✔️ DeDoDe: Detect, Don't Describe -- Describe, Don't Detect for Local Feature Matching

Новая мощная система распознавания, описание и сопоставления изображений.
3d объектов .

🖥 Github: https://github.com/parskatt/dedode

☑️ TensorRT: https://github.com/fabio-sim/DeDoDe-ONNX-TensorRT

📕 Paper: https://arxiv.org/abs/2308.08479

⭐️ Demos: https://github.com/Parskatt/DeDoDe/blob/main/demo

ai_machinelearning_big_data

🪄WizardLM: Empowering Large Pre-Trained Language Models to Follow Complex Instructions

Model outperforms ChatGPT-3.5, Claude Instant-1, PaLM-2 and Minerva on GSM8k, simultaneously surpasses Text-davinci-002, PaLM-1 and GPT-3 on MATH.

Фреймворк WizardMath, который расширяет способности Llama-2 к математическому мышлению, применяя метод Reinforcement Learning from Evol-Instruct Feedback (RLEIF) к области математики.

WizardMath с существенным отрывом превосходит все остальные LLM с открытым исходным кодом в решение мат. задач.

🖥 Github: https://github.com/nlpxucan/wizardlm

📕 Paper: https://arxiv.org/abs/2308.09583v1

🤗 HF: https://huggingface.co/WizardLM

☑️ Dataset: https://paperswithcode.com/dataset/gsm8k

ai_machinelearning_big_data

☄️Dataset Quantization

DQ is able to generate condensed small datasets for training unseen network architectures with state-of-the-art compression ratios for lossless model training.

Квантование наборов данных (DQ) - новая схема сжатия больших наборов данных в небольшие сабсеты, которые могут быть использованы для обучения любых нейросетевых архитектур.

git clone https://github.com/vimar-gu/DQ.git
cd DQ

🖥 Github: https://github.com/magic-research/dataset_quantization

📕 Paper: https://arxiv.org/abs/2308.10524v1

☑️ Dataset: https://paperswithcode.com/dataset/gsm8k

ai_machinelearning_big_data

🚀 Introducing IDEFICS: An Open Reproduction of State-of-the-Art Visual Language Model

An open-access visual language model. IDEFICS is based on Flamingo, a state-of-the-art visual language model initially developed by DeepMind, which has not been released publicly.

IDEFICS - это модель с открытым доступом визуального языка , разработанной компанией Deepmind. Как и GPT-4, мультимодальная модель принимает на вход произвольные последовательности изображений и текстов и выдает на выходе текст. IDEFICS построена исключительно на основе общедоступных данных и моделей.

Модель может отвечать на вопросы об изображениях, описывать визуальное содержимое, создавать истории на основе нескольких изображений или просто вести себя как чистая языковая модель.

☑️ Model: https://huggingface.co/HuggingFaceM4/idefics-80b-instruct

🖥 Github: https://github.com/huggingface/blog/blob/main/idefics.md

⭐️ Demo: https://huggingface.co/spaces/HuggingFaceM4/idefics_playground

🤗 HF: https://huggingface.co/WizardLM

ai_machinelearning_big_data

💡 Sentence-Level Multimodal and Language-Agnostic Representations

SONAR, a new multilingual and multimodal fixed-size sentence embedding space.

Новый Текстовый кодер-декодер от Meta, охватывающий 200 языков, который существенно превосходит существующие модели.

🖥 Github: https://github.com/facebookresearch/sonar

📕 Paper: https://arxiv.org/pdf/2308.11466v1.pdf

⭐️ Demo: https://github.com/facebookresearch/sonar#usage

☑️ Dataset: https://paperswithcode.com/dataset/common-voice

ai_machinelearning_big_data