DeepSeek-R1'in makalesi 2 gün önce güncellendi, 22 sayfadan 86 sayfaya genişletildi ve önemli miktarda detay eklendi. Yeni içerik, DeepSeek-R1-Zero'nun kendi evrimi, DeepSeek-R1'in değerlendirilmesi, daha fazla analiz ve DeepSeek-R1 damıtılması gibi konuları kapsamaktadır. DeepSeek-R1: LLM'lerde Güçlendirme Öğrenme Yoluyla Akıl Yürütme Yeteneğini Teşvik Etmek Makale:

Vay canına, yapay zeka bir belgeyi okurken ondan öğrenebilir mi? Astera Enstitüsü, NVIDIA ve diğerlerinden araştırmacılar, uzun bağlamlı modellemeyi sürekli öğrenme problemi olarak ele alan yeni bir yöntem sunuyorlar. Standart bir Transformer kullanıyorlar, ancak metni gerçek zamanlı olarak next-token tahminiyle "inceliyor" ve bağlamı kendi parametrelerine sıkıştırıyor. Uzun bağlamlara ölçeklendirmede Mamba 2 ve Gated DeltaNet gibi modelleri geride bırakırken, 128K girişte tam dikkatten 2.7 kat daha hızlı. Uzun Bağlam İçin Uçtan Uca Test Zamanı Eğitimi Makale:

Ya yeni bir kişi veya stil için bir yapay zeka görüntüsü veya video modelini saatler içinde değil, saniyeler içinde kişiselleştirebilseydiniz? CUHKSZ ve Cardiff Üniversitesi'nden araştırmacılar LoFA'yı sunmaktadır. LoRA gibi modellerin yavaş ve manuel ince ayarları yerine, yeni sistemleri gerekli ayarlamaları doğrudan tahmin ediyor. Bir görev için modellerin nasıl değiştiğine dair yaygın kalıpları öğrenir ve bunları rehber olarak kullanır. Kişiselleştirilmiş video/görüntü üretiminde standart LoRA'yı geride bırakıyor, kalitesini eşliyor veya geçiyor—fakat saatlerce süren optimizasyondan saniyeler tahmin etmeye kadar azalıyor. LoFA: Görsel Üretken Modellerin Hızlı Uyumu İçin Kişiselleştirilmiş Öncülleri Tahmin Etmeyi Öğrenmek Makale: Proje: Kod: Raporumuz: 📬 #PapersAccepted Jiqizhixin tarafından