AI FRONTIER
Signals worth understanding before they become obvious.
ccore/Qwen3.5-4B-3D-Coder: pratinjau terbuka 4B yang fokus pada adegan 3D Three.js
ccore merilis pratinjau awal dari fine-tune independen berbasis Qwen/Qwen3.5-4B yang berfokus pada coding umum dan pembuatan adegan 3D interaktif dengan Three.js, disertai bobot FP16, kuantisasi GGUF, dataset pelatihan, dan laporan teknis yang kini tersedia.
- Model ini memiliki 4,5B parameter; repositori mencantumkan 5B params dengan tipe tensor F16.
- Dirilis dengan lisensi Apache 2.0 dan merupakan fine-tune independen berbasis Qwen/Qwen3.5-4B, bukan rilis resmi Qwen.
- Dataset pelatihan CCORE Three.js 3D Scenes bersifat publik dengan 4.146 contoh adegan (3.933 pelatihan / 213 validasi) di bawah Lisensi MIT.
- Versi GGUF Q4_K_M dan Q8_0 menerima input gambar dengan proyektor visi BF16 opsional sekitar 644 MiB, diuji secara lokal dengan llama.cpp b11889.
Model coder kelas 4B dengan dataset terbuka dan bobot GGUF memungkinkan pengembang membuat prototipe adegan 3D Three.js dan generasi berbasis gambar secara lokal pada konteks 64K yang dikonfigurasi.
Peramalan ansambel dengan model deret waktu IBM Granite
IBM Research merilis Granite Timeseries Ensemble, yang menggabungkan empat model Granite yang telah dilatih sebelumnya ke dalam satu antarmuka peramalan yang dapat diperluas dan mengembalikan peramalan median serta kuantil tanpa pelatihan ulang dan tanpa bobot ansambel yang disesuaikan.
- Resep default menggabungkan empat model: Granite PatchTST-FM-r1 (Patched Transformer), Granite PatchTST-FM-r2 (Patched Conformer), Granite FlowState-r1.1 (model ruang keadaan), dan Granite TTM-r3 (Tiny Time Mixers).
- Resep menyimpan konfigurasi ansambel alih-alih bobot model yang digabungkan dan mengunduh empat checkpoint anggota saat runtime, sehingga proses pertama memerlukan waktu tambahan.
- Kuantil default berkisar dari 0,1 hingga 0,9, di mana kuantil 0,1 dan 0,9 mendefinisikan interval peramalan pusat dengan cakupan nominal 80%.
Bagi pengembang AI, ansambel ini menawarkan titik awal default yang menghindari pemilihan satu arsitektur di muka, tetapi selisih MASE kecil, sehingga manfaat utamanya adalah ketahanan dan harus ditimbang terhadap biaya latensi serta memori...
Google memperkenalkan agen AI yang merancang DNA dan belajar dari laboratorium
Menurut laporan Pasquale Pillitteri, Google memperkenalkan agen AI yang merancang DNA dan belajar dari umpan balik laboratorium.
- Sumbernya adalah laporan Pasquale Pillitteri.
- Laporan menyatakan bahwa Google memperkenalkan agen AI yang merancang DNA dan belajar dari laboratorium.
Bagi pembangun AI, ini menandakan arah riset yang menggabungkan agen dengan umpan balik laboratorium loop tertutup untuk perancangan DNA.