Tudástár

Blog

Gyakorlati tippek, esettanulmányok és gondolatok az automatizálásról magyar kis- és középvállalkozásoknak.

Egyéb

A Liquid AI bemutatta az LFM2.5-350M-et: kompakt, 350M paraméteres modell 28T tokenen, skálázott megerősítéses tanulással tréningezve

Fedezd fel a generatív mesterséges intelligencia világának legújabb áttörését a Liquid AI jóvoltából! Az LFM2.5-350M modell mindössze 350 millió paraméterrel, de 28 trillió tokenen történt előképzéssel és nagyszabású megerősítéses tanulással bizonyítja, hogy a kevesebb néha több is lehet.

Tovább olvasom
Egyéb

Alibaba Qwen csapata bemutatja a Qwen3.5 Omni-t: Egy sokoldalú modell szöveghez, hanghoz, videóhoz és valós idejű interakcióhoz

Az Alibaba Qwen csapata bemutatta legújabb fejlesztését, a Qwen3.5-Omni modellt, amely áttörést jelent a multimodális nagy nyelvi modellek világában. Ez az innovatív, omnimodális architektúra zökkenőmentesen képes kezelni a szöveg, hang és videó integrációját, és komoly kihívást jelent a piacvezető modellek számára.

Tovább olvasom
Egyéb

Agent-Infra bemutatja az AIO Sandboxot: Böngészővel, shelllel, megosztott fájlrendszerrel és MCP-vel rendelkező AI ügynökök mindent egyben futtatókörnyezete

Az autonóm ügynökök fejlesztésében a hangsúly egyre inkább az infrastruktúra kihívásaira helyeződik, különösen a kódfuttatásra alkalmas környezet biztosítására. Az Agent-Infra Sandbox nyílt forráskódú projektje ezt a problémát célozza meg, egy minden az egyben futtatókörnyezetet kínálva AI ügynökök számára, amely böngészőt, parancssort, megosztott fájlrendszert és MCP-t tartalmaz.

Tovább olvasom
Egyéb

Nanobotok teljes ügynökcsatornájának felfedezése: eszközök és memória összekapcsolásától a képességeken, alügynökökön át a cron ütemezésig – programozói útmutató

Fedezd fel a nanobot világát, a HKUDS ultrakönnyű személyes AI keretrendszerét, amely mindössze 4,000 soros Python kódban rejti a teljes ügynöki képességeket! Ebben az útmutatóban nem csak telepítjük és futtatjuk, hanem mélyrehatóan feltárjuk és manuálisan újraalkotjuk a nanobot alapvető alrendszereit, beleértve az eszközök, memória, készségek, alügynökök és az időzített feladatok kezelését.

Tovább olvasom
Egyéb

Az NVIDIA AI bemutatja a ProRL ügynököt: egy szétválasztott szolgáltatási infrastruktúra a többfordulós megerősítéses tanulás nagy léptékű támogatásához

Fedezd fel az NVIDIA legújabb innovációját, a ProRL AGENT-et, amely forradalmasítja a megerősítéses tanulást! Az új infrastruktúra a "Rollout-as-a-Service" megközelítéssel segíti a többfordulós ügynökök hatékonyabb képzését, miközben optimalizálja az erőforrások használatát.

Tovább olvasom
Egyéb

Meta kiadja a TRIBE v2-t: egy agykódoló modell, amely megjósolja az fMRI-válaszokat videó-, hang- és szöveges ingerekre

A neurológia területén eddig gyakran különálló agyi régiókhoz kötötték az egyes kognitív funkciókat, ami töredezett képet eredményezett az agy működéséről. Most azonban a Meta bemutatta a TRIBE v2-t, egy agyi kódolási modellt, amely képes előre jelezni az fMRI válaszokat különböző videó-, audio- és szövegstimulációkra, ezzel új lehetőségeket nyitva a neurológiai kutatásokban.

Tovább olvasom
Egyéb

Hogyan építsünk látásvezérelt webes MI-ügynököt a MolmoWeb-4B segítségével: többmodális érvelés és cselekvéselőrejelzés alkalmazásával

Fedezd fel a MolmoWeb-ot, az Ai2 úttörő multimodális webes ügynökét, amely közvetlenül képernyőképek alapján értelmezi és kezeli a weboldalakat, HTML vagy DOM elemzés nélkül. Ismerd meg, hogyan állíthatod be a környezetet Colabban, és hogyan használhatod a MolmoWeb-4B modellt a látványvezérelt webes AI megoldások létrehozásához!

Tovább olvasom
Egyéb

Figyelemirányítás nagy nyelvi modellekben (LLM-ek)

A nagy nyelvi modellek (LLM-ek) futtatásakor a GPU-memória jelenti a valódi korlátot, nem pedig a számítási kapacitás. A hagyományos megközelítések gyakran nagy, fix méretű memóriablokkokat foglalnak le, ami jelentős kihasználatlan helyhez vezet és korlátozza az egyidejű kérések számát. A Paged Attention technológia erre a problémára kínál hatékony megoldást.

Tovább olvasom
Egyéb

Hogyan különbözik az információ-visszakeresés a BM25 és a RAG módszerével?

Képzeld el, hogy minden alkalommal, amikor egy keresést indítasz, egy algoritmus dönti el, mely dokumentumok a legrelevánsabbak számodra. A BM25 algoritmus, amely olyan keresőmotorokat működtet, mint az Elasticsearch és a Lucene, évtizedek óta uralja ezt a területet. De vajon hogyan különbözik a BM25-től a RAG módszere az információ visszakeresésében?

Tovább olvasom