गत हप्ता, DeepSeek ले अर्को हप्ता पाँचवटा परियोजनाहरू ओपन सोर्स गर्ने घोषणा गर्यो: नेटिजनहरूले भने, "यस पटक, OpenAI साँच्चै यहाँ छ।" भर्खरै, पहिलो खुला स्रोत परियोजना आयो, अनुमान त्वरणसँग सम्बन्धित, FlashMLA: खुला स्रोत परियोजना ठेगाना: DeepSeek FlashMLA यो दुई घण्टादेखि खुला स्रोत भएको छ, र Github मा पहिले नै 2.7k+ ताराहरू छन्: द…
FlashMLA ले कृत्रिम बुद्धिमत्ताको संसारमा, विशेष गरी ठूला भाषा मोडेलहरू (LLMs) को क्षेत्रमा द्रुत रूपमा ध्यान आकर्षित गरेको छ। DeepSeek द्वारा विकसित यो नवीन उपकरणले Hopper GPU हरूको लागि डिजाइन गरिएको एक अनुकूलित डिकोडिङ कर्नेलको रूपमा काम गर्दछ - उच्च-प्रदर्शन चिपहरू जुन सामान्यतया AI गणनाहरूमा प्रयोग गरिन्छ। FlashMLA ले चर-लम्बाइ अनुक्रमहरूको कुशल प्रशोधनमा केन्द्रित छ, यसलाई विशेष रूपमा राम्रोसँग उपयुक्त बनाउँछ...
परिचय आज, ठूला भाषा मोडेलहरू (LLMs) ले महत्त्वपूर्ण भूमिका खेल्छन्। २०२५ को सुरुमा, AI को लागि प्रतिस्पर्धा तीव्र हुँदै जाँदा, Alibaba ले नयाँ Qwen2.5-max AI मोडेल लन्च गर्यो, र चीनको हांग्जोको कम्पनी DeepSeek ले R1 मोडेल लन्च गर्यो, जसले LLM प्रविधिको शिखर प्रतिनिधित्व गर्दछ। Deepseek R1 एक खुला स्रोत AI मोडेल हो जसले आकर्षित गरेको छ...
३२B अनुमान मोडेलले डेटाको १/८ भाग मात्र प्रयोग गर्दछ र उही आकारको १TP8T-R1 सँग बाँधिएको छ! भर्खरै, स्ट्यानफोर्ड, UC बर्कले, र वाशिंगटन विश्वविद्यालय जस्ता संस्थाहरूले संयुक्त रूपमा SOTA-स्तरको अनुमान मोडेल, OpenThinker-32B जारी गरेका छन्, र ११४k सम्मको प्रशिक्षण डेटा पनि खुला स्रोतमा राखेका छन्। OpenThinker परियोजना गृहपृष्ठ: OpenThinker Hugging Face:…
धेरै मानिसहरूले पहिले नै स्थानीय रूपमा Deepseek ठूला भाषा मोडेलहरू तैनाथ र प्रयोग गर्न थालेका छन्, च्याटबक्सलाई दृश्य उपकरणको रूपमा प्रयोग गर्दै। यस लेखले दुई अन्य AI ठूलो भाषा मोडेल व्यवस्थापन र दृश्य कलाकृतिहरू परिचय गराउँदै जानेछ, र तपाईंलाई AI ठूलो भाषा मोडेलहरू अझ प्रभावकारी रूपमा प्रयोग गर्न मद्दत गर्न तीनवटाको विस्तृत रूपमा तुलना गर्नेछ। २०२५ मा,…
फेब्रुअरी ९ मा, फ्रान्सेली राष्ट्रपति इमानुएल म्याक्रोनले घोषणा गरे कि फ्रान्सले आगामी केही वर्षहरूमा एआईको क्षेत्रमा १०९ अर्ब युरो (११३ अर्ब अमेरिकी डलर) लगानी गर्नेछ। यो लगानी फ्रान्समा एआई पार्क निर्माण गर्न, पूर्वाधार सुधार गर्न र स्थानीय एआई स्टार्ट-अपहरूमा लगानी गर्न प्रयोग गरिनेछ। यसैबीच, मिस्ट्रल, एक फ्रान्सेली स्टार्टअप,…
१TP८T को वास्तविक मूल्यलाई कम आँकलन गरिएको छ! १TP८T-R१ ले निस्सन्देह बजारमा उत्साहको नयाँ लहर ल्याएको छ। प्रासंगिक तथाकथित लाभार्थी लक्ष्यहरू तीव्र रूपमा बढिरहेका मात्र छैनन्, तर केही मानिसहरूले यसबाट पैसा कमाउने प्रयासमा १TP८T-सम्बन्धित पाठ्यक्रमहरू र सफ्टवेयर पनि विकास गरेका छन्। हामी विश्वास गर्छौं कि यद्यपि यी घटनाहरूले…
फंक्शन पोजिसनिङ र कोर फाइदा विश्लेषण ChatGPT (OpenAI) - अलराउन्डरहरूको लागि विश्वव्यापी बेन्चमार्क ChatGPT प्राविधिक जीनहरू: ठूला मोडेलहरूको GPT श्रृंखलामा आधारित जेनेरेटिभ AI, सामान्य कुराकानी सीप र तार्किक तर्क यसको मुख्य फाइदाहरूको रूपमा। बहुभाषिक प्रशोधन: चिनियाँ भाषामा निरन्तर सुधारको साथ अंग्रेजीमा उत्कृष्ट प्रदर्शन गर्दछ; तर हामी अंग्रेजी प्रयोग गर्न सिफारिस गर्छौं ...
आज म DeepSeek बाट एउटा लेख साझा गर्न चाहन्छु, जसको शीर्षक हो DeepSeekMath: खुला भाषा मोडेलहरूमा गणितीय तर्कको सीमाहरू धकेल्दै। यो लेखले DeepSeekMath 7B लाई परिचय गराउँछ, जुन DeepSeek-Coder-Base-v1.5 7B मा पूर्व-प्रशिक्षित छ जुन 120B गणित-सम्बन्धित टोकनहरू, प्राकृतिक भाषा र कोड डेटाको संग्रहमा आधारित छ। मोडेलले प्रतिस्पर्धात्मक-स्तरमा 51.7% को आश्चर्यजनक स्कोर हासिल गर्यो...
आज हामी DeepSeek R1 साझा गर्नेछौं, शीर्षक: DeepSeek-R1: सुदृढीकरण सिकाइ मार्फत LLM मा तर्क क्षमतालाई प्रोत्साहन: सुदृढीकरण सिकाइ मार्फत LLM को तर्क क्षमतालाई प्रोत्साहन। यो पेपरले DeepSeek को पहिलो पुस्ताको तर्क मोडेलहरू, DeepSeek-R1-शून्य र DeepSeek-R1 लाई परिचय गराउँछ। DeepSeek-R1-शून्य मोडेललाई प्रारम्भिक चरणको रूपमा पर्यवेक्षित फाइन-ट्युनिङ (SFT) बिना ठूलो मात्रामा सुदृढीकरण सिकाइ (RL) मार्फत प्रशिक्षित गरिएको थियो,…
