英国NHS医院将开展为期三年的Vanguard Path研究，测试人工智能工具ArteraAI用于前列腺癌诊断和治疗决策。该项目由前列腺癌英国组织和牛津大学共同领导，获19万英镑资助，计划使用超4000名男性活检样本进行验证。
Repello AI 是一家专注于生成式 AI 安全的初创公司，近日成功筹集了122.5万美元的种子轮融资，以进一步推动其保护生成式 AI 系统免受新兴威胁的使命。该公司成立于2024年，致力于构建持续的 AI 红队测试和安全防护解决方案，旗下拥有 ARTEMIS 和 Repello Guard 两大旗舰产品。此次融资获得了多家投资机构的支持，包括已并入 General Catalyst 的 Venture Highway、pi Ventures、Entrepreneur First 以及一些知名天使投资人，如 Meta 董事会成员 Charles Songhurst、Sarvam AI 首席执行官 Vivek Raghavan 和 Project Hero 首席执行官
近日，Anthropic公司推出旗舰AI模型Claude3.5Sonnet，在数据可视化领域震惊业界，相较于OpenAI的GPT-4，以快速度、卓越的推理能力和创新功能独树一帜，尤其在编码和数据显示上取得了64%的优秀解决率，适用于客户服务、多步骤流程及数据可视化等复杂任务，表现尤为出色。同时，Claude3.5Sonnet借助“Artefacts”功能实现了实时互动更新，大幅提升了用户协作效率与创新性。在安全性上，Anthropic特别注重用户数据保护，确保用户信息不被未经授权利用。作为AI领域的革新者，Claude3.5Sonnet以全面的能力扩展了AI应用潜力，为行业树立了新标杆。
["社交媒体巨头Meta计划于今年在其数据中心部署一款定制的第二代AI芯片，代码名为Artemis","新芯片将用于运行AI模型的“推断”，旨在减少对芯片的依赖和控制AI工作负载的成本","Meta首席执行官马克・扎克伯格宣布计划使用34万个Nvidia H100GPU，总共约有60万个GPU用于运行和训练AI系统","Meta希望通过自家AI芯片的部署来降低对Nvidia芯片的依赖，以及控制AI工作负载的成本"]
利用AI技术为您的家居创造美丽实用的设计，零设计经验。
AI工具平台，激发创造力。
AI税务研究助手，快速准确解答税务问题
AI生成图像
Artef
基于AI-image-detector微调的X射线图像检测模型，准确率达99.83%
Pavarissy
基于nvidia/mit-b0在tontokoton/artery-ultrasound-siit数据集上微调的图像分割模型
ARTeLab
该模型是基于gsarti/it5-base在Fanpage数据集上微调而成的意大利语抽象摘要生成模型
KoboldAI
这是对Artetxe等人论文中125M参数密集模型的Hugging Face transformers兼容版本转换
这是Artetxe等人论文《Efficient Large Scale Language Modeling with Mixtures of Experts》中原生密集67亿参数模型的Hugging Face transformers适配版本。
基于Artetxe等人论文《高效大规模语言建模与专家混合方法》的27亿参数稠密模型转换版本
基于mBART-large在Fanpage数据集上微调的意大利语抽象摘要生成模型
基于gsarti/it5-base在MLSum-it数据集上微调的意大利语抽象摘要生成模型
Artemis MCP是一个加密货币数据分析工具，提供API连接验证、数据获取和公式生成功能，支持Python 3.11+和uv环境。
Artemis MCP是一个加密货币数据分析工具，提供API连接、数据获取和公式生成功能。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
