La communauté d'outils de modèles de langage les plus grands au monde publie une solution d'entraînement et d'affinage pour Llama 2, accélérant l'entraînement de modèles à 70 milliards de paramètres de 195 %

MOSS-TTSD révolutionne le code source : un IA podcast qui devient le roi grâce à un entraînement de plusieurs millions d'heures

Tsinghua & partenaires ouvrent MOSS-TTSD, modèle vocal bilingue basé sur Qwen3-1.7B. XY-Tokenizer permet 1kbps avec qualité préservée, clonage vocal et contrôle d'événements sonores. Performances supérieures en chinois, jusqu'à 960s. Poids, API et démo disponibles.....

Kunlun Group lance puissamment Skywork UniPic : un modèle de pré-entraînement multimodal unifié qui ouvre une nouvelle ère d'IA !

Kunlun Group a lancé le modèle de pré-entraînement multimodal open source Skywork UniPic, intégrant trois fonctions principales : la compréhension d'images, la génération d'images à partir de textes et l'édition d'images. Ce modèle utilise une méthode d'entraînement autoregressive, entraîné sur des données massives et de haute qualité, offrant une bonne généralisation et capacité de transfert. Sa caractéristique open source facilite les innovations secondaires par les développeurs, et peut être largement appliqué à la création de contenus et aux scénarios professionnels. C'est une importante position stratégique de Kunlun Group dans le domaine de l'IA, qui accélérera le développement et la diffusion des technologies multimodales.

Skywork UniPic, le modèle de pré-entraînement multimodal unifié développé par Kunlun Wildfire

Le 30 juillet, Kunlun Wildfire a officiellement lancé et ouvert au public le modèle de pré-entraînement multimodal unifié Skywork UniPic, qui suit une approche autoregressive. Ce modèle intègre de manière intégrée trois capacités essentielles : la compréhension d'images, la génération d'images à partir de textes et l'édition d'images, dans une seule architecture. Il présente des performances exceptionnelles en termes de généralisation et de transférabilité, grâce à un entraînement sur des données massives et de haute qualité.

Une controverse sur la vie privée implique une entreprise d'IA de Musk : entraînement d'une partenaire intelligente avec des données faciales de 200 employés

xAI d'Elon Musk collecte des données faciales de 200+ employés via le projet 'Skippy' pour entraîner l'IA Grok. Controverses sur la vie privée et droits à l'image, malgré l'usage annoncé pour la formation. Les avatars Ani et Rudi suscitent aussi des débats éthiques.....

Découverte de la compatibilité de l'apprentissage par renforcement des LLM : l'Université de Shanghai Jiao Tong révèle les différences entre Llama et Qwen, et présente OctoThinker

Les grands modèles linguistiques (LLM) ont obtenu des progrès significatifs dans les tâches de raisonnement complexes en combinant les instructions de tâche et l'apprentissage par renforcement à grande échelle (RL), comme le modèle Deepseek-R1-Zero qui applique directement l'apprentissage par renforcement au modèle de base, montrant une grande capacité de raisonnement. Cependant, ce succès est difficile à reproduire dans différentes séries de modèles de base, notamment dans la série Llama. Cela soulève une question centrale : quels facteurs entraînent une incohérence dans les performances des modèles de base lors de l'apprentissage par renforcement ? L'apprentissage par renforcement dans

Huawei présente un grand modèle Ascend : sans entraînement GPU, une question de mathématiques de niveau supérieur peut être résolue en seulement 2 secondes !

ByteDance lance QuaDMix : un framework unifié pour la qualité et la diversité des données de pré-entraînement des grands modèles de langage

ByteDance publie une technique de mise à l'échelle efficace du pré-entraînement de longueur, surmontant les goulots d'étranglement de l'entraînement de longues séquences

Google lance Gemma 3 QAT : un modèle accessible même avec une carte graphique RTX 3090

Google a récemment lancé la nouvelle version de sa série Gemma3, une nouvelle qui a enthousiasmé de nombreux amateurs d'IA. Un mois seulement après son lancement, Google a publié une version de Gemma3 optimisée par l'entraînement quantifié et sensible (QAT), visant à réduire considérablement les besoins en mémoire tout en maintenant la haute qualité du modèle. Plus précisément, le modèle Gemma3 27B optimisé par QAT voit ses besoins en mémoire passer de 54 Go à 14,1 Go, ce qui signifie que les utilisateurs peuvent désormais l'utiliser avec une NVIDIA RTX 3090.

Classement des modèles les plus populaires sur Hugging Face la semaine dernière : la vague d'innovation en IA continue de monter

Hugging Face a récemment publié le classement des modèles les plus populaires pour la deuxième semaine d'avril 2025, couvrant des domaines multimodaux allant de la génération de texte à la génération d'images et de vidéos, soulignant l'itération rapide et les applications diversifiées de la technologie de l'IA. Selon AIbase, les modèles de ce classement mettent non seulement en évidence la vitalité innovante de la communauté open source, mais reflètent également les tendances technologiques, de l'entraînement à faible précision à la génération multimodale. Voici une analyse des points forts du classement, avec une interprétation professionnelle de l'équipe éditoriale d'AIbase. Modèles de génération de texte : efficacité et professionnalisme combinés