Recherchez la dynamique mondiale des produits IA

Lors d'un récent événement organisé par Baidu, le salon dédié aux sciences de la vie de Qianfan Think Tank, Baidu Intelligent Cloud a lancé son nouveau modèle de calcul biologique, HelixFold3. Développé conjointement par l'équipe PaddleHelix de Baidu et la plateforme de calcul haute performance Cloud CHPC, cet outil vise à fournir des solutions plus précises, efficaces et pratiques pour la recherche en sciences de la vie. Le lancement d'HelixFold3 marque une nouvelle percée technologique dans le domaine du biocalcul. Ce modèle est particulièrement adapté à la prédiction de la structure de l'ARN et aux modifications covalentes...

Les équipes de recherche des universités de Tsinghua, Fudan et Stanford ont récemment publié un framework de développement d'Agent appelé "Eko", visant à aider les développeurs à créer rapidement des "employés virtuels" utilisables en production à l'aide de code simple et de langage naturel. Eko peut prendre le contrôle de l'ordinateur et du navigateur de l'utilisateur pour effectuer diverses tâches fastidieuses à la place des humains. Avec Eko, les utilisateurs peuvent automatiser la collecte de données, les tests et la gestion de fichiers. Par exemple, les utilisateurs peuvent configurer Eko pour collecter automatiquement des données sur Yahoo Finance...

Le 11 janvier 2025, Beijing JD Century Trading Co., Ltd. a organisé à Beijing la cérémonie annuelle des médecins 2025 de JD Health et la conférence sur les soins de santé numériques intelligents. Lors de cette conférence, JD Health a officiellement lancé sa gamme complète de produits de grands modèles basés sur ses scénarios omni-canal en ligne, "AI Jingyi", ainsi que le premier produit de grand modèle du secteur destiné aux applications omni-canal hospitalières, "JD Zhuoyi". L'objectif est d'utiliser les capacités technologiques du grand modèle médical "Jingyi Qianxun" pour créer un système de services de produits de grands modèles couvrant les scénarios omni-canal en ligne et hors ligne des soins de santé, afin d'améliorer l'expérience des patients et d'aider les médecins dans leur pratique clinique.

Les grands modèles linguistiques (LLM) connaissent un développement fulgurant ces derniers temps, et les modèles Transformer y jouent un rôle essentiel. Au cœur des Transformer se trouve le mécanisme d'attention, qui agit comme un filtre d'information, permettant au modèle de se concentrer sur les parties les plus importantes d'une phrase. Mais même les puissants Transformer peuvent être perturbés par des informations non pertinentes, comme si vous cherchiez un livre à la bibliothèque et étiez submergé par une pile de livres inutiles, ce qui réduit naturellement l'efficacité. Ces informations non pertinentes générées par le mécanisme d'attention sont appelées "bruit d'attention" dans les publications scientifiques. Imaginez que vous vouliez...

Dans les bases de données relationnelles modernes, les techniques d'estimation de cardinalité (CE) sont essentielles pour optimiser les plans d'exécution des requêtes, impactant directement l'efficacité des requêtes et les performances de la base de données. Les méthodes d'estimation de cardinalité traditionnelles reposent sur des hypothèses simplifiées et sont souvent imprécises pour les requêtes complexes. Les modèles d'estimation de cardinalité basés sur l'apprentissage automatique offrent des prédictions plus précises, mais souffrent de temps d'entraînement longs, nécessitent d'énormes quantités de données et manquent d'évaluation systématique. Pour relever ce défi, l'équipe de recherche Google a introduit CardBench, un framework de tests de référence intégrant plus de 20 bases de données réelles et des milliers de requêtes.

Récemment, Wenyi Yu et son équipe de l'Université nationale de Singapour ont présenté une nouvelle technologie appelée video-SALMONN. Non seulement elle est capable de comprendre les séquences d'images visuelles, les événements audio et la musique d'une vidéo, mais surtout, elle peut comprendre le contenu vocal. Cette avancée représente un pas significatif vers une meilleure compréhension du contenu vidéo par les machines.

智谱 AI 发布了 MathGLM 数学模型，旨在增强大型模型在数学推理方面的性能。MathGLM 能够精确计算算术运算，包括基本的算术运算和复杂的混合运算。MathGLM 在中文数学解题能力方面表现出色。MathGLM 在算术任务上的性能优于 GPT-4。MathGLM 在解决不同年级数学问题和应用题方面取得了良好的结果。