Salesforce challenges trends in AI with the tiny yet mighty xLAM-1B and 7B models
企业软件公司 Salesforce 推出了两个紧凑型 AI 模型，挑战了 AI 中的“越大越好”范式。尽管体积小巧，但 10 亿和 70 亿参数的 xLAM 模型在函数调用任务中的表现优于许多更大的模型。这些任务涉及 AI 系统将自然语言请求解释和翻译成特定的函数调用或 API 请求。例如，如果您要求 AI 系统“查找下周末飞往纽约的 500 美元以下航班”，则模型需要理解此请求，识别相关函数（例如 search_flights、filter_by_price），并使用正确的参数执行它们。“我们展示了 Salesforce 用小巧但强大的 xLAM-1B 和 7B 模型挑战 AI 趋势的帖子首
Applying RLAIF for Code Generation with API-usage in Lightweight LLMs
这篇论文被 ACL 2024 的自然语言推理和结构化解释研讨会接受。人工智能反馈强化学习 (RLAIF) 已在各个领域展现出巨大潜力，包括减轻 LLM 输出的危害、增强文本摘要和数学推理。本文介绍了一个 RLAIF 框架，用于提高轻量级（<1B 个参数）LLM 的代码生成能力。我们特别关注需要编写适当 API 调用的代码生成任务，这很有挑战性，因为众所周知的问题......
How To Speed Up Python Code with Caching
了解如何通过使用内置 functools 模块中的缓存装饰器缓存昂贵的函数调用来加速 Python 代码。
Why I have an OpenAI subscription
每月 20 美元。以下是我重视和使用的功能：其他人的自定义 GPT我自己的自定义 GPT集成到电子邮件 (Thunderbird) 和文字处理 (适用于 Mac OS 的 MS Word)在许多情况下，自定义 GPT 只不过是某人上传成为主要信息来源的文档。创建者还可以通过向自定义 GPT 提出查询，然后指出错误或改进空间来训练它。在某些情况下，创建者还可以与 OpenAI 合作提供 Wolfram 所做的其他功能。无论如何，OpenAI 订阅可以访问自己创建的自定义 GPT，如果公开共享，还可以访问其他人创建的自定义 GPT。Wolfram 的自定义 GPT例如，Wolfram GPT 将大
The Shift from Models to Compound AI Systems
2023 年，AI 凭借大型语言模型 (LLM) 吸引了所有人的注意力，只需提示即可指示该模型执行一般任务，例如翻译或编码。这自然导致人们强烈关注模型作为 AI 应用程序开发的主要要素，每个人都想知道新的 LLM 将带来哪些功能。然而，随着越来越多的开发人员开始使用 LLM 进行构建，我们相信这种关注点正在迅速改变：最先进的 AI 结果越来越多地由具有多个组件的复合系统获得，而不仅仅是单片模型。例如，Google 的 AlphaCode 2 通过精心设计的系统在编程中设置了最先进的结果，该系统使用 LLM 为任务生成多达 100 万种可能的解决方案，然后筛选该集合。同样，AlphaGeomet
The meminductor: researchers have discovered a new element of electronic circuits
记忆电感器将之前发现的记忆电阻器和记忆电容器连接成一排电路元件，可以存储和调用以前的电流或电压值。
Discrete Fourier Transform - with torch
关于傅里叶变换，有人说它是宇宙中最伟大的奇迹之一。同时，它仅用六行代码即可实现。即使最后你只是直接调用 torch 的内置函数，它也有助于理解并能够在代码中重现魔法背后的想法。这篇文章摘自即将由 CRC Press 出版的新书《使用 R torch 进行深度学习和科学计算》。
Sequence Feature Extraction for Malware Family Analysis via Graph Neural Network
恶意软件对我们的设备和生活造成了很大的危害。我们迫切希望了解恶意软件的行为及其造成的威胁。恶意软件的大多数记录文件都是可变长度的、带有时间戳的基于文本的文件，例如事件日志数据和动态分析配置文件。利用时间戳，我们可以将这些数据分类为基于序列的数据，以便进行后续分析。然而，处理可变长度的基于文本的序列很困难。此外，与自然语言文本数据不同，信息安全中的大多数序列数据都具有特定的属性和结构，例如循环、重复调用、噪声等。为了深入分析 API 调用序列及其结构，我们使用图来表示序列，这可以进一步研究信息和结构，例如马尔可夫模型。因此，我们设计并实现了一个注意力感知图神经网络 (AWGCN) 来分析 API
Kernel Karnage – Part 6 (Last Call)
随着这篇博文的发布，我的实习已经过去了一半；玩得开心的时候时间过得真快。 1. 介绍 - 状态报告 在这 6 周的时间里，我介绍了内核驱动程序和 EDR/AV 内核机制的几个方面。我一开始就研究了内核回调，以及为什么 EDR/AV 产品……继续阅读 Kernel Karnage – 第 6 部分（最后一次调用）→
AFIMSC single data call frees up civil engineers
AFIMSC 的设施回顾和保障部门与空军土木工程中心的规划和整合理事会合作，制定了一份综合数据调用清单，列出了全年所需的具体交付成果，以帮助基地土木工程师为需求和项目进行编程工作。
AFIMSC single data call frees up civil engineers
AFIMSC 的设施回顾和保障部门与空军土木工程中心的规划和集成局合作，开发了全年所需的特定可交付成果的综合数据调用列表，以帮助土木工程师根据需求和项目进行规划工作。
So, how come we can use TensorFlow from R?
您是否曾经想过为什么可以从 R 调用 TensorFlow（通常称为 Python 框架）？如果没有 - 那应该是这样的，因为 R 包 keras 和 tensorflow 旨在使这个过程对用户尽可能透明。但要让它们成为这些有用的精灵，首先必须有人驯服 Python。
Blast from the past: WWII bomb tech Soldier recounts experiences
科罗拉多州卡森堡 — 富兰克林·罗斯福总统于 1941 年 12 月 8 日发表著名演讲，赢得了支持并激发了保护国家免受轴心国侵害的热情，三年后，一位年轻而雄心勃勃的石油工程师回答了这个问题调用...
Роботизированные интерьеры (+видео)
想象一下，人们生活在大城市狭窄的单间公寓中，但能够通过移动应用程序调用床或衣柜，通过语音命令调用办公桌，或者通过按一下按钮放弃一切。
Remarks presenting the Secretary of Defense Employer Support Freedom Award of the Guard and Reserve
非常感谢，乔纳森（Jonathan） - 在这里，在这里度过了时光，显然您明白了，您会明白我们为什么在这里以及这个场合。牧师也是如此 - 我感谢在密苏里州的独特口音中引起的调用。保罗，他的妻子，谢谢。对于这个组织中的每个人来说，与大家在一起真是太好了 - 领导者
这是我今天早上在帖子中介绍的沃尔顿·弗朗西斯（Walton Francis）书中的两张图表。如果您还没有这样做，请阅读该帖子以解释它们。我不会在这里再次审查。这是图表1：我们调用以下“图表2”。我在这篇文章中重点关注的[…] FEHBP与Medicare，第二部分首次出现在偶然的经济学家上。
我上周写道，进步主义者应该领导改革社会保障的指控，并在这里进行跟进。通过这样做，我说我喜欢杰德·格雷厄姆（Jed Graham）的老年风险分享概念，这是社会保障改革的一部分。一些人写道，我在调用他的计划时写的情景是[…]更多有关社会保障-CTD的文章。首次出现在偶然的经济学家中。
Fort Bragg calls for the big guns
北卡罗来纳州布拉格堡 - Spc。扎克·拉弗勒（Zach Lafler）在山脚下的一个旧跑道附近看到了这辆坦克轰隆隆地驶入视野。拉弗勒在几公里外的观察点进行了一些快速计算并调用了火力任务
