Clarifai博客 | 实际应用中的人工智能领域信息情报检索

Clarifai是一家在视觉识别方面表现出色的人工智能公司,为企业和开发人员解决现实世界的问题。

什么是数据标签?建立高质量AI模型的关键

What is Data Labeling? The Key to Building High-Quality AI Models

发现数据标记在AI模型培训中的重要性,以及如何使用高质量的标签解决方案来简化该过程。

光学特征识别(OCR):将文本转换为数字数据

Optical Character Recognition (OCR): Converting Text into Digital Data

发现光学字符识别如何将图像转换为机器可读文本,并探索Clarifai上可用的OCR模型以构建智能的文本提取系统。

如何扩展到零来优化AI基础架构成本

How Scaling to Zero Optimizes AI Infrastructure Costs

了解如何通过Clarifai的Compute编排来降低AI基础架构成本,从而根据需求自动扩展资源,同时优化性能。

基准图像分类的顶视觉语言模型(VLM)

Benchmarking Top Vision Language Models (VLMs) for Image Classification

探索诸如GPT-4O和QWEN2-VL-7B之类的顶级视觉语言模型(VLM)如何在图像分类中执行。

Clarifai 11.1:控制中心(公开预览版):一个仪表板,完全控制您的 AI 操作

Clarifai 11.1: Control Center (Public Preview): One Dashboard, Total Control Over Your AI Operations

Clarifai 的控制中心、GCP 对计算业务流程的支持、DeepSeek-R1 提炼模型以及开源数据实用程序库。

优化 LLM:比较 vLLM、LMDeploy 和 SGLang

Optimizing LLMs: Comparing vLLM, LMDeploy, and SGLang

了解 vLLM、LMDeploy 和 SGLang 如何优化 LLM 推理效率。了解 KV 缓存管理、内存分配和 CUDA 优化。

人工智能和计算机视觉如何彻底改变制造业的缺陷检测

How AI and Computer Vision are Revolutionizing Defect Detection in Manufacturing

了解 AI 和计算机视觉如何改变制造业的缺陷检测,通过对象检测提高自动化质量控制、数据准备和准确性。

开源创新时代的推理优化

Optimizing Inference in the Age of Open-Source Innovation

探索十个多模态数据集和基准的主要特征,以评估多模态模型的性能。

Clarifai 11.0:通过统一的 Clarifai 控制中心简化 AI 洞察

Clarifai 11.0: Streamline AI Insights with the Unified Clarifai Control Center

控制中心、组织设置、Python SDK 增强功能和平台改进

Clarifai 10.11:计算编排 [公开预览]

Clarifai 10.11: Compute Orchestration [Public-Preview]

介绍计算业务流程的公开预览版、新的控制中心更新以及单输入查看器屏幕更新。

Clarifai 10.10:计算编排 [私人预览]

Clarifai 10.10: Compute Orchestration [Private-Preview]

推出新的计算业务流程、Pixtral 12B、Granite-3.0 模型、增强的数据预处理管道等!

Clarifai 10.9:控制中心:您的统一 AI 仪表板

Clarifai 10.9: Control Center: Your Unified AI Dashboard

推出控制中心、Llama 3.2、o1-preview 和 o1-mini 型号,以及新的上传功能等。

Clarifai 10.8:通过高级概念图增强 AI 模型

Clarifai 10.8: Supercharge AI Models with Advanced Concept Mapping

高级概念管理、Prompt-Guard-86M、输入查看器屏幕更新等等。

通过检索增强微调增强您的 LLM

Supercharge your LLM via Retrieval Augmented Fine-tuning

了解检索增强微调 (RAFT),这是一种将检索增强生成 (RAG) 的优势与微调功能相结合的方法。

多模态评估基准概况

The Landscape of Multimodal Evaluation Benchmarks

探索十个多模态数据集和基准的主要特征,以评估多模态模型的性能。

Clarifai 10.7:您的数据,您的 AI:微调 Llama 3.1

Clarifai 10.7: Your Data, Your AI: Fine-Tune Llama 3.1

使用 Clarifai 平台中的最新训练模板针对您的用例对 Llama 3.1 进行微调。新模型:Llama 3.1 8B Instruct、GPT-4 o mini。

Clarifai 10.6:单击、注释、使用自动注释进行控制

Clarifai 10.6: Click, Annotate, Dominate with Auto-Annotation

只需单击即可自动注释整个图像数据集,将 Embedchain 框架与 Clarifai 集成,并探索新发布的模型 Florence-2-large 和 Claude 3.5 Sonnet,以及其他新功能和更新。

LLM 在少样本 NER 中占据主导地位吗?第三部分

Do LLMs Reign Supreme in Few-Shot NER? Part III

通过使用基于 LLM 的方法比较其性能,探索 LLM 在少样本命名实体识别 (NER) 中的有效性。