跳到主要内容
AI News HubLIVE

本期精选

模型

Exowatt借助SageMaker无服务器模型定制在准确性上超越前沿模型

  • Exowatt使用SageMaker无服务器微调,以约20-25美元的成本在32分钟内完成Qwen3-1.7B的边缘告警分类模型训练,宏F1达到0.911,超越所有前沿基线。
  • 云能源市场分析采用Qwen3-14B,在约8.5小时内完成LoRA微调,宏F1达到0.975,而基础模型仅为0.415。
AWS Machine Learning Blog站内正文Exowatt借助SageMaker无服务器模型定制在准确性上超越前沿模型
研究

Artificial Analysis v5 与基准测试者的困境

  • 独立评估语言模型的重要性被低估。
  • 在 AI 前沿创建有意义的基准比提升分数更难。
Interconnects (Nathan Lambert)站内正文Artificial Analysis v5 与基准测试者的困境
Agent
工具

会议胸牌上的 Game Boy Color

  • GitHub Universe 的会议胸牌是一台带彩色屏幕的可编程小电脑
  • Steve Francia 借助 Gemini 在该胸牌上实现了 NES、Game Boy 与 Game Boy Color 模拟器
Simon Willison's Weblog站内正文会议胸牌上的 Game Boy Color

本期精选已读至末尾。

我的稍后读