Dagelijks bijgewerkt1833 Geverifieerde verhalen

AI-nieuws.Zonder het lawaai.

Brongecontroleerde AI-verslaggeving van productlanceringen, beleidswijzigingen, veiligheidsonderzoek en industriële bewegingen, uitgelegd in eenvoudig Nederlands door een non-profit educatieteam.

Geverifieerde bronnen

Elk verhaal verwijst naar het sterkst beschikbare bewijs: originele bronnen indien beschikbaar, anders duidelijk toegeschreven verslaggeving.

Gewoon Engels

Wat er is gebeurd, waarom het ertoe doet en waar je naar moet kijken – zonder het jargon.

Geen opvulling

Wanneer het signaal dun is, publiceren we niets in plaats van de feed op te vullen.

Nieuwsarchief

AI-nieuwsarchief — Pagina 153

Op de bron gecontroleerde AI-verhalen, de nieuwste eerst, voor mensen die AI moeten begrijpen zonder hypes na te jagen.

Source-provided image accompanying CABS+ Paper Reports Cheaper, Faster Model Merging Across 27 DatasetsTopverhaal
Innovatie6 min Lees
Innovatie6 min Lees

CABS+ Paper rapporteert goedkopere, snellere samenvoeging van modellen uit 27 datasets

Een preprint op arXiv beschrijft CABS+, een methode voor het samenvoegen van modellen die het zoeken naar rasters vervangt door zoeken naar gradiëntvrije coëfficiënten. De auteurs rapporteren prestatieverbeteringen met dubbele cijfers over twee basislijnen, minder dan een kwart van het GPU-geheugen van de ene basislijn, en een versnelling van ongeveer 4x ten opzichte van een andere.

Lees verhaal Geverifieerde bron: arxiv.org
6 Verhalen
  1. Beleid6 min Lees

    In een werkdocument wordt de vraag gesteld of de Indiase consumentenwetgeving de schade van AI kan dekken

    In een nieuw werkdocument van arXiv wordt betoogd dat de Indiase Consumer Protection Act uit 2019 breed genoeg is om in principe AI-gerelateerde schade te berokkenen, maar dat het bewijzen van het oorzakelijk verband en het toewijzen van schuld aan de hele AI-toeleveringsketen onopgelost blijven. Alleen de samenvatting wordt hier publiekelijk samengevat; het artikel is niet peer-reviewed.

    arxiv.org
  2. Innovatie6 min Lees

    Apple Paper stelt goedkopere machine-ontleren voor door gegevens met lage invloed over te slaan

    In een artikel van Apple Machine Learning Research wordt gesteld dat niet elk datapunt in een verwijderingsverzoek actief moet worden verwijderd. Door gebruik te maken van invloedsfuncties voor taal- en visietaken, zeggen de auteurs dat voorbeelden met een lage invloed uit de vergeetset kunnen worden geschrapt, waardoor het afleren van computergebruik tot ongeveer 50 procent kan worden verminderd.

    machinelearning.apple.com

Elke week één nuttige briefing

Houd AI bij zonder in de feed te leven.

Ontvang het geverifieerde AI-nieuws van de week, originele data, nuttige tools, leertips en nieuwe AI-banen.

Send me
One email a week. Switch any time.

Bereik mensen die AI leren

Een AI-professional inhuren of een nuttig AI-product lanceren? Zet het voor mensen die hier zijn gekomen om te leren en te acteren.

Plaats een AI-taak Dien een AI-tool in