8 notas publicadas
El desafío de razonamiento de NVIDIA reunió a más de 5.000 participantes que partieron del mismo modelo abierto, y sus mejores soluciones revelan cómo mejorar la precisión sin cambiar el modelo base.
Con TAO, LoRA y un agente de programación, NVIDIA post-entrenó su modelo de razonamiento visual para preguntas sobre video y comprimió a un día lo que antes tomaba una semana de ingeniería.
RAKwireless arma una estacion base Meshtastic con Raspberry Pi 4, HAT RAK6421, LoRa y GNSS en caja metalica, con meshtasticd preinstalado y lista para MQTT, Node-RED e InfluxDB.
El aleman Aaron Christophel realizo ingenieria inversa del gateway del OBI Energy Tracker para reemplazar su vinculo obligatorio con AWS por un servidor MQTT local, sin necesidad de flashear firmware.
Un año después del sneak peek, la handheld holandesa nacida en el circuito de badges tiene sistema operativo estable y repositorio de apps. Cuesta 99 euros ensamblada.
El framework abierto de NVIDIA permite afinar ESM2-3B (proteínas) y Evo2-1B (ADN) entrenando apenas 1% de los parámetros y obteniendo precisión equivalente al fine-tuning completo.
Combina un ESP32-S3R8 (Wi-Fi 4, BLE 5.0) con un transceptor Semtech SX1262 en una placa SMT de 21,6 x 16,5 mm, con 16 MB de Flash, 8 MB de PSRAM y soporte LoRaWAN multibanda.
Otros temas que aparecen junto a #lora en nuestra cobertura editorial.
