tag: Machine Learning

Google เดินหน้าวิสัยทัศน์ AI เพื่อทุกคนด้วยการพัฒนาเทคโนโลยีภาษาที่เข้าใจความละเอียดอ่อนทางวัฒนธรรม พร้อมขยายขอบเขตการรองรับภาษาและสำเนียงท้องถิ่นให้ครอบคลุมประชากรโลก 86%

Fyxer พัฒนา AI ผู้ช่วยบริหารที่สามารถร่างอีเมลและจัดการงานสื่อสารด้วยน้ำเสียงเฉพาะตัวของผู้ใช้ โดยผสานโมเดล OpenAI เข้ากับข้อมูลการทำงานจริงจาก EA มืออาชีพ

บทช่วยสอนเชิงปฏิบัติในการสร้างและเร่งความเร็วเวิร์กโฟลว์ machine learning ด้วย NVIDIA cuML และ RAPIDS ตั้งแต่การตั้งค่าสภาพแวดล้อม GPU ไปจนถึงการทำ Model Inference และการวิเคราะห์ความสามารถในการอธิบายผล

ทำความเข้าใจการจัดวางขั้นตอน Feature Engineering ลงใน Pipeline ของ Scikit-Learn เพื่อป้องกันข้อมูลรั่วไหลและเพิ่มประสิทธิภาพการทำโมเดลผ่านโพยสรุปฉบับใหม่ล่าสุด

DeepSeek-V4.1-Flash คือโมเดล Mixture-of-Experts มัลติโมดอลที่ออกแบบมาเพื่อลดปัญหาคอขวดของหน่วยความจำในการรัน Long-horizon agents โดยรองรับ Context Window สูงสุดถึง 1 ล้านโทเคน

LandingAI อัปเกรดระบบจัดการเอกสารอัจฉริยะเป็น Gen2 โดยเปลี่ยนโครงสร้างข้อมูลเป็นแบบต้นไม้และอ้างอิงข้อมูลได้ละเอียดระดับคำ พร้อมปรับโมเดลราคาใหม่ตามจำนวนตัวอักษรแทนการเหมาจ่ายต่อหน้า

Hugging Face เปิดตัว ML Intern ผู้ช่วย AI อัจฉริยะที่ช่วยรันการทดลอง Machine Learning ตั้งแต่ค้นหาข้อมูลไปจนถึงสร้างเดโมได้ผ่านการแชท พร้อมระบบควบคุมงบประมาณค่าประมวลผล

AXIS เปลี่ยนรูปแบบการเก็บข้อมูลการสอนหุ่นยนต์มาไว้บนเว็บเบราว์เซอร์ เพื่อแก้ปัญหาความล่าช้าในการขยายชุดข้อมูล โดยสามารถรวบรวมภารกิจได้ถึง 207 ภารกิจ และ 50,129 วิถีการเคลื่อนที่ ช่วยเพิ่มประสิทธิภาพโมเดล π0.5 ให้สูงขึ้นอย่างมีนัยสำคัญ

CUA-Lite รวบรวมองค์ประกอบสำคัญสำหรับการฝึกฝนและประเมินผล Computer-use agents ไว้ในหนึ่งเดียว พร้อมลดขนาดสภาพแวดล้อมจำลองจาก 4.1 GB เหลือเพียง 0.9 GB เพื่อประสิทธิภาพที่สูงขึ้น

Adaption Labs เปิดตัวเครื่องมือสร้างชุดข้อมูลสังเคราะห์คุณภาพสูงที่ทำงานได้ทันทีเพียงระบุความต้องการ ช่วยลดขั้นตอนการเตรียมข้อมูลที่ซับซ้อนและส่งต่อเข้าสู่กระบวนการเทรนโมเดลอัตโนมัติได้ทันที

นักวิจัยฟิสิกส์ดาราศาสตร์หันมาใช้ Deep Learning และ Keras ในการวิเคราะห์ข้อมูลมหาศาลจากอนุภาคคอสมิก ช่วยเพิ่มประสิทธิภาพเครื่องตรวจวัดได้ถึง 10 เท่าโดยไม่ต้องอัปเกรดฮาร์ดแวร์

GitHub Podcast ชวนสำรวจนิยามคำศัพท์ AI ยุคใหม่ ตั้งแต่เทคนิคการสร้างเอเจนต์แบบวนซ้ำ ระบบควบคุมโมเดล ไปจนถึงความแตกต่างระหว่างโมเดลแบบปิดและเปิด เพื่อช่วยให้นักพัฒนาเข้าใจและนำไปปรับใช้ได้จริง

การวิเคราะห์เพียงข้อมูลประชากรหรือจำนวนคลิกแบบภาพรวมไม่เพียงพอต่อการทำนายเจตนาของผู้ใช้ การเปลี่ยนไปใช้ Feature ที่วัดความเร็ว ความลึก และแรงเสียดทานในพฤติกรรมจะช่วยให้ AI แม่นยำยิ่งขึ้น

Gradium AI เปิดตัวโมเดล Text-to-Speech พื้นฐานตัวใหม่ที่แก้ปัญหาความเร็วและความแม่นยำสวนทางกัน โดยทำคะแนนประเมินจากมนุษย์ในประโยคยากได้ 81.0% พร้อมความเร็ว Time-to-First-Audio ที่ 216 ms บน Coval

Hugging Face เปิดตัวไลบรารี @huggingface/kernels พร้อมระบบ Fleet เพื่อยกระดับความเร็วในการรัน AI บนเบราว์เซอร์ผ่าน WebGPU kernels กว่า 207 รายการที่ผ่านการปรับแต่งและทำ benchmark จากผู้ใช้งานจริงทั่วโลก

การที่โมเดลรันผ่านไม่ได้การันตีความถูกต้องของผลลัพธ์เสมอไป บทความนี้เจาะลึก 7 ข้อผิดพลาดใน Python ที่มักถูกมองข้าม ตั้งแต่การจัดการข้อมูลไปจนถึงการบันทึกโมเดล ซึ่งส่งผลให้การทำนายล้มเหลวในขั้นตอนใช้งานจริง

Google Cloud AI Research ร่วมกับมหาวิทยาลัยชั้นนำเปิดตัว EnvHarness เลเยอร์โอเพนซอร์สที่ช่วยปรับแต่งสภาพแวดล้อมการฝึก LLM Agent ให้มีความยืดหยุ่นและมีประสิทธิภาพสูงขึ้น โดยไม่ต้องสร้างสภาพแวดล้อมใหม่ทั้งหมด

คู่มือการสร้างเวิร์กโฟลว์พยากรณ์อากาศแบบ ensemble ด้วย NVIDIA Earth2Studio บน Colab โดยใช้โมเดล FCN และข้อมูล GFS พร้อมระบบวินิจฉัยพลังงานลมแบบกำหนดเองและการวิเคราะห์ความแม่นยำด้วยตัวชี้วัด RMSE และ CRPS

วิเคราะห์ชุดข้อมูลการออกแบบโปรตีนจาก Anthropic จำนวน 1,440 รายการ เพื่อเปรียบเทียบเครื่องมือทำนายโครงสร้าง 10 รายการ พบว่าปัจจัยด้านเป้าหมาย (target) และปริมาณการแสดงออก (expression) ส่งผลต่อความสำเร็จในการทดลองมากกว่าตัวแปรอื่น

Google Research และ UNSW Sydney พัฒนา GlucoFM โมเดล Foundation Model ขนาดเล็กแต่ทรงพลังที่แยกข้อมูลการตรวจระดับน้ำตาลต่อเนื่อง (CGM) เป็นสายข้อมูลสรีรวิทยาและเหตุการณ์ชั่วคราว ซึ่งให้ความแม่นยำสูงกว่าโมเดลขนาดใหญ่หลายร้อยเท่า