ਬਹੁਤ ਵੱਡਾ ਖਬਰ
NVIDIA ਨੇ Molt ਦਾ ਪਰਚੁਨ ਕੀਤਾ: Reinforcement Learning ਲਈ ਇੱਕ ਖੇਡ ਬਦਲਣ ਵਾਲਾ
NVIDIA ਨੇ Molt ਰਿਲੀਜ਼ ਕੀਤਾ ਹੈ, ਜੋ ਕਿ PyTorch-ਨੈਟਿਵ ਏਜੈਂਟਿਕ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਫਰੇਮਵਰਕ ਹੈ, ਜੋ RL ਅਲਗੋਰਿਦਮ ਵਿਕਾਸ ਦੇ ਜਟਿਲ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਆਸਾਨ ਬਣਾਉਣ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਹੈ। ਮੌਜੂਦਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਅਲਗੋਰਿਦਮਾਂ ਵਿੱਚ ਲਗਾਤਾਰ ਸੋਧਾਂ ਦੀ ਮੰਗ ਕਰਦਾ ਹੈ, ਪਰ Molt ਆਮ ਤੌਰ 'ਤੇ ਟ੍ਰੇਨਰ ਅਤੇ ਵੰਡੇ ਗਏ ਬੈਕਐਂਡ ਵਿੱਚੋਂ ਥ੍ਰੈਡਿੰਗ ਦੇ ਬਿਨਾਂ ਸੋਧ ਕਰਨ ਦੀ ਆਸਾਨੀ ਦਿੰਦਾ ਹੈ। ਇਸਦਾ ਅਰਥ ਹੈ ਕਿ ਤੁਸੀਂ ਬਦਲਾਅ ਜਲਦੀ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਰੀਕੇ ਨਾਲ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹੋ, ਜਿਸ ਨਾਲ ਹੋਰ ਨਵੀਨਤਮ RL ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਸੰਭਾਵਨਾ ਖੁਲਦੀ ਹੈ। ਜੇ ਤੁਸੀਂ RL ਪ੍ਰੋਜੈਕਟਾਂ 'ਤੇ ਕੰਮ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ Molt ਤੁਹਾਡੇ ਵਿਕਾਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਤੇਜ਼ ਕਰ ਸਕਦਾ ਹੈ। ਇਸਨੂੰ ਵੇਖੋ ਇੱਥੇ.
ਤੀਜ਼ੀ ਨਾਲ ਜਾਣਕਾਰੀ
Amazon Bedrock ਨੇ Explicit Prompt Caching ਪੇਸ਼ ਕੀਤਾ
OpenAI ਦੇ GPT-5.6 ਮਾਡਲ ਹੁਣ Amazon Bedrock 'ਤੇ explicit prompt caching ਨੂੰ ਸਮਰਥਨ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਤੁਹਾਨੂੰ ਇਹ ਕੰਟਰੋਲ ਕਰਨ ਦੀ ਆਗਿਆ ਮਿਲਦੀ ਹੈ ਕਿ ਤੁਹਾਡੇ ਪ੍ਰੋੰਪਟ ਦੇ ਕਿਹੜੇ ਹਿੱਸੇ ਕੈਸ਼ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਇਸ ਨਾਲ ਵੱਡੇ ਮਾਡਲਾਂ ਨਾਲ ਕੰਮ ਕਰਨ ਵੇਲੇ ਦੇਰੀ ਘਟ ਸਕਦੀ ਹੈ ਅਤੇ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਹੋ ਸਕਦਾ ਹੈ। ਇਸਦਾ ਮਹੱਤਵ: ਤੁਸੀਂ ਹਰ ਵਾਰੀ ਪੂਰੇ ਪ੍ਰੋੰਪਟ ਨੂੰ ਰੀਲੋਡ ਕਰਨ ਦੀ ਲੋੜ ਬਿਨਾਂ ਵਿਸ਼ੇਸ਼ ਕੰਮਾਂ ਲਈ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਸੁਧਾਰ ਸਕਦੇ ਹੋ। ਵਿਸਥਾਰ ਲਈ ਇੱਥੇ ਜਾਣੋ.
Amazon Quick ਗਾਹਕ ਰੱਖਣ ਵਾਲੇ ਵਰਕਫਲੋਜ਼ ਨੂੰ ਆਟੋਮੇਟ ਕਰਦਾ ਹੈ
Amazon Quick ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਤੁਸੀਂ ਕੋਈ ਕੋਡ ਨਾ ਲਿਖਿਆਂ ਗਾਹਕ ਰੱਖਣ ਵਾਲੇ ਪਾਈਪਲਾਈਨ ਬਣਾ ਸਕਦੇ ਹੋ ਜੋ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟਾਂ ਅਤੇ ਗਾਹਕ ਸੰਤੋਸ਼ ਡਾਟਾ ਦੀ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ ਰੱਖਣ ਦੀ ਪ੍ਰਾਥਮਿਕਤਾ ਨੂੰ ਅੰਕ ਦੇਂਦੇ ਹਨ। ਇਸਦਾ ਮਹੱਤਵ: ਇਹ ਗੈਰ-ਤਕਨੀਕੀ ਟੀਮਾਂ ਨੂੰ ਕਾਰਵਾਈਯੋਗ ਜਾਣਕਾਰੀ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਰੱਖਣ ਦੀ ਰਣਨੀਤੀਆਂ ਜਿਆਦਾ ਪਹੁੰਚ ਯੋਗ ਬਣਦੀਆਂ ਹਨ। ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ ਇੱਥੇ ਜਾਓ.
AWS 'ਤੇ ਟਾਸਕ-ਅਵੈਅਰ ਨੋਲੇਜ ਕਮਪ੍ਰੈਸ਼ਨ
ਇੱਕ ਨਵਾਂ ਤਰੀਕਾ, ਜਿਸਨੂੰ ਟਾਸਕ-ਅਵੈਅਰ ਨੋਲੇਜ ਕਮਪ੍ਰੈਸ਼ਨ (TAKC) ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਕਾਰੋਬਾਰੀ AI ਲਈ ਰੀਟਰੀਵਲ-ਆਗਮੈਂਟਿਡ ਜਨਰੇਸ਼ਨ (RAG) ਨੂੰ ਅਨੁਕੂਲਿਤ ਕਰਨ ਦੀ ਪੇਸ਼ਕਸ਼ ਕੀਤੀ ਗਈ ਹੈ। ਇਸਦਾ ਮਹੱਤਵ: ਹੋਸ਼ਿਆਰੀ ਨਾਲ ਨੋਲੇਜ ਬੇਸਾਂ ਨੂੰ ਕਮਪ੍ਰੈੱਸ ਕਰਕੇ, ਤੁਸੀਂ ਆਪਣੇ ਮਾਡਲਾਂ ਨੂੰ ਬਿਨਾ ਲੋਡ ਕਰੇ ਹੋਏ ਜਟਿਲ ਵਿਸ਼ਲੇਸ਼ਣੀ ਕੰਮਾਂ 'ਤੇ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦੇ ਹੋ। ਵਿਸਥਾਰ ਵਿੱਚ ਡੁੱਕੋ ਇੱਥੇ.
Kimi K3 ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਡੀਪਲੌਇੰਗ ਕਰਨਾ
Kimi K3 ਨੂੰ Amazon SageMaker HyperPod ਅਤੇ EKS ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਡੀਪਲੌਇੰਗ ਕਰਨ ਬਾਰੇ ਇੱਕ ਗਾਈਡ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੀ ਗਈ ਹੈ। ਇਸਦਾ ਮਹੱਤਵ: ਇਹ ਜਟਿਲ ਮਾਡਲਾਂ ਲਈ ਡੀਪਲੌਇੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਵਿਕਾਸਕਾਰਾਂ ਲਈ ਆਪਣੀਆਂ ਨਵੀਆਂ ਤਕਨੀਕਾਂ ਨੂੰ ਉਤਪਾਦਨ ਵਿੱਚ ਲਿਆਉਣਾ ਆਸਾਨ ਹੁੰਦਾ ਹੈ। ਇਸਨੂੰ ਵੇਖੋ ਇੱਥੇ.