g0v.social

0 則嘟文0 名參與者本日有 0 則嘟文

卡拉今天看了什麼多家歐洲研究機構啟動OpenEuroLLM專案，獲歐盟資助推動AI透明度與多語言支援 | iThome<blockquote><a href="https://www.ithome.com.tw/news/167211" rel="nofollow noopener noreferrer" target="_blank">Link</a></blockquote>📌 Summary: 歐盟推動的OpenEuroLLM專案，致力於開發新一代開源大型語言模型，增強歐洲在人工智慧領域的競爭力，並確保技術透明度與法遵。專案特別強調多語言能力，涵蓋歐盟官方語言及其他重要語種，目的是降低當地產業導入人工智慧的門檻。整合多方資源與技術，OpenEuroLLM將提供開源模型供微調與擴充，並遵循歐盟隱私原則，支援專業領域應用。 🎯 Key Points: - OpenEuroLLM專案由捷克查理大學與芬蘭AMD Silo AI等單位主導，獲歐盟Digital Europe Programme資助。 - 專案強調完整的資料透明度，遵循歐盟隱私與安全標準，並促進社羣參與。 - 專注於多語言支持，不僅包括官方語言，還涵蓋其他區域性重要語言。 - 提供開源訓練與測試程式碼，並設置安全評估及使用者隱私保護機制。 - 將資源整合於超級運算及自然語言處理領域，支援高品質多語言模型開發。 🔖 Keywords: <a href="https://social.mikala.one/tags/人工智慧" rel="nofollow noopener noreferrer" target="_blank">#人工智慧</a> <a href="https://social.mikala.one/tags/開源" rel="nofollow noopener noreferrer" target="_blank">#開源</a> <a href="https://social.mikala.one/tags/多語言" rel="nofollow noopener noreferrer" target="_blank">#多語言</a> <a href="https://social.mikala.one/tags/歐盟" rel="nofollow noopener noreferrer" target="_blank">#歐盟</a> <a href="https://social.mikala.one/tags/語言模型" rel="nofollow noopener noreferrer" target="_blank">#語言模型</a>

卡拉今天看了什麼Reader-LM: Small Language Models for Cleaning and Converting HTML to Markdown<blockquote><a href="https://readhacker.news/s/6eqsk" rel="nofollow noopener noreferrer" target="_blank">Link</a></blockquote>📌 Summary: 本文介紹了 Jina Reader 的新版本 —— Reader-LM，一種專為從雜亂的 HTML 轉換為乾淨的 markdown 而設計的小型語言模型 (SLM)。此模型擁有兩個版本，reader-lm-0.5b 和 reader-lm-1.5b，均支持多語言且具有高達 256K 的上下文長度。儘管參數較少，這些模型在轉換效率和性能上表現優於許多大型模型。文章詳細描述了數據準備、模型訓練及其面臨的挑戰，並強調該模型在長上下文支持和生成能力上的優勢。 🎯 Key Points: - 模型發佈：推出 reader-lm-0.5b 和 reader-lm-1.5b 兩個小型語言模型。 - 核心技術：使用語言模型進行 HTML 到 markdown 的轉換，相比傳統的正則表達式和過濾器解決方案更為高效。 - 性能評估：在 ROUGE-L、字元錯誤率 (TER) 等指標上表現優於大型模型。 - 訓練策略：兩階段訓練方法，突破訓練過程中的重複與迴圈問題，並利用對比搜索等方法來優化生成結果。 - 應用與實用性：模型將在 Azure Marketplace 和 AWS SageMaker 上提供，教學筆記本可在 Google Colab 試用。 🔖 Keywords: <a href="https://social.mikala.one/tags/小型語言模型" rel="nofollow noopener noreferrer" target="_blank">#小型語言模型</a> <a href="https://social.mikala.one/tags/HTML轉markdown" rel="nofollow noopener noreferrer" target="_blank">#HTML轉markdown</a> <a href="https://social.mikala.one/tags/多語言" rel="nofollow noopener noreferrer" target="_blank">#多語言</a> <a href="https://social.mikala.one/tags/模型訓練" rel="nofollow noopener noreferrer" target="_blank">#模型訓練</a> <a href="https://social.mikala.one/tags/開源人工智慧" rel="nofollow noopener noreferrer" target="_blank">#開源人工智慧</a>

卡拉今天看了什麼blocks.md - Markdown to amazing forms and web pages<blockquote><a href="https://readhacker.news/s/6dN6t" rel="nofollow noopener noreferrer" target="_blank">Link</a></blockquote>📌 Summary: 本文介紹了Blocks.mdi，這是一個將Markdown文件轉換為美觀、可定制、可訪問的表單和網頁的工具。使用者可以透過簡單的Markdown語法設計不同輸入類型的表單，包括文本、電子郵件及評分等形式，並且可通過邏輯跳轉和進度指示來增強用戶體驗。其功能還包括數據綁定、自定義品牌設置和多語言本地化，並且不需創建賬戶即可免費使用，當使用在生產網站時才能選擇購買許可證。 🎯 Key Points: - Markdown轉換: 將Markdown文件轉為表單和網頁。 - 多樣化輸入: 支持文本、電子郵件、評分、選擇等不同類型的輸入。 - 邏輯跳轉: 可以根據用戶回答決定顯示哪些內容。 - 數據提交: 支持將表單數據發送至服務器或Google Sheets。 - 自定義及本地化: 可自定義顏色和品牌，並支持多種語言。 🔖 Keywords: <a href="https://social.mikala.one/tags/BlocksMD" rel="nofollow noopener noreferrer" target="_blank">#BlocksMD</a> <a href="https://social.mikala.one/tags/Markdown" rel="nofollow noopener noreferrer" target="_blank">#Markdown</a> <a href="https://social.mikala.one/tags/表單" rel="nofollow noopener noreferrer" target="_blank">#表單</a> <a href="https://social.mikala.one/tags/自定義" rel="nofollow noopener noreferrer" target="_blank">#自定義</a> <a href="https://social.mikala.one/tags/多語言" rel="nofollow noopener noreferrer" target="_blank">#多語言</a>

GripNews🌘 Google研究：MADLAD-400多語言和文檔級大型審計數據集 ➤ MADLAD-400: 多語言和文檔級大型審計數據集 ✤ <a href="https://github.com/google-research/google-research/tree/master/madlad_400" rel="nofollow noopener noreferrer" translate="no" target="_blank">https://github.com/google-research/google-research/tree/master/madlad_400</a> 這個存儲庫包含MADLAD-400的檢查點和詞彙表：一個多語言和文檔級大型審計數據集。詞彙表用於訓練上面列出的模型。請聯繫{snehakudugunta，icaswell}꩜google.com，以獲取任何問題或觀察到的問題。該頁面上將列出問題以幫助未來的用戶。 + 這是一個很好的數據集，對於多語言和文檔級的研究非常有用。 + Google研究一直在推動人工智能的發展，這個數據集的推出將有助於更好地訓練模型。 <a href="https://mastodon.social/tags/Google%E7%A0%94%E7%A9%B6" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#Google研究</a> <a href="https://mastodon.social/tags/MADLAD" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#MADLAD</a>-400 <a href="https://mastodon.social/tags/%E5%A4%9A%E8%AA%9E%E8%A8%80" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#多語言</a> <a href="https://mastodon.social/tags/%E6%96%87%E6%AA%94%E7%B4%9A" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#文檔級</a> <a href="https://mastodon.social/tags/%E5%AF%A9%E8%A8%88%E6%95%B8%E6%93%9A%E9%9B%86" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#審計數據集</a>

最近的搜尋紀錄

搜尋選項

管理者：

伺服器統計：

#多語言