저장한 도구도구 추천
FOXAI SEARCH

전체 검색

뉴스 기사 510

ma-ipo

Release: v5.21.0

# Release v5.21.0 ## New Model additions ### MiniCPM-OCR MiniCPM-OCR is a document-understanding model from OpenBMB's MiniCPM-V family. It keeps the MiniCPM-V 4.6 architecture, which pairs a SigLIP vision encoder and a window-attention merger with a Qwen3.5 language model. It is specialized for reading text-dense images such as scanned pages, screenshots, receipts and tables. **Links:** [Documentation](https://huggingface.co/docs/transformers/main/en/model_doc/minicpm_ocr) | [Paper](https://huggingface.co/papers/2509.18154) * Feat test (#49920) by @guarin in [#49920](https://github.com/huggingface/transformers/pull/49920) ### Flint Flint is Recursive's mixture-of-experts language model. Compared to a standard SwiGLU MoE transformer such as Qwen3-MoE, it uses hybrid attention (sliding-windo

번역 서비스가 일시 중지되어 원문을 표시합니다.
트랜스포머즈 릴리스
funding

Edge Sound, 물리적 AI가 오디오를 이해할 수 있도록 지원하기 위해 200만 달러를 조달했습니다.

Edge Sound Research Inc.는 오늘, 유용한 음향을 분리하고 이를 다른 센서 데이터와 결합해 물리적 AI 시스템이 실시간으로 상황을 이해할 수 있도록 지원하는 오디오 인프라를 구축하기 위해 200만 달러의 신규 자금을 조달했다고 발표했습니다. 이번 투자 라운드는 Stormbreaker Ventures가 주도했으며, 이로써 회사의 총 누적 투자액은 900만 달러에 달합니다. […] 해당 기사의 원문은 SiliconANGLE에 처음 게재되었습니다.

실리콘앵글 AI
업계 뉴스

마이크로소프트, AI 투자 속 6만 명의 직원에게 자발적 퇴직 제안 제공

마이크로소프트사는 오늘 자사 직원의 약 4분의 1에게 자발적 퇴직 제안을 내놓았습니다. 이번 조치의 대상이 된 약 6만 명의 직원들은 미국, 캐나다, 인도 및 영국에 소재해 있습니다. 이들 모두는 회사 내부 경험 평가 척도에서 70점 이하를 기록한 것으로 전해집니다. 이는 가장 고위급 임직원들도 해당된다는 것을 의미합니다 […] 본 글은 ‘마이크로소프트, AI 투자 속 6만 명 직원에 자발적 퇴직 제안’이라는 제목으로 실리콘앵글에 처음 게재되었습니다.

실리콘앵글 AI
업계 뉴스

기업들이 AI 실험에서 자율 운영으로 전환하는 과정에서 주목해야 할 점

지난 3년간 기업용 인공지능 대화는 주로 모델이 무엇을 말할 수 있는지에 초점이 맞춰져 있었습니다. 앞으로 3년은 시스템이 허용되는 행동이 무엇인지에 관한 논의가 될 것입니다. 이는 더 나은 모델만으로는 해결되지 않는, 훨씬 더 어려운 문제입니다. 오는 10월 28일(수)에는 블룸버그 테크 이벤트: Building the […] 행사에 참석하기 위해 보스턴에 방문합니다. 기사 원문: “기업들이 AI 실험에서 자율 운영으로 전환하는 과정에서 주목해야 할 점”은 SiliconANGLE에 처음 게재되었습니다.

실리콘앵글 AI
연구 동향

Conceptizer: Next-Token Prediction Is Not All You Need

arXiv:2610.33027v1 Announce Type: new Abstract: Next-token prediction (NTP) rewards only the token that occurs next, penalizing every alternative. But natural language often offers many ways to express the same meaning. We introduce Conceptizer, a training framework that extends next-token prediction with a reward for meaning. Conceptizer uses a fixed, model-agnostic vocabulary of ~9K concepts, built from contextual synonyms, as units of meaning alongside tokens as units of text. It maps each next-token distribution to a concept distribution and shares the reward for the target meaning across its possible wordings. This provides a concept-level training signal without adding model parameters. Applied to 3 model families at 1B-8B parameters, Conceptizer achieves the lowest held-out NTP perp

번역 서비스가 일시 중지되어 원문을 표시합니다.
arXiv cs.CL