tag: Qwen3

เปิดตัว FlashMap ระบบร่าง Token ใหม่ เร่งความเร็ว LLM สูงสุด 6.14 เท่า

เปิดตัว FlashMap ระบบร่าง Token ใหม่ เร่งความเร็ว LLM สูงสุด 6.14 เท่า

· By: AttapolK
คณะวิจัยจาก Polymathic AI และ Princeton เปิดตัว FlashMap ตัวร่างสำหรับ speculative decoding ที่ใช้เทคนิค continuous flow map ช่วยให้ร่าง 16 token ได้พร้อมกันในครั้งเดียวและเร่งความเร็วแบบ lossless ได้มหาศาล
Hugging Face เปิดตัว Carbon-X โมเดลภาษาด้าน DNA ขนาด 14.8B

Hugging Face เปิดตัว Carbon-X โมเดลภาษาด้าน DNA ขนาด 14.8B

· By: SirilukP
Hugging Face เปิดตัว Carbon-X โมเดลภาษาด้าน DNA แบบโอเพนซอร์สที่สร้างบน Qwen3-14B สามารถวิเคราะห์รหัสพันธุกรรมและตอบโต้เป็นภาษาธรรมชาติได้แม่นยำสูงภายใต้สัญญาอนุญาต Apache 2.0
Perplexity และ NVIDIA เปิดตัว JOLT ฝึกโมเดลเป็นทั้งครูและนักเรียน

Perplexity และ NVIDIA เปิดตัว JOLT ฝึกโมเดลเป็นทั้งครูและนักเรียน

· By: TanasakP
JOLT เป็นวิธีการฝึกโมเดล AI รูปแบบใหม่ที่ใช้โมเดลเดียวเป็นทั้งผู้สอนและผู้เรียน ให้ผลลัพธ์แม่นยำเทียบเท่า GRPO แต่ประหยัดทรัพยากรการคำนวณน้อยกว่าถึง 6.5 เท่า
Cloudflare เปิดตัว Clef-omni โมเดลตัดสินใจ Multimodal ตัวแรก

Cloudflare เปิดตัว Clef-omni โมเดลตัดสินใจ Multimodal ตัวแรก

· By: NatapolK
Cloudflare เปิดตัว Clef-omni โมเดลแบบ open-weight ที่ประมวลผลข้อความ ภาพ เสียง และวิดีโอได้พร้อมกันในราคาประหยัด พร้อมอัปเกรด Clef รุ่นเดิมให้ทำงานเร็วขึ้น 2 เท่า
NVIDIA เปิดตัว PivotOPD สอน AI Agent แก้ไขข้อผิดพลาดและกู้คืนสถานการณ์

NVIDIA เปิดตัว PivotOPD สอน AI Agent แก้ไขข้อผิดพลาดและกู้คืนสถานการณ์

· By: AttapolK
นักวิจัย NVIDIA พัฒนา PivotOPD วิธีการฝึกสอน LLM agent ให้รู้จักหลีกเลี่ยงข้อผิดพลาดสำคัญและกู้คืนสถานการณ์ได้สำเร็จ โดยทำคะแนนสูงสุดเมื่อเทียบกับ 13 baselines ในชุดทดสอบมาตรฐาน
Retrieve-for-Train: เร่งความเร็วการค้นหาด้วย AI ซับซ้อนได้ 20 เท่า

Retrieve-for-Train: เร่งความเร็วการค้นหาด้วย AI ซับซ้อนได้ 20 เท่า

ทีมนักวิจัยเสนอเฟรมเวิร์กใหม่ที่ใช้การเรียนรู้แบบเสริมกำลัง (RL) ฝึกฝน AI ให้แตกหัวข้อการค้นหาที่หลากหลายและแม่นยำขึ้น โดยลดภาระการประมวลผลให้ทำงานได้เร็วขึ้นอย่างมหาศาล
คู่มือ Fine-Tuning LLM สำหรับ Tool-Calling ด้วย XYZ-Aquila-SFT และ Qwen3

คู่มือ Fine-Tuning LLM สำหรับ Tool-Calling ด้วย XYZ-Aquila-SFT และ Qwen3

· By: AttapolK
นำเสนอขั้นตอนการ Fine-tuning โมเดลภาษาแบบ end-to-end เพื่อรองรับการเรียกใช้เครื่องมือ (tool-calling) ครอบคลุมตั้งแต่การจัดการชุดข้อมูล XYZ-Aquila-SFT ไปจนถึงการปรับแต่ง LoRA บนโมเดล Qwen3