ਵੱਡੀ ਖਬਰ
ਇਸ ਹਫਤੇ, Google ਨੇ ਸ਼ਹਿਰਾਂ ਦੀ ਸੁਰੱਖਿਆ ਲਈ ਇੱਕ ਨਵਾਂ AI-ਚਾਲਿਤ ਫਲੈਸ਼Flood ਪੇਸ਼ਗੋਈ ਸਿਸਟਮ ਪੇਸ਼ ਕੀਤਾ। ਇਹ ਵਾਤਾਵਰਣੀ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਸੰਭਾਵੀ ਬਹਿਰ ਭਾਅਵਾਂ ਦੀਆਂ ਘਟਨਾਵਾਂ ਦੀ ਪੇਸ਼ਗੋਈ ਕਰਨ ਲਈ ਉੱਚ ਦਰਜੇ ਦੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਅਲਗੋਰੀਥਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਹ ਸ਼ਹਰੀ ਯੋਜਨਾ ਬਣਾਉਣ ਅਤੇ ਬਚਾਅ ਪ੍ਰਬੰਧਨ ਲਈ ਬਹੁਤ ਮਹੱਤਵਪੂਰਣ ਹੈ, ਕਿਉਂਕਿ ਸਮੇਂ 'ਤੇ ਕੀਤੀ ਗਈ ਪੇਸ਼ਗੋਈਆਂ ਜਿੰਦਗੀਆਂ ਅਤੇ ਸੰਸਾਧਨਾਂ ਨੂੰ ਬਚਾ ਸਕਦੀਆਂ ਹਨ। ਵਿਕਾਸਕਰਤਾ ਇਸ ਚੌਕਟੀ ਨੂੰ ਅਜਿਹੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਬਣਾਉਣ ਲਈ ਵਰਤ ਸਕਦੇ ਹਨ ਜੋ ਅਸਲ-ਸਮੇਂ ਦੀਆਂ ਸੂਚਨਾਵਾਂ ਅਤੇ ਅੰਕੜੇ ਪ੍ਰਦਾਨ ਕਰਦੀਆਂ ਹਨ, ਜੋ ਸਮੂਹ ਦੀ ਤਿਆਰੀ ਨੂੰ ਬਹਿਤਰ ਬਣਾਉਂਦੀਆਂ ਹਨ। ਪੂਰੀ ਜਾਣਕਾਰੀ ਲਈ Google Research Blog 'ਚ ਵੇਖੋ।
ਛੋਟੀਆਂ ਖਬਰਾਂ
ਗ੍ਰਾਉੰਡਸੋর্স ਦੀ ਪੇਸ਼ਕਸ਼: Google ਨੇ ਗ੍ਰਾਉੰਡਸੋর্স ਵੀ ਲਾਂਚ ਕੀਤਾ, ਇੱਕ ਨਵਾਂ ਢੰਗ ਜੋ ਅਣਠੇਕ ਖਬਰਾਂ ਦੇ ਡੇਟਾ ਨੂੰ ਜ਼ਮੀਨੀ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਢਾਂਚੇ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਇਹ ਵਿਕਾਸਕਰਤਾਵਾਂ ਨੂੰ ਐਪ ਬਣਾਉਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਵਿਸ਼ਵ ਭਰ ਦੇ ਘਟਨਾਵਾਂ ਤੋਂ ਅੰਕੜੇ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਸਮੇਂ ਦੇ ਨਾਲ ਰੁਝਾਨਾਂ ਅਤੇ ਇਤਿਹਾਸਕ ਡੇਟਾ ਨੂੰ ਟ੍ਰੈਕ ਕਰਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ। ਇੱਥੇ ਹੋਰ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰੋ।
P-EAGLE ਸੁਧਾਰ: AWS ਨੇ P-EAGLE ਨੂੰ ਪ੍ਰਗਟ ਕੀਤਾ, ਇੱਕ ਤਕਨੀਕ ਜੋ vLLM ਵਿੱਚ ਪੈਰਲਲ ਸਪੇਕੂਲੇਟਿਵ ਡੀਕੋਡਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਕੇ LLM ਇਨਫਰੰਸ ਨੂੰ ਤੇਜ਼ ਕਰਦੀ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਤੁਸੀਂ ਮਾਡਲਾਂ ਨੂੰ ਤੇਜ਼ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਸੇਵਾ ਦੇ ਸਕਦੇ ਹੋ, ਜੋ ਤੇਜ਼ ਜਵਾਬਾਂ ਦੀ ਲੋੜ ਵਾਲੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਉਪਭੋਗਤਾ ਦੇ ਅਨੁਭਵ ਨੂੰ ਬਹਿਤਰ ਬਣਾਉਂਦਾ ਹੈ। ਇੰਟੈਗ੍ਰੇਸ਼ਨ ਦੀਆਂ ਵਿਸਥਾਰਾਂ ਦੇਖੋ ਇੱਥੇ.
NVIDIA Nemotron ASR ਦਾ ਫਾਈਨ-ਟਿਊਨਿੰਗ: AWS NVIDIA Nemotron Speech ASR ਮਾਡਲ ਦੀ ਫਾਈਨ-ਟਿਊਨਿੰਗ 'ਤੇ ਸੂਚਨਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਸੰਸਥਾ ਦੇ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਿਹਤਰ ਖੇਤਰ ਅਨੁਕੂਲਤਾ ਲਈ ਹੈ। ਇਹ ਵਿਸ਼ੇਸ਼ ਖੇਤਰਾਂ ਵਿੱਚ ਬੋਲਚਾਲ ਦੀ ਪਛਾਣ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਕਾਫੀ ਬਿਹਤਰ ਕਰ ਸਕਦਾ ਹੈ। ਜੇ ਤੁਸੀਂ ਆਵਾਜ਼ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਵਿਕਾਸ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਇਹ ਪੜ੍ਹਨ ਲਈ ਬਹੁਤ ਜਰੂਰੀ ਹੈ। ਇਸਨੂੰ ਵੇਖੋ ਇੱਥੇ.
Gemini Embedding 2: Google AI ਨੇ Gemini Embedding 2 ਨੂੰ ਲਾਂਚ ਕੀਤਾ, ਇੱਕ ਬਹੁ-ਮਾਡਲ ਜੋ ਲਿਖਤ, ਚਿੱਤਰ, ਵੀਡੀਓ, ਆਡੀਓ ਅਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਇੱਕ ਸੰਗਠਿਤ ਇੰਬੈਡਿੰਗ ਸਪੇਸ ਵਿੱਚ ਸਮੇਟਦਾ ਹੈ। ਇਹ ਵੱਖ-ਵੱਖ ਡੇਟਾ ਕਿਸਮਾਂ ਨੂੰ ਇਕਸਾਥ ਸਮਝਣ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਵਾਲੀਆਂ ਹੋਰ ਸਮਰੱਥਾਵਾਂ ਵਾਲੀਆਂ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਬਣਾਉਣ ਦੇ ਮੌਕੇ ਖੋਲ੍ਹਦਾ ਹੈ। ਇਸ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ ਇੱਥੇ ਡੁੱਕੋ.
OpenJarvis Framework: ਸਟੈਨਫੋਰਡ ਦਾ OpenJarvis ਇੱਕ ਨਵਾਂ ਚੌਕਟੀ ਹੈ ਜੋ ਡਿਵਾਈਸ ਤੇ ਨਿੱਜੀ AI ਏਜੰਟ ਬਣਾਉਣ ਲਈ ਹੈ। ਇਹ ਉਪਭੋਗਤਾ ਦੀ ਪ੍ਰਾਈਵਸੀ ਅਤੇ ਨਿਯੰਤਰਣ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ ਜਦੋਂ ਕਿ ਟੂਲਸ, ਯਾਦ ਅਤੇ ਸਿੱਖਣ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇਹ ਵਿਕਾਸਕਰਤਾਵਾਂ ਲਈ ਬਹੁਤ ਸੁਹਾਵਣਾ ਹੈ ਜੋ ਲੋਕਲ ਸੌਫਟਵੇਅਰ ਚਲਾਉਣ ਵਾਲੇ ਨਿੱਜੀ ਸਹਾਇਕ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ। ਹੋਰ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰੋ ਇੱਥੇ.
ਇੱਕ ਚੀਜ਼ ਪ੍ਰਯੋਗ ਕਰਨ ਲਈ
Andrej Karpathy ਵੱਲੋਂ AutoResearch Framework ਨੂੰ ਵੇਖੋ। ਇਹ ਤੁਹਾਡੇ ML ਪ੍ਰਯੋਗਾਤਮਕ ਪਾਈਪਲਾਈਨ ਨੂੰ Google Colab ਵਿੱਚ ਸੁਚਾਲੂ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਹਾਈਪਰਪੈਰਾਮੀਟਰ ਟਿਊਨਿੰਗ ਅਤੇ ਪ੍ਰਯੋਗ ਟ੍ਰੈਕਿੰਗ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ।