⛓️🛠️ ChainForge: A Visual Toolkit for Prompt Engineering and LLM Hypothesis Testing

Среда визуального программирования с открытым исходным кодом для создания промптов, проведения экспериментов и оперативной оценки LLM.

pip install chainforge

🖥 Github: https://github.com/ianarawjo/ChainForge

⭐️ Project: https://chainforge.ai

📕 Paper: https://arxiv.org/abs/2309.09128v1

ai_machinelearning_big_data

🚀Break-A-Scene: Extracting Multiple Concepts from a Single Image

Given method can learn a distinct token for each concept, and use natural language guidance to re-synthesize the individual concepts or combinations of them in various contexts

Новый Фреймворк от Google для декомпозиции сцен из изображений .

🖥 Github: https://github.com/google/break-a-scene

📕 Paper: https://arxiv.org/abs/2305.16311

⏩ Project: https://omriavrahami.com/break-a-scene/

📌 Video: https://www.youtube.com/watch?v=-9EA-BhizgM

ai_machinelearning_big_data

🏆 LongLoRA: Efficient Fine-tuning of Long-Context Large Language Models

13B and 70B 32k models with the supervised fine-tuning, which is feasible for long context

LongLoRA - эффективный подход к файнтюнингу, позволяющий расширить размер контекста предварительно обученных больших языковых моделей (БЯМ) при ограниченных вычислительных затратах.

🖥 Github: https://github.com/dvlab-research/longlora

📕 Paper: https://arxiv.org/abs/2309.12307v1

⭐️ Demo: https://b3cfcf9e79ff42df5f.gradio.live/

⏩ Dataset: https://paperswithcode.com/dataset/pg-19

ai_machinelearning_big_data

🗣 Leveraging In-the-Wild Data for Effective Self-Supervised Pretraining in Speaker Recognition

Продвинутый инструментарий и набор данных для задач распознавания говорящего.

pip3 install wespeakerruntime

🖥 Github: https://github.com/wenet-e2e/wespeaker

📕 Paper: https://arxiv.org/abs/2309.11730v1

⏩ Demo: https://huggingface.co/spaces/wenet/wespeaker_demo

⭐️ Dataset: https://paperswithcode.com/dataset/wenetspeech

ai_machinelearning_big_data

🔎Detect Every Thing with Few Examples

DE-ViT surpasses the few-shot SoTA by 15 mAP on 10-shot and 7.2 mAP on 30-shot and one-shot SoTA by 2.8 AP50.

Высокоточный детектор объектов, который в отличие от популярного подхода с открытым словарем, описывает каждую категорию объектов не языком, а несколькими опорными изображениями. DE-ViT демонстрирует новые достижения в области обнаружения объектов с открытым словарем, несколькими снимками и одним снимком в сравнении с COCO и LVIS .

git clone https://github.com/mlzxy/devit.git

🖥 Github: https://github.com/mlzxy/devit

📕 Paper: https://arxiv.org/abs/2309.12969v1

⭐️ Dataset: https://paperswithcode.com/dataset/mscoco

ai_machinelearning_big_data

🎓 BayesDLL: Bayesian Deep Learning Library

New Bayesian neural network library for PyTorch for large-scale deep network

Новая библиотека байесовских нейронных сетей для PyTorch, предназначенную для работы с крупномасштабными глубокими сетями.

В библиотеке реализованы основные алгоритмы приближенного байесовского вывода: вариационный вывод, MC-dropout, стохастически-градиентный MCMC и аппроксимация Лапласа.

Основные отличия от других существующих библиотек байесовских нейронных сетей заключаются в следующем:

1) библиотека может работать с очень крупными моделями, в том числе с Vision Transformers
2) Практически не требует от пользователей модификации кода .
3)Позволяет использовать предварительно обученные веса модели в качестве средних значений, что полезно для проведения байесовских вычислений в крупномасштабных моделях типа ViTs, которые трудно оптимизировать с нуля на основе одних только исходных данных.

🖥 Github: https://github.com/samsunglabs/bayesdll

📕 Paper: https://arxiv.org/abs/2309.12928v1

⭐️ Dataset: https://paperswithcode.com/dataset/oxford-102-flower

ai_machinelearning_big_data