A Zoom implementou uma abordagem federada única para alimentar seu assistente de IA generativa, o Zoom AI Companion, utilizando modelos de linguagem grandes, como o Llama, para otimizar tarefas repetitivas e melhorar a produtividade dos usuários.

A empresa está ampliando seu programa de recompensas por bugs para incluir uma nova iniciativa focada em identificar falhas nas medidas de mitigação de segurança de seus modelos de IA. O objetivo é encontrar vulnerabilidades em áreas críticas, como CBRN e cibersegurança, com recompensas de até $15.000 para ataques de jailbreak universais.

A LyRise, plataforma inovadora dedicada a conectar empresas com especialistas em inteligência artificial do Oriente Médio e Norte da África, está utilizando a Meta Llama 2 para aprimorar seu serviço de talentos. A empresa enfrentou desafios na sumarização de textos e no desenvolvimento de pipelines robustos de geração aumentada por recuperação (RAG), mas encontrou na Llama 2 a solução ideal para melhorar a precisão e eficiência na correspondência entre candidatos e vagas.

A Perplexity anunciou uma doação de $250 mil para a Medill School of Journalism da Northwestern University, com o objetivo de apoiar pesquisas sobre o impacto da inteligência artificial no jornalismo. A iniciativa visa explorar como a IA pode melhorar a transparência, a precisão e a experiência dos consumidores de notícias.

A LangChain anunciou o lançamento da versão v0.2 do LangGraph, que traz novas bibliotecas de checkpointers, incluindo uma para SQLite e outra otimizada para Postgres, visando aumentar a customização e a resiliência das aplicações de LLM.

O artigo aborda as melhores práticas para a adaptação de modelos de linguagem de grande porte (LLMs) com foco na curadoria de conjuntos de dados eficazes. Explorando técnicas como o ajuste fino completo e o ajuste fino eficiente em parâmetros (PEFT), o texto fornece diretrizes para maximizar o desempenho dos modelos em cenários com recursos limitados.

Com o avanço dos modelos de linguagem de grande escala (LLMs), a prática de ajustar esses modelos para tarefas específicas tornou-se mais complexa. Este artigo explora quando é apropriado usar a técnica de fine-tuning e quando outras abordagens podem ser mais eficazes.

Neste primeiro post de uma série de três partes, são explorados os métodos para adaptar grandes modelos de linguagem (LLMs) de código aberto a dados específicos de domínio. A publicação oferece orientações para equipes de produtos de IA que desejam integrar LLMs em seus projetos.

LangSmith lança uma nova funcionalidade de selecionadores de exemplos dinâmicos, permitindo que desenvolvedores indexem rapidamente exemplos em seus conjuntos de dados e selecionem os mais relevantes com base na entrada do usuário, visando melhorar o desempenho de aplicativos de aprendizado de máquina.

A Meta anunciou a abertura das inscrições para o Llama 3.1 Impact Grants, um programa que visa financiar projetos que utilizem a inteligência artificial Llama 3.1 para resolver desafios sociais e econômicos em comunidades ao redor do mundo. Com um total de até US$ 2 milhões disponíveis, as propostas podem ser enviadas até 22 de novembro de 2024.