9 notas publicadas
El NASA-IBM Lunar Foundation Model se entrenó con casi 2 millones de bloques de imágenes y datos de 17 años del Lunar Reconnaissance Orbiter.
El NASA-IBM Lunar Foundation Model se entrenó con cerca de 2 millones de mosaicos del Lunar Reconnaissance Orbiter y quedó publicado en Hugging Face y GitHub.
El NASA-IBM Lunar Foundation Model está disponible en Hugging Face y combina más de 30 capas alineadas espacialmente, con datos de nueve instrumentos de cuatro misiones.
La empresa reemplazó sus modelos de visión por cultivo con un único modelo fundacional que el agricultor ajusta en minutos desde un iPad, sin reentrenar nada.
El modelo de Generalist AI copia una habilidad nueva a partir de 3 a 12 segundos de datos sensoriomotores, sin ajuste fino ni pasos de gradiente, con 59% de éxito promedio.
El modelo de Xiaomi para robots sigue el mismo patrón de escalado que los grandes modelos de lenguaje y elevó su tasa de éxito del 25 al 75 por ciento a medida que sumó datos de entrenamiento.
El workflow Build Your Own Transaction Model combina cuDF, cuML y NeMo AutoModel para llegar a un Llama de 29M parámetros que mejora 50% la precisión sobre XGBoost en detección de fraude.
El modelo abierto combina una torre razonadora y un generador difusivo en una arquitectura MoT, con versiones Nano (8B) y Super (32B).
Otros temas que aparecen junto a #modelos fundacionales en nuestra cobertura editorial.
