ReasonScape: от бенчмарков к ландшафтам когнитивных способностей ИИ
Новая система оценки ИИ превращает плоские бенчмарки в трехмерные ландшафты мышления, используя спектральный анализ и параметрические тесты для изучения архитектуры рассуждений.
-
-
IBM выпускает Granite Embedding R2 — семейство моделей для эффективного поиска информации
IBM представила семейство моделей Granite Embedding R2 для поиска информации с улучшенной производительностью и поддержкой длинных контекстов.
-
Treble Technologies и Hugging Face представили реалистичный набор данных для распознавания речи
Treble Technologies и Hugging Face выпустили масштабный набор данных Treble10 с реалистичными акустическими симуляциями для улучшения распознавания речи в условиях помещений.
-
Hugging Face выпускает эффективные модели Ring с гибридной линейной архитектурой
Hugging Face выпустила две эффективные модели с гибридной линейной архитектурой, сокращающие затраты на инференс в 10 раз по сравнению с плотными моделями.
-
Как объяснять финансовые прогнозы, комбинируя методы GRPO и RAG
Комбинация GRPO и RAG создает финансовые AI-модели, которые не только предсказывают цены акций, но и объясняют свои решения на основе исторических данных.
-
Более 60 моделей распознавания речи с ИИ протестированы на точность и скорость
Hugging Face, Nvidia и партнеры запустили Open ASR Leaderboard — платформу для тестирования 60+ моделей распознавания речи. Результаты показывают компромисс между точностью и скоростью.
-
Hugging Face выпустила Mem-Agent — агента с долговременной памятью
Hugging Face выпустила Mem-Agent — инструмент для создания ИИ-агентов с долговременной памятью, способных сохранять контекст между сессиями.
-
Новые результаты бенчмарка Gaia2: почему важно явное мышление для ИИ-агентов
Обновление бенчмарка Gaia2 показывает: явное мышление улучшает агентские способности ИИ, но закрытые модели доминируют в поисковых задачах, а экономика токенов преподносит сюрпризы.
-
Hugging Face представляет RTEB — новый стандарт оценки качества поисковых моделей
Hugging Face запустила RTEB — гибридный бенчмарк для оценки эмбеддинг-моделей с сочетанием открытых и приватных датасетов для измерения реальной способности к обобщению.
-
Hugging Face представляет VIBE Game для оценки качества языковых моделей
Hugging Face запустила VIBE Game — краудсорсинговую платформу для слепого сравнения ответов языковых моделей. Пользователи голосуют за лучшие ответы, не зная их источник.
