ Huggingface запустила лидерборд для оценки возможностей LLM в финансовой сфере.

OpenFinLLM Leaderboard - рейтинг LLM для финансовых задач. Он оценивает модели на 40 задачах в 7 категориях: извлечение информации, текстовый анализ, вопросы и ответы, генерация текста, управление рисками, прогнозирование и принятие решений. Для оценки используются метрики: точность, F-меру, ROUGE и коэффициент корреляции Мэтьюза.

С момента запуска в рейтинге лидируют модели GPT-4 и Llama 3.1, показавшие высокую точность в задачах по анализу финансовых настроений. В задачах финансового прогнозирования компактные модели Llama-3.1-7b и internlm-7b превосходят более крупные модели.
huggingface.co

✔️ MongoDB создает партнерскую экосистему ИИ.

MongoDB представила обновлённую версию 8.0 своей базы данных линейки Enterprise и облачного сервиса Atlas. Обновления обещают увеличить пропускную способность на 32%, ускорить пакетную запись на 56% и повысить скорость параллельной записи на 20%.

Для решения проблем, связанных с быстрым развитием ИИ, неопределённостью в выборе технологий и нехваткой навыков, MongoDB запустила программу MongoDB AI Application Program (MAAP).

Компания планирует создать глобальную экосистему партнёров, которые будут устанавливать отраслевые стандарты для решений на основе ИИ, сотрудничая с Microsoft Azure, Google Cloud Platform, Amazon Web Services, Accenture, Anthropic и Fireworks AI.
Уже реализованы коммерческие решения для «французской автомобильной компании» и «глобального производителя бытовой техники».
iteuropa.com

✔️ RATIONALYST: Как неявные логические обоснования улучшают логику ИИ.

Исследователи из Университета Джона Хопкинса представили RATIONALYST - модель на базе LLaMa-3-Instruct-8B, разработанную для улучшения логических возможностей LLM за счет неявных логических обоснований, полученных из немаркированных текстовых данных. Rationalyst генерирует и фильтрует обоснования на основе подсказок-примеров, фиксируя основные схемы рассуждения для новых текстов.

Обученный на 79 000 неявных обоснованиях, Rationalyst отслеживает пошаговые решения проблем, генерируя обоснования для каждого этапа, чтобы направлять выбор оптимальных следующих шагов. При оценке различных логических задач RATIONALYST добился повышения точности в среднем на 3,9%, превзойдя GPT-4.
arxiv.org | Github.com

✔️ Выпущена новая версия Python 3.13 🔗 Скачать

✔️ Qualcomm представил чип A7 Elite, оптимизированный для работы с ИИ.

Networking Pro A7 Elite - новый чип для маршрутизаторов и сетевых устройств. Чип основан на новом стандарте Wi-Fi 7. A7 Elite может управлять до 16 потоками данных, это вдвое больше возможности предыдущей версии стандарта. A7 Elite преобразует данные с помощью 4096-QAM, технологии, которая кодирует на 20% больше информации в каждом импульсе по сравнению с методом в Wi-Fi 6.

Другая новая функция, MLO, позволяет маршрутизатору Wi-Fi 7 распределять соединение по нескольким радиочастотным диапазонам. Qualcomm утверждает, что маршрутизаторы, оснащенные A7 Elite, могут обеспечить пропускную способность до 33 ГБ\с.

A7 Elite интегрирован с сопроцессором ИИ, который имеет максимальную производительность 40 TOPS. Этот сопроцессор позволяет устройствам Wi-Fi, оснащенным A7 Elite, запускать модели ИИ локально. Qualcomm предлагает библиотеку из 100 предварительно оптимизированных моделей ИИ, чтобы упростить разработку программного обеспечения для производителей сетевого оборудования.
siliconangle.com

@ai_machinelearning_big_data

#news #ai #ml