AI FRONTIER
Signals worth understanding before they become obvious.
Mage-VL-Cowork: विकसित हार्नेस से हाइब्रिड कंप्यूटर उपयोग सीखने की पूरी ट्रेनिंग रेसिपी
यह पेपर Mage-VL-Cowork प्रस्तुत करता है, जो एक 4B हाइब्रिड कंप्यूटर-उपयोग एजेंट है और सामान्य मल्टीमॉडल-अलाइन्ड चेकपॉइंट से मिडट्रेनिंग, SFT और RL तक फैले एंड-टू-एंड पाँच-चरणीय प्रगतिशील करिकुलम से प्रशिक्षित किया गया है। Mage-CUA-Forge पुनःप्रयोज्य, स्किल-कंडीशंड जनरेशन वर्कफ़्लो से 6,915 स्किल्स में 293,806 डेस्कटॉप ...
- Mage-VL-Cowork एक 4B हाइब्रिड CUA है जिसे सामान्य मल्टीमॉडल-अलाइन्ड चेकपॉइंट से प्रशिक्षित किया गया है।
- प्रशिक्षण मिडट्रेनिंग, SFT और RL तक फैले एंड-टू-एंड पाँच-चरणीय प्रगतिशील करिकुलम का उपयोग करता है।
- Mage-CUA-Forge 6,915 स्किल्स में 293,806 डेस्कटॉप और वेब टास्क संश्लेषित करता है।
- पेपर बताता है कि Mage-VL-Cowork-4B OSWorld-Verified पर 66.0% तक पहुँचता है और अपने पैरामीटर आकार पर अत्याधुनिक प्रदर्शन का दावा करता है।
ऑन-डिवाइस एजेंट बनाने वाली टीमों के लिए यह रेसिपी दिखाती है कि पुनःप्रयोज्य स्किल-कंडीशंड टास्क संश्लेषण और विकसित शिक्षक हार्नेस मिलकर GUI इंटरैक्शन तथा कोड और टर्मिनल निष्पादन को एक ही 4B पॉलिसी में जोड़ सकते हैं।
mistralai/Mistral-Large-4-1T-A52B: 1 ट्रिलियन पैरामीटर वाला नेटिव मल्टीमॉडल MoE जारी
Mistral ने Mistral Large 4 जारी किया है, जो 1 ट्रिलियन पैरामीटर वाला नेटिव मल्टीमॉडल Mixture-of-Experts मॉडल है, जिसमें प्रति टोकन 52 बिलियन सक्रिय पैरामीटर, 1M कॉन्टेक्स्ट लंबाई और 160+ भाषाओं का समर्थन Mistral Ecosystem Open-Weight License के तहत शामिल है।
- ~1T कुल / ~52B सक्रिय पैरामीटर, जिसमें 128 रूटेड एक्सपर्ट (प्रति टोकन 4 सक्रिय) और 1 साझा एक्सपर्ट है
- 1M कॉन्टेक्स्ट लंबाई का समर्थन और Pixtral-शैली विज़न एनकोडर के साथ नेटिव मल्टीमॉडल टेक्स्ट और इमेज इनपुट
- Mistral के यूरोप स्थित अपने डेटासेंटरों में 3,800 NVIDIA Grace Blackwell GPU पर शुरू से प्रशिक्षित
- Artificial Analysis Coding Agent Index पर 48% दर्ज करता है, जो रिपोर्ट के अनुसार अग्रणी ओपन-वेट मॉडल GLM-5.3 के लगभग बराबर है, और प्रति कार्य औसतन 47% कम टोकन उपयोग करता है
मल्टीमॉडल और एजेंटिक वर्कफ़्लो बनाने वालों के लिए यह मॉडल ओपन वेट में 1M कॉन्टेक्स्ट और नेटिव फ़ंक्शन कॉलिंग देता है, लेकिन 1T पैरामीटर पैमाने के कारण मल्टी-GPU टेंसर-पैरेलल डिप्लॉयमेंट चाहिए और MaaS व्यावसायिक उपयोग के लिए अलग लाइसेंस आवश्...
AutoHebb: ज़ीरो-शॉट अनुमान लगाने और निरंतर सीखने वाले स्व-संशोधित न्यूरल नेटवर्क
पेपर ऑटोनॉमस हेबियन नेटवर्क (AutoHebb) पेश करता है, जो ऑनलाइन लर्निंग फीडफॉरवर्ड न्यूरल नेटवर्क की एक श्रेणी है जो बाहरी फीडबैक और आंतरिक रूप से उत्पन्न गतिविधि को जोड़कर एक वैश्विक लर्निंग सिग्नल (न्यूरोमॉड्यूलेटर) बनाती है, जो तीन-कारक हेबियन स्थानीय लर्निंग नियम को नियंत्रित करता है और प्लास्टिक वेट को अपडेट करता है...
- पेपर रिपोर्ट करता है कि AutoHebb नेटवर्क ज़ीरो-शॉट अनुमान (ZI) कार्यों में सफल होते हैं।
- पेपर रिपोर्ट करता है कि अप्रशिक्षित ZI और निरंतर सीखने (CL) की क्षमताएँ उभरकर आती हैं।
- पेपर रिपोर्ट करता है कि AutoHebb को स्पष्ट एल्गोरिदम में रिवर्स-इंजीनियर किया जा सकता है।
AI निर्माताओं के लिए, मेटा-लर्निंग से निश्चित वेट खोजना और तीन-कारक हेबियन नियम से प्लास्टिक वेट अपडेट करना ऑनलाइन निरंतर सीखने और ज़ीरो-शॉट अनुमान का विश्लेषण-योग्य वैकल्पिक मार्ग दे सकता है।
DyCraft: लॉन्ग-हॉराइज़न 4D सीन जनरेशन के लिए एक एजेंटिक सिस्टम
DyCraft एनिमेशन जनरेशन को चरणों में तोड़ता है: पहले उपयोगकर्ता के प्रॉम्प्ट को विस्तृत योजना में बदलकर एक स्थिर सीन बनाता है, फिर मुख्य एनिमेशन पोज़ का 3D स्टोरीबोर्ड बनाता है ताकि कोडिंग एजेंट सत्यापित प्रारंभ और अंत अवस्थाओं के बीच स्थानीय गति लिख सके।
- पेपर DyCraft का मूल्यांकन 24 लॉन्ग-हॉराइज़न, मल्टी-शॉट एनिमेशन कार्यों पर करता है, जिनमें ह्यूमनॉइड रोबोट, मानव और पशु पात्र तथा भौतिक तंत्र शामिल हैं।
- Codex में मूल GPT-6 एजेंट और पूर्व एजेंटिक बेसलाइन की तुलना में DyCraft भौतिक उल्लंघनों को काफी कम करता है और उच्च गुणवत्ता वाले एनिमेटेड 3D सीन बनाता है, जिन्हें मानव मूल्यांकनकर्ता अधिक बार पसंद करते हैं।
- पेपर बताता है कि सामान्य-उद्देश्य हार्नेस से युक्त फ्रंटियर कोडिंग एजेंट अक्सर ऐसे ऑब्जेक्ट बनाते हैं जो एक-दूसरे में घुस जाते हैं, जिनमें भौतिक सहारा नहीं होता या जो अस्वाभाविक रूप से चलते हैं।
- DyCraft 3D स्टोरीबोर्डिंग का उपयोग करके समस्या को सत्यापित प्रारंभ और अंत अवस्थाओं के जोड़ों में विभाजित करता है, साथ में मोशन ऑथरिंग टूल्स का संग्रह है।
3D और एनिमेशन पाइपलाइन बनाने वालों के लिए DyCraft दर्शाता है कि लॉन्ग-हॉराइज़न जनरेशन को स्वतंत्र रूप से सत्यापन-योग्य प्रारंभ और अंत अवस्थाओं में बाँटना, एजेंट द्वारा पूरे एनिमेशन को एक ही पास में स्क्रिप्ट करने की तुलना में भौतिक उल्लंघनो...
OpenAI ने LifeVal बेंचमार्क पेश किया, जो रोज़मर्रा के कामों में AI की मदद मापता है
OpenAI ने LifeVal बेंचमार्क पेश किया है, जो मापता है कि AI लोगों को रोज़मर्रा के काम पूरे करने में कितनी अच्छी मदद करता है, जिसमें बच्चों की देखभाल खोजने से लेकर वित्त प्रबंधन और सरकारी कागज़ी कार्रवाई शामिल है।
- LifeVal, OpenAI द्वारा पेश किया गया एक बेंचमार्क है।
- यह मापता है कि AI लोगों को रोज़मर्रा के काम पूरे करने में कितनी अच्छी मदद करता है।
- उदाहरण कार्यों में बच्चों की देखभाल खोजना, वित्त प्रबंधन और सरकारी कागज़ी कार्रवाई शामिल हैं।
AI बिल्डरों के लिए LifeVal मूल्यांकन को बच्चों की देखभाल, वित्त और सरकारी कागज़ी कार्रवाई जैसे वास्तविक कामों की ओर ले जाता है, जिससे संकेत मिलता है कि मॉडलों में कहाँ लक्षित सुधार चाहिए।
Qodo, Codex के साथ AI कोड समीक्षा में संदर्भ जोड़ता है
Qodo कंपनी के ज्ञान और कोडिंग मानकों को Codex में लाता है, जिससे डेवलपर्स पुल रिक्वेस्ट खोलने से पहले रिपॉज़िटरी में P0 समस्याओं को पकड़ सकें।
- Qodo कंपनी के ज्ञान और कोडिंग मानकों को Codex में लाता है।
- यह एकीकरण डेवलपर्स को पुल रिक्वेस्ट खोलने से पहले रिपॉज़िटरी में P0 समस्याओं को पकड़ने में मदद करता है।
AI बिल्डरों के लिए, कोड समीक्षा एजेंट में संगठन-विशिष्ट संदर्भ डालना समीक्षा को सामान्य जाँच से PR से पहले गंभीर समस्याओं को पकड़ने की ओर ले जाता है।
66 वर्षीय Yann LeCun का नया पेपर Scaling Law को चुनौती देता है: 10.9 करोड़ पैरामीटर 720 करोड़ से बेहतर
Yann LeCun ने एक नया पेपर प्रकाशित किया जिसमें बताया गया कि 10.9 करोड़ पैरामीटर वाला मॉडल 720 करोड़ पैरामीटर वाले मॉडल से बेहतर प्रदर्शन करता है, जो Scaling Law की इस धारणा को चुनौती देता है कि बड़े मॉडल जरूरी नहीं कि दुनिया को बेहतर समझें।
- पेपर बताता है कि 10.9 करोड़ पैरामीटर वाला मॉडल 720 करोड़ पैरामीटर वाले मॉडल से बेहतर प्रदर्शन करता है।
- पेपर 66 वर्षीय Yann LeCun द्वारा प्रकाशित किया गया है।
- पेपर Scaling Law को चुनौती देता है और तर्क देता है कि बड़े मॉडल जरूरी नहीं कि दुनिया को बेहतर समझें।
AI निर्माताओं के लिए, यह पेपर संकेत देता है कि पैरामीटर पैमाना दुनिया को समझने का एकमात्र निर्धारक नहीं है, और आर्किटेक्चर तथा प्रशिक्षण उद्देश्य अधिक मायने रख सकते हैं।