Frore의 LiquidJet: 10°C의 GPU 온도 감소와 15%의 성능 향상
Frore의 LiquidJet가 대규모 언어 모델(LLM) 구동에 필요한 Nvidia Rubin GPU의 온도 감소를 10°C로 높일 수 있다고 주장합니다. 또한, LiquidJet의 사용으로 AI 데이터 센터의 효율성을 15%까지 높일 수 있다고 말합니다.
전체 기사
Frore의 LiquidJet가 대규모 언어 모델(LLM) 구동에 필요한 Nvidia Rubin GPU의 온도 감소를 10°C로 높일 수 있다고 주장합니다. 또한, LiquidJet의 사용으로 AI 데이터 센터의 효율성을 15%까지 높일 수 있다고 말합니다.
Wrinkles 앱은 iOS와 Android에서 사용할 수 있는 AI 보조 음성 투어 가이드로, 지역의 숨겨진 역사와 지역 이야기를 밝혀냅니다. Wrinkles 앱은 사용자들이 주변 지역의 역사와 문화를 더 깊게 이해할 수 있도록 돕습니다.
Nvidia가 주도하는 Open Secure AI Alliance가 1주 만에 120개 기업 이상의 회원을 확보하며 AI agent에 대한 방어 기법을 제안하기 시작했습니다. 이 새로운 공동체는 AI 안전성에 대한 연구와 개발을 촉진할 것으로 기대됩니다.
스포티파이가 독립 라벨 30,000개 이상을 대표하는 멜린(Merlin)과 협력하여, 대규모 언어 모델(LLM) 기반의 인공지능 리믹스와 커버 도구를 개발 중이다. 이 도구는 사용자들이 참여하는 아티스트들의 음악을 인공지능으로 생성한 리믹스와 커버를 만들 수 있도록 지원하며, 아티스트들의 동의, 크레딧, 보상을 보장한다.
기술 기업과 개발자들은 미국에서 데이터 센터를 건설할 수 있는 장소를 찾고 있으며, TEXAS의 규제가 느슨하고 seeming power supply가 풍부하다는 점이 그들로 하여금 TEXAS로 향하게 만들었다. 하지만 TEXAS도 한계를 넘을 수 있다.
엘론 머스크는 테슬라의 자동차 사업보다는 로봇과 AI에 더 많은 관심을 보이고 있다. 최근 7년 동안의 테슬라 수익 발표회 분석 결과, 머스크는 테슬라의 자동차 사업보다는 로봇과 AI에 더 많은 시간을 투자하는 것으로 나타났다. 이는 테슬라가 로봇과 AI 기술에 집중하고 있는 것을 보여주고 있다.
구글 어시스턴트(Google Assistant)의 일은 Gemini이 등장한 이후로 세월을 세우고 있었지만, 그 시절은 이제 끝이다. 구글은 안드로이드 스마트폰과 태블릿, 스마트워치나 헤드폰과 같은 pair된 기기를 포함하여 어시스턴트의 접근을 제거할 것이라고 발표했다. 이 발표는 9월 4일부터 시작될 것이라고 말한다. 구글은 이 발표를 이메일을 통해 알렸는데, 이 이메일은 [...]
트럼프 정부가 고급 인공지능(AI)로 인한 잠재적인 보안 위협을 평가하는 프레임워크는 열린 모델을 테스트할 의사가 없다고 보고합니다. Axios는 자발적인 지침이 열린 모델을 완전히 배제하고 있다는 점을 보도했으며, 이 프레임워크는 명확히 열린 모델을 사용할 수 없다고 명시하고 있습니다.
대규모 언어 모델이 자동으로 Verilog RTL 생성에 hứ부를 보여주었지만, 표준 벤치마크에서 최고 수준의 멀티 에이전트 시스템은 ~95% 정확도에 한계를 나타냈다. 우리는 이 한계를 완전한 디버깅 액션 공간의 부족으로 인한 것으로 추정한다: 기존 시스템은 에이전트가 검사할 수 있는 신호, 쿼리할 수 있는 시간 윈도우, 또는 둘 다를 제한하여 디버깅을 좁고 예측된 회로 동작의 패턴에 의한
대가적 텍스트-to-SQL에서 BAP-SQL은 관찰 형성에 예산 제어 단계를 다루며, 쿼리 위험을 추정하고 유용한 경우 SQL을 재작성하고, 독립적인 런타임 장벽에 어려운 한계를 위임합니다. 이로 인해 BAP-SQL은 일반 4B, 특수화된 FINER-SQL 4B, 7B 백본에서緊한 예산 성공을 개선합니다.
과학 발견은 지식의 조직 변화를 통해 진보해 왔다. 새로운 프런티어에 도달한 과학은 정보를 생성하는 것만큼 더 이상 단순하지 않다. 지식, 추론, 증거를 조직하는 일련의 과정을 통해 합리적인 과학 발견을 추구해야 한다. 사회화된 과학적 지능(Bridging Literature, Agents, and Zero-gap Experimentation, BLAZE)을 소개한다.
이 연구는 Predictive Set Theory(PST)를 제시하며, 이는 지능형 아키텍처를 첫 원리에서 재구성하는 형식적 생성적 프레임워크입니다. PST는 감각을 식별 함수로 formalize하고, 집합론적 상태 갱신, 그리고 참조 chain의 세 기본 형태(참조, 반대 참조, 반참조)로 cognition을 anchor합니다. PST는 상태 시퀀스, 수요, 비교, 효율성, 그리고 유한 시간 확률 계획과 같은 core cognitive functions를 엄격하게 도출합니다. PST는 대규모 언어 모델(LLM)과 같은 neural mechanism을 모델링하는 대신, 내부 일관성을 유지하는 동안 불완전 정보와 불가역적 위험하에 작동하는 시스템의 디자인 스펙으로서 작동합니다.