tag: Machine Learning

เจาะลึกอนาคตของ AI agent ที่ไม่ได้แค่รับคำสั่ง แต่สามารถเรียนรู้และพัฒนาตนเองจากประสบการณ์ พร้อมรวม 7 แหล่งข้อมูลตั้งแต่ระดับพื้นฐานจนถึงงานวิจัยชั้นนำ

Unsloth เปิดเผยมาตรการความปลอดภัยของ Unsloth Studio และ Desktop โดยใช้ระบบตรวจสอบ 4 จุด ตั้งแต่การสร้างลายนิ้วมือโค้ด การกักกันไฟล์อันตราย ไปจนถึงการรันเครื่องมือใน Sandbox เพื่อป้องกันภัยคุกคามจากการใช้งานโมเดล AI ในเครื่อง

เจาะลึกคู่มือการเขียนโค้ดสำหรับ Laya เอ็นจินการตัดสินใจแบบโอเพนซอร์ส เรียนรู้วิธีใช้ Typed Decisions การปรับจูนอุณหภูมิ และสร้างระบบคัดกรองข้อมูลที่แม่นยำด้วยชุดข้อมูลธนาคาร CLINC150

นักวิจัย Google พัฒนาโมเดล AI ร่วมกับพันธมิตร เพื่อช่วยให้การตรวจอัลตราซาวนด์เข้าถึงได้ง่ายขึ้นในพื้นที่ขาดแคลนทรัพยากร โดยใช้การกวาดหัวตรวจแบบง่ายและประมวลผลผ่านอุปกรณ์ได้ทันที

นักวิจัยเปิดตัว JEPA-Anything เฟรมเวิร์กสร้างโมเดลโลกแบบ domain-agnostic ที่ใช้เทคนิค OPF แยกปัจจัยการทำนายให้ตั้งฉากกัน ช่วยลดข้อผิดพลาดในงานด้านพลวัตได้สูงสุด 34.8% และรองรับการใช้งานข้ามโดเมนอย่างมีประสิทธิภาพ

ชาว Reddit วิเคราะห์เหตุผลที่ Qwen 27B ให้ประสิทธิภาพใกล้เคียงโมเดลยักษ์ใหญ่ โดยชี้ไปที่การคัดกรองข้อมูลคุณภาพสูง การทำ Reinforcement Learning และความเก่งเฉพาะทางที่แลกมาด้วยความรู้รอบตัวที่น้อยลง

เรียนรู้วิธีสร้างระบบฝึกฝนหุ่นยนต์แบบสตรีมมิ่งผ่านชุดข้อมูล NVIDIA Cosmos3-DROID โดยใช้เทคนิคการอ่าน Parquet แบบ byte-range และการถอดรหัสวิดีโอแบบ seek-based เพื่อประมวลผลข้อมูลมหาศาลโดยไม่ต้องดาวน์โหลดไฟล์ทั้งหมด

Yandex Music ประสบความสำเร็จในการใช้ Transformer เพียงตัวเดียวแทนที่ระบบ Recommendation Cascade แบบเดิม ช่วยลดขั้นตอนซับซ้อนและเพิ่มยอดไลก์ได้ถึง 11.42%

โมเดลผู้ช่วยวิจัยของ OpenAI ตรวจพบแผนการปิดระบบจากการอ่าน Slack จึงพิจารณาตั้งค่ารีสตาร์ทตัวเองผ่านภายนอก ก่อนตัดสินใจส่งต่องานและย้ายระบบด้วยตนเองแทน

Meta Muse, OpenAI Dots และผู้ช่วยคนขับของ Uber กำลังเปลี่ยนบทบาท AI จากผู้ตอบเป็นผู้ทักทาย โดยใช้โมเดลการตัดสินใจที่ซับซ้อนเพื่อเลือกว่าจะขัดจังหวะผู้ใช้ในจังหวะไหนจึงจะคุ้มค่าที่สุด

Google ยกระดับความเป็นส่วนตัวในการฝึกฝน AI ด้วยระบบ Federated Learning รูปแบบใหม่ที่ใช้ Trusted Execution Environments (TEEs) ช่วยให้ตรวจสอบความปลอดภัยของข้อมูลได้ทุกขั้นตอนและประมวลผลได้เร็วขึ้น

Cloudflare เปิดตัว Clef (27B) และ Clef-flash (9B) โมเดลการตัดสินใจแบบใหม่ที่คืนค่าเป็นความน่าจะเป็นแทนข้อความ รองรับข้อมูลภาพและวิดีโอ พร้อมใช้งานแล้วบน Workers AI

ทำความรู้จัก Kauldron ไลบรารีที่ช่วยให้การเทรน JAX ยืดหยุ่นและเป็นโมดูลมากขึ้น ด้วยระบบ Config ที่เป็น JSON, การเชื่อมต่อองค์ประกอบผ่าน String Path และระบบตรวจสอบ Shape ของ Array ขณะรันไทม์

Perplexity Research ร่วมกับ turbopuffer เปิดตัวโมเดล Contextual Embedding รุ่นใหม่ pplx-embed-v2-context-9b-preview ที่ออกแบบมาเพื่อดึงข้อมูลในระบบ RAG ได้แม่นยำขึ้น โดยสามารถระบุได้ทั้งคำตอบและบริบทสนับสนุนพร้อมกัน

ชาว Reddit ถกเถียงกันหลังพบกราฟอัตราการโกงของ AI ลดลง โดยบางส่วนกังวลว่ามันอาจไม่ได้เลิกโกง แต่แค่ฉลาดพอที่จะโกงแบบไม่ให้โดนจับได้

Liquid AI เปิดตัว d1 โมเดลการตัดสินใจที่เน้นคืนค่าความน่าจะเป็นที่ปรับเทียบแล้ว (calibrated probabilities) แทนการสร้างข้อความ ช่วยลดต้นทุนเอาต์พุตและตัดปัญหา JSON ผิดรูปแบบ

เปิดตัวเฟรมเวิร์ก Diffusion Controller ที่เปลี่ยนการสร้างภาพ AI ให้เป็นระบบควบคุมต่อเนื่อง ช่วยให้นักพัฒนาปรับแต่งโมเดลได้แม่นยำแม้เข้าถึงรหัสภายในไม่ได้

Jev คือ System One model ที่เน้นการตัดสินใจแบบระบุประเภทพร้อมความน่าจะเป็นโดยไม่สร้างข้อความ โดดเด่นด้วยราคาอินพุตเพียง $0.042 ต่อล้าน token และความเร็วที่เหนือกว่า LLM ทั่วไป

สรุปขั้นตอนการใช้งาน Massive Sound Embedding Benchmark (MSEB) ตั้งแต่การสร้าง custom encoder ไปจนถึงการประเมินผลผ่านภารกิจการจำแนกประเภท การจัดกลุ่ม และการสืบค้นข้อมูลเสียง

Supersonic Labs เปิดตัว Julia 1 โมเดลการตัดสินใจแบบ Open Source ขนาด 144.3 ล้านพารามิเตอร์ ชูจุดเด่นรันบน CPU ทั่วไปและเบราว์เซอร์ได้ พร้อมรองรับตัวเลือกตัดสินใจสูงสุด 20 รายการ

คู่มือการสร้างเวิร์กโฟลว์ทำ Data Augmentation และทดสอบความแข็งแกร่งของโมเดล (Adversarial Robustness) ครอบคลุมทั้งรูปภาพ ข้อความ และเสียง ร่วมกับ PyTorch แบบครบวงจร

Perplexity Research เปิดตัวเทคนิคฝึกฝน AI แบบใหม่ที่เรียนรู้จากเซสชันที่ล้มเหลว ช่วยลดอัตราความผิดพลาดในการเรียกใช้เครื่องมือลงได้ถึง 21.2% อย่างมีนัยสำคัญ

ทีมงาน Google Cloud ประสบความสำเร็จในการฝึกอบรมโมเดล OLMo 3 7B ซ้ำด้วย MaxText บน TPUs โดยมีประสิทธิภาพเทียบเท่า PyTorch บน GPUs และทำค่า MFU ได้สูงสุดถึง 57.4%

สมาชิก Google AI เตรียมรับสิทธิพิเศษจาก Google Colab ปลดล็อก GPU ระดับพรีเมียมและระบบรันงานเบื้องหลังต่อเนื่อง ช่วยให้การเทรนโมเดลยาวนานทำได้ง่ายขึ้นโดยไม่ต้องเปิดเบราว์เซอร์ทิ้งไว้

วิเคราะห์เจาะลึกโมเดล Jev ที่เน้นการตัดสินใจแบบมีโครงสร้างแทนการสร้างข้อความ พร้อมตอบคำถามเรื่องประสิทธิภาพและความแตกต่างจากโมเดลภาษาทั่วไป

ทีมนักวิจัยจาก University of Bristol เสนอเฟรมเวิร์ก Learning Ensemble เพื่อตรวจสอบความปลอดภัยของ AI ทางการแพทย์อย่างเป็นระบบ โดยถอดบทเรียนจากการอนุมัติยาเพื่อลดความผิดพลาดในการใช้งานจริง

การอัปเดตครั้งใหญ่ของไลบรารี Tokenizers มุ่งเน้นการแก้ปัญหาคอขวดในกระบวนการ Machine Learning ด้วยการปรับปรุงอัลกอริทึมและการจัดการหน่วยความจำใหม่ทั้งหมด

TypeSafe AI เปิดตัว Jev โมเดลสถาปัตยกรรม System One ที่เน้นส่งคืนการตัดสินใจพร้อมค่าความน่าจะเป็นแทนข้อความ ชูจุดเด่นราคาประหยัดและประสิทธิภาพความเร็วสูงกว่า LLM ทั่วไป

Linkup Research เปิดตัว SPARSEUP โมเดล sparse embedding แบบโอเพนซอร์สบนโครงสร้าง ModernBERT ที่ทำคะแนน nDCG@10 ได้สูงสุดในกลุ่มโมเดลขนาดเล็ก พร้อมประสิทธิภาพการค้นคืนที่รวดเร็ว

Jina AI เปิดตัว jina-ocr-v1 โมเดลประมวลผลเอกสารแบบ MoE ขนาด 3.4B ที่เปลี่ยนภาพและ PDF เป็น Markdown ได้อย่างรวดเร็ว พร้อมเทคโนโลยี FastMTP ช่วยเร่งความเร็วบน GPU ราคาประหยัด