Rumah Peranti teknologi AI FATE 2.0 dikeluarkan: merealisasikan kesalinghubungan sistem pembelajaran bersekutu heterogen

FATE 2.0 dikeluarkan: merealisasikan kesalinghubungan sistem pembelajaran bersekutu heterogen

Jan 16, 2024 am 11:48 AM
Sumber terbuka pengkomputeran privasi projek pembelajaran bersekutu


  • FATE 2.0Naik taraf komprehensif untuk menggalakkan aplikasi berskala besar pembelajaran bersekutu pengkomputeran persendirian


FATE diumumkan platform terbuka F.

versi, sebagai dunia gred industri pembelajaran bersekutu terkemuka Rangka kerja sumber terbuka. Kemas kini ini merealisasikan kesalinghubungan antara sistem heterogen bersekutu dan terus mempertingkatkan keupayaan kesalinghubungan platform pengkomputeran privasi. Kemajuan ini menggalakkan lagi pembangunan aplikasi berskala besar pembelajaran bersekutu dan pengkomputeran privasi.

FATE 2.0版本重磅发布:实现异构联邦学习系统互联互通

FATE 2.0 mengambil kebolehoperasian menyeluruh sebagai konsep reka bentuk , dan menggunakan kaedah sumber terbuka untuk mengubah empat peringkat penyelarasan aplikasi, lapisan, hm penjadualan aplikasi, lapisan, hm penjadualan. , Ia menyedari keupayaan kebolehoperasian heterogen antara sistem dan sistem, sistem dan algoritma, serta algoritma dan algoritma. .


[3 ]

dan piawaian industri lain, sebelum dikeluarkan, FATE 2.0 telah melengkapkan pengesahan kesalinghubungan dan kebolehoperasian dengan berbilang platform pengkomputeran privasi heterogen. Baru-baru ini Beijing Financial Technology Industry Alliance menyebut dalam pengeluaran dokumen bahawa "pasukan penyelidik , bersama-sama dengan komuniti sumber terbuka FATE dan syarikat teknologi terkemuka, menyelesaikan kebolehoperasian silang platform dan silang algoritma silang lima pihak dan bersama. penyahpepijatan, mengesahkan bahawa dokumen antara muka menyokong Kebolehlaksanaan dan keselamatan penyambungan platform heterogen berbilang pihak". . NASIB 2.0 Ikhtisar Sorotan untuk menyesuaikan diri dengan pelbagai platform pengkomputeran privasi heterogen Penerangan misi

  • Lapisan penjadualanSambungan: menyahgandingkan modul sistem daripada pelbagai peringkat kepada membina platform penjadualan interkoneksi yang terbuka dan piawai, penjadualan tugasan berbilangpenyokongan hetero
  • penjadualan platform
perndirian


  • Sambungan rentas tapak lapisan pengangkutan: Bina komponen komunikasi sambung rentas tapak terbuka, menyokong berbilang mod penghantaran dan berbilang protokol komunikasi, Boleh menyesuaikan diri dengan penghantaran data antara berbilang platform pengkomputeran privasi heterogen, meningkatkan Kecekapan penghantaran dan kestabilan sistem


.

    dan protokol keselamatan lain serta protokol algoritma bersekutu,
  • bantuan sambungan enjin pengkomputeran heterogen bersekutu penghijrahan dan pengembangan algoritma teras, pengalaman dan prestasi pembangunan algoritma dipertingkatkan dengan ketara: menggunakan teks Sifir yang diedarkan dan jelas Tensor/pengaturan algoritma teras pengembangan; peningkatan prestasi algoritma teras: PSIPeningkatan prestasi algoritma persimpangan perlindungan privasi 1.8+
  • kali, persekutuan menegak

SSHE- LR

prestasi algoritma kali ganda
  • dipertingkatkan dan menegak prestasi algoritma rangkaian saraf dipertingkatkan 143 kali FATE 2.0Gambarajah skematik keseluruhan seni bina interkoneksi FATE 2.0
Ciri sepintas lalu

FATE 2.0版本重磅发布:实现异构联邦学习系统互联互通

NASIB


-Klien 2.0:

  • Bina aplikasi sokongan DSL berskala

1. Memperkenalkan yang baharu IR DSL persekutuan boleh skala dan piawai, iaitu proses pemodelan bersekutu DSL perwakilan lapisan tengah piawai

2. IR dan penukaran protokol lain, seperti

Saling Sambungan Industri Teknologi Kewangan Beijing BFIA penukaran bersama protokol

5

Selesaikan penghijrahan fungsi Flow Cli dan Flow SDK

NASIB- Aliran 2.0:

Membina platform penjadualan saling berkaitan yang terbuka dan standard

1. Sesuaikan dengan FATE 2.0 Federal DSL IR2 yang boleh berskala dan diseragamkan

Bina rangka kerja lapisan penjadualan interkoneksi dan menyokong protokol lain melalui penyesuai, seperti antara muka lapisan kawalan yang terlibat dalam "Dokumen Teknikal API Saling Operasi Pengkomputeran". 3.

Optimumkan penjadualan proses, penyahgandingan dan logik penjadualan boleh disesuaikan, dan menambah penjadualan keutamaan4. senario heterogen

5 Optimumkan pendaftaran komponen algoritma berbilang versi dan sokong pendaftaran mod pengendalian komponen

6 Peningkatan sambungan IR berbilang metrik

Bersekutu

: 7. Optimumkan logik pengesahan pelanggan dan sokongan pengurusan kebenaran berbilang pelanggan

8 Optimumkan antara muka RESTful untuk menjadikan medan dan jenis input, medan kembali dan kod status lebih jelas

. . Menambah modul OFX (Open Flow Exchange): merangkum pelanggan penjadualan, membenarkan penjadualan merentas platform 10.

Menyokong enjin komunikasi baharu OSX sambil kekal serasi dengan semua enjin dalam FATE Flow 1.x

.

Lapisan sistem dan lapisan algoritma dipisahkan, dan konfigurasi sistem dialihkan dari repositori FATE ke repositori Flow

12

Pakej FATE Flow dikeluarkan dalam PyPI, dan perkhidmatan baharu untuk pengurusan perkhidmatan. ditambah Tahap CLI.

Rujukan "Dokumentasi Teknikal API Interoperasi Pengkomputeran Privasi Industri Kewangan" yang dikeluarkan oleh Perikatan Industri Fintech Beijing melaksanakan antara muka penghantaran

saling kendali

, yang serasi dengan versi FATE 1.X dan versi FATE 2.X

menyokong penghantaran segerak grpc Dan transmisi penstriman, menyokong protokol penghantaran selamat TLS, serasi dengan komponen tapak roll FATE 1.X menyokong Http 1. Komponen rabbitmq dan pulsar dalam logik pengendalian Pengecualian semasa penghantaran menyediakan output log yang lebih tepat untuk mengesan pengecualian dengan cepat

  1. Konfigurasi penghalaan pada asasnya sama dengan tapak gulung asal, mengurangkan kesukaran pemindahanMenyokong antara muka http untuk mengubah suai jadual penghalaan, dan menyediakan pengesahan kebenaran mudah memperbaiki pengurusan sambungan rangkaian , mengurangkan risiko kebocoran sambungan, dan meningkatkan kecekapan penghantaran
  2. Gunakan port yang berbeza untuk memproses permintaan akses di dalam dan di luar kelompok, menjadikannya lebih mudah untuk menerima pakai dasar keselamatan yang berbeza untuk port yang berbeza
  3. -Arch 2.0:
  4. Bina API bersatu dan piawai untuk memudahkan penyambungan enjin pengkomputeran heterogen bersekutu
    1. Konteks: Memperkenalkan "Konteks" untuk mengurus API mesra pembangun, seperti "pengkomputeran teragih", "pembelajaran bersekutu", "algoritma penyulitan", "operasi tensor", "metrik" dan "Input dan output pengurusan"
    2. Tensor: Memperkenalkan struktur data Tensor untuk memproses operasi matriks setempat dan teragih, menyokong pecutan heterogen terbina dalam; pengoptimuman lapisan abstraksi PHETensor, menggunakan pelbagai pelaksanaan PHE asas melalui antara muka standard, penukaran percuma
    3. DataFrame: Memperkenalkan "DataFrame" struktur data jadual dua dimensi untuk input dan output data dan kejuruteraan ciri asas. Pengurus blok data baharu menyokong pengurusan berbilang jenis lajur dan menampilkan logik tanpa nama; menambah 30+ antara muka pengendali seperti statistik, perbandingan, pengindeksan, binning dan transformasi data, dll.
    4. Persekutuan yang dibina semula: Menyediakan persekutuan bersatu KomunikasiAntaramuka, termasuk kawalan bersiri/deserialisasi bersatu dan API yang lebih mesra
    5. Config: Menyediakan tetapan konfigurasi bersatu untuk FATE, termasuk konfigurasi keselamatan, konfigurasi sistem dan konfigurasi algoritma
    6. Refactor :
    7. Sesuaikan butiran pengelogan mengikut kaedah dan keperluan penggunaan yang berbeza
    8. Pelancar
    9. : Alat perlaksanaan program persekutuan yang dipermudahkan, terutamanya sesuai untuk berjalan bersendirian dan penyahpepijatan setempat
    10. hybrid SSProtocolhybri : Support selamat
    11. pengiraan berbilang pihak dan protokol penyulitan homomorfik), ECDH, protokol pengagregatan selamat
    12. Penyepaduan Kelajuan Dalam: Menyokong penjadualan latihan bagi kluster GPU yang diedarkan melalui Eggroll Protokol integrasi SMPC
    Sokongan Eksperimen


    dan fungsi akan ditambah pada masa hadapan

    FATE-Component 2.0:

    1. Bina komponen algoritma piawai untuk menyesuaikan diri dengan enjin penjadualan yang berbeza
    2. e mesin modul pembelajaran ke dalam program boleh laksana standard
    3. Sediakan API yang jelas melalui spesifikasi dan pemuat untuk memudahkan pengembangan dalaman dan penyepaduan dengan sistem luaran
    4. Input dan output: memisahkan FATE-Flow dan menyediakan proses panggilan Kotak hitam standard


    Takrifan komponen: menyokong definisi berasaskan jenis, menyemak parameter komponen secara automatik, menyokong berbilang data dan model input dan jenis output, dan berbilang input

    FATE-ML 2.0: Cor algoritma Cor dan pengembangan,

    Pengalaman dan prestasi pembangunan algoritma dipertingkatkan dengan ketara🎜🎜🎜
    1. Mengguna pakai teks teredar, biasa dan sifirTensor/Bingkai Datamodel pengaturcaraan untuk merealisasikan pemindahan dan pengembangan algoritma teras:
    2. Pemprosesan data: Ditambahkan DataFrame Transformer🜜 Pengubah Data🜜Split, DataFrame Transformer, Split yang lengkap
    3. Kejuruteraan ciri: Selesai HeteroFederatedBinning, HeteroFeatureSelection, DataStatistics, Sampling, FeatureScale dan migrasi Korelasi Pearson
    4. Penghijrahan algoritma latihan bersekutu: termasuk HeteroSecureBoost, HomoNN, HeteroCoordinatedLogisticRegsion.HeterogressiLogisticRegsion dan SS HE-LinearRegression
    5. New Increased federated protokol algoritma latihan: SSHE-HeteroNN berdasarkan MPC dan protokol hibrid penyulitan homomorfik
    ,

    FedPASS-HeteroNN berdasarkan protokol FedPASS

      Pencapaian yang ketara
    1. PS. rivacy Persimpangan terlindung: diuji pada set data 100 juta ID, dan hasil persilangan ialah 100 juta, prestasi adalah 1.8+ kali ganda daripada FATE-1.11
    2. Algoritma binning bersekutu memanjang: dalam tetamu 100,000 baris * ciri hos 30 dimensi, diuji 100,000 baris*Data ciri 300 dimensi, prestasi adalah 1.5+ kali ganda daripada FATE-1.11
    3. Algoritma SSHE-LR bersekutu menegak: pada tetamu 100,000 baris*300 dimensi ciri, hos 100 baris, hos 100 baris data seratus ciri dimensi, prestasi adalah 4.3+ kali ganda daripada FATE-1.11
    4. Algoritma LR penyelaras tali pinggang persekutuan membujur: tetamu 100,000 baris*30 ciri dimensi, hos 100,000 baris*300 Diuji pada data dengan ciri dimensi 1.2, + kali ganda FATE-1.11
    5. Rangkaian Neural Bersekutu Membujur (berdasarkan protokol FedPass): tetamu 100,000 baris*ciri 30 dimensi, hos 100,000 baris*300 ciri dimensi Diuji pada data, prestasi pada asasnya konsisten dengan prestasi plaintik , dan prestasi adalah 143+ kali ganda daripada FATE-1.11

    Eggroll 3.0:

    Prestasi, ketersediaan dan kebolehpercayaan sistem dipertingkatkan sepenuhnya.🜎 Peningkatan

    Pembinaan semula komponen teras: komponen pengurus kluster dan pengurus nod dibina semula sepenuhnya menggunakan bahasa Java untuk memastikan keseragaman dan meningkatkan prestasiPengubahsuaian komponen penghantaran: keluarkan komponen penghantaran tapak roll, Digantikan dengan komponen osx yang lebih cekap

  • Peningkatan pengurusan proses: Melaksanakan logik pengurusan proses yang lebih maju, mengurangkan risiko kebocoran proses dengan ketara
  • Peningkatan logik storan data: Pengoptimuman mekanisme storan data, peningkatan prestasi dan kebolehpercayaan
  • Peningkatan kawalan concurrency: Naik taraf kawalan concurrency dalam komponen asal untuk meningkatkan prestasi
  • Komponen visual: Tambah komponen visual baharu untuk memudahkan pemantauan maklumat pengiraan
  • Peningkatan log: Sistem log dipertingkatkan dan outputnya lebih tepat Membantu mengesan anomali dengan cepat
  • 2. Ular sawa
  • naik taraf
    • roll_pair dan rekonstruksi egg_pair: sokongan siri dan kaedah pemisahan yang dikawal oleh pemanggil , Serialization Security diuruskan secara seragam oleh pemanggil
    • Automatik pembersihan jadual perantaraan: Menyelesaikan masalah Persekutuan dan Pengiraan Perantaraan jadual dibersihkan secara automatik tanpa memerlukan operasi tambahan oleh pemanggil Kawalan konfigurasi bersatu: Memperkenalkan sistem konfigurasi fleksibel yang menyokong pemindahan langsung, fail konfigurasi dan pembolehubah persekitaran untuk memenuhi pelbagai keperluan Pelanggan PyPI: Eggroll 3.0.0 menyokong klien mudah pemasangan melalui PyPI
    • Pengoptimuman konfigurasi log: pemanggil boleh menyesuaikan format log mengikut keperluan
    • Pelarasan struktur kod: asas kod diperkemas, struktur dan logik lebih jelas, dan dialih keluar Banyak kod berlebihan
    • Mengumpul kuasa sumber terbuka untuk membantu pembangunan industri pengkomputeran persendirian , bandar pintar dan banyak senario lain mempunyai keperluan yang meluas. Pengkomputeran privasi telah menjadi alat yang berkuasa untuk memecahkan halangan data antara industri, dan saling sambungan adalah batu asah untuk memberikan permainan sepenuhnya kepada alat berkuasa ini. FATE 2.0 menyediakan rangka kerja sumber terbuka untuk mencapai kesalinghubungan dan kebolehoperasian, menyelesaikan masalah kesakitan utama dalam industri. Kebanyakan platform pengkomputeran privasi boleh mencapai tujuan untuk berinteraksi dan menyepadukan dengan sistem heterogen dengan melaksanakan antara muka kebolehoperasian terbuka. Pelancaran

    FATE 2.0

    memberikan sokongan padu untuk kesalinghubungan dan saling kendali antara platform heterogen, dan lelaran berterusan menunjukkan komitmen penambahbaikan teknologi yang berterusan. Ia bukan sahaja mengenai perlindungan privasi data, tetapi juga mengenai pembangunan keseluruhan industri. Dalam proses ini, pengguna industri pengkomputeran privasi dan rakan kongsi teknologi mempunyai lebih banyak peluang untuk mengambil bahagian. Melalui usaha bersama komuniti, kami dapat menangani cabaran keselamatan data dan perlindungan privasi dengan lebih baik, dan meletakkan asas yang kukuh untuk membina masyarakat digital yang lebih selamat dan boleh dipercayai. Pengeluaran


    FATE 2.0

      ialah lembaran baharu kerjasama industri dan menang-menang.
    [1]

    Biro Data Kebangsaan: Notis daripada Biro Data Kebangsaan dan jabatan lain mengenai pengeluaran "Elemen Data [2]

    Akademi Maklumat Ailin dan China Lv Teknologi Komunikasi dan lain-lain: Kemajuan dan trend dalam penanaman pasaran elemen data negara saya

    FATE 2.0版本重磅发布:实现异构联邦学习系统互联互通

    [3] "Industri Kewangan Privasi Pengkomputeran Interoperasi Dokumentasi Teknikal API" v1.0 telah dikeluarkan repositori komuniti FATE yang Dihoskan di FATE : https://github.com/FederatedAI/InterOp

Atas ialah kandungan terperinci FATE 2.0 dikeluarkan: merealisasikan kesalinghubungan sistem pembelajaran bersekutu heterogen. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Pengarang ControlNet mendapat satu lagi kejayaan! Seluruh proses menghasilkan lukisan daripada gambar, memperoleh 1.4k bintang dalam masa dua hari Pengarang ControlNet mendapat satu lagi kejayaan! Seluruh proses menghasilkan lukisan daripada gambar, memperoleh 1.4k bintang dalam masa dua hari Jul 17, 2024 am 01:56 AM

Ia juga merupakan video Tusheng, tetapi PaintsUndo telah mengambil laluan yang berbeza. Pengarang ControlNet LvminZhang mula hidup semula! Kali ini saya menyasarkan bidang lukisan. Projek baharu PaintsUndo telah menerima 1.4kstar (masih meningkat secara menggila) tidak lama selepas ia dilancarkan. Alamat projek: https://github.com/lllyasviel/Paints-UNDO Melalui projek ini, pengguna memasukkan imej statik, dan PaintsUndo secara automatik boleh membantu anda menjana video keseluruhan proses mengecat, daripada draf baris hingga produk siap . Semasa proses lukisan, perubahan garisan adalah menakjubkan Hasil akhir video sangat serupa dengan imej asal: Mari kita lihat lukisan lengkap.

Mendahului senarai jurutera perisian AI sumber terbuka, penyelesaian tanpa ejen UIUC dengan mudah menyelesaikan masalah pengaturcaraan sebenar SWE-bench Mendahului senarai jurutera perisian AI sumber terbuka, penyelesaian tanpa ejen UIUC dengan mudah menyelesaikan masalah pengaturcaraan sebenar SWE-bench Jul 17, 2024 pm 10:02 PM

Lajur AIxiv ialah lajur di mana tapak ini menerbitkan kandungan akademik dan teknikal. Dalam beberapa tahun kebelakangan ini, lajur AIxiv laman web ini telah menerima lebih daripada 2,000 laporan, meliputi makmal terkemuka dari universiti dan syarikat utama di seluruh dunia, mempromosikan pertukaran dan penyebaran akademik secara berkesan. Jika anda mempunyai kerja yang sangat baik yang ingin anda kongsikan, sila berasa bebas untuk menyumbang atau hubungi kami untuk melaporkan. E-mel penyerahan: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Semua pengarang kertas kerja ini adalah daripada pasukan guru Zhang Lingming di Universiti Illinois di Urbana-Champaign (UIUC), termasuk: Steven Code repair; pelajar kedoktoran tahun empat, penyelidik

Kerja selepas kematian Pasukan Penyelarasan Super OpenAI: Dua model besar bermain permainan, dan output menjadi lebih mudah difahami Kerja selepas kematian Pasukan Penyelarasan Super OpenAI: Dua model besar bermain permainan, dan output menjadi lebih mudah difahami Jul 19, 2024 am 01:29 AM

Jika jawapan yang diberikan oleh model AI tidak dapat difahami sama sekali, adakah anda berani menggunakannya? Memandangkan sistem pembelajaran mesin digunakan dalam bidang yang lebih penting, menjadi semakin penting untuk menunjukkan sebab kita boleh mempercayai output mereka, dan bila tidak mempercayainya. Satu cara yang mungkin untuk mendapatkan kepercayaan dalam output sistem yang kompleks adalah dengan menghendaki sistem menghasilkan tafsiran outputnya yang boleh dibaca oleh manusia atau sistem lain yang dipercayai, iaitu, difahami sepenuhnya sehingga apa-apa ralat yang mungkin boleh dilakukan. dijumpai. Contohnya, untuk membina kepercayaan dalam sistem kehakiman, kami memerlukan mahkamah memberikan pendapat bertulis yang jelas dan boleh dibaca yang menjelaskan dan menyokong keputusan mereka. Untuk model bahasa yang besar, kita juga boleh menggunakan pendekatan yang sama. Walau bagaimanapun, apabila mengambil pendekatan ini, pastikan model bahasa menjana

Daripada RLHF kepada DPO kepada TDPO, algoritma penjajaran model besar sudah pun 'peringkat token' Daripada RLHF kepada DPO kepada TDPO, algoritma penjajaran model besar sudah pun 'peringkat token' Jun 24, 2024 pm 03:04 PM

Lajur AIxiv ialah lajur di mana tapak ini menerbitkan kandungan akademik dan teknikal. Dalam beberapa tahun kebelakangan ini, lajur AIxiv laman web ini telah menerima lebih daripada 2,000 laporan, meliputi makmal terkemuka dari universiti dan syarikat utama di seluruh dunia, mempromosikan pertukaran dan penyebaran akademik secara berkesan. Jika anda mempunyai kerja yang sangat baik yang ingin anda kongsikan, sila berasa bebas untuk menyumbang atau hubungi kami untuk melaporkan. E-mel penyerahan: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Dalam proses pembangunan kecerdasan buatan, kawalan dan bimbingan model bahasa besar (LLM) sentiasa menjadi salah satu cabaran utama, bertujuan untuk memastikan model ini adalah kedua-duanya. berkuasa dan selamat untuk masyarakat manusia. Usaha awal tertumpu kepada kaedah pembelajaran pengukuhan melalui maklum balas manusia (RL

Kertas arXiv boleh disiarkan sebagai 'bertubi-tubi', platform perbincangan Stanford alphaXiv dalam talian, LeCun menyukainya Kertas arXiv boleh disiarkan sebagai 'bertubi-tubi', platform perbincangan Stanford alphaXiv dalam talian, LeCun menyukainya Aug 01, 2024 pm 05:18 PM

sorakan! Bagaimana rasanya apabila perbincangan kertas adalah perkataan? Baru-baru ini, pelajar di Universiti Stanford mencipta alphaXiv, forum perbincangan terbuka untuk kertas arXiv yang membenarkan soalan dan ulasan disiarkan terus pada mana-mana kertas arXiv. Pautan laman web: https://alphaxiv.org/ Malah, tidak perlu melawati tapak web ini secara khusus. Hanya tukar arXiv dalam mana-mana URL kepada alphaXiv untuk terus membuka kertas yang sepadan di forum alphaXiv: anda boleh mencari perenggan dengan tepat dalam. kertas itu, Ayat: Dalam ruang perbincangan di sebelah kanan, pengguna boleh menyiarkan soalan untuk bertanya kepada pengarang tentang idea dan butiran kertas tersebut Sebagai contoh, mereka juga boleh mengulas kandungan kertas tersebut, seperti: "Diberikan kepada

Satu kejayaan ketara dalam Hipotesis Riemann! Tao Zhexuan amat mengesyorkan kertas kerja baharu daripada MIT dan Oxford, dan pemenang Fields Medal berusia 37 tahun mengambil bahagian Satu kejayaan ketara dalam Hipotesis Riemann! Tao Zhexuan amat mengesyorkan kertas kerja baharu daripada MIT dan Oxford, dan pemenang Fields Medal berusia 37 tahun mengambil bahagian Aug 05, 2024 pm 03:32 PM

Baru-baru ini, Hipotesis Riemann, yang dikenali sebagai salah satu daripada tujuh masalah utama milenium, telah mencapai kejayaan baharu. Hipotesis Riemann ialah masalah yang tidak dapat diselesaikan yang sangat penting dalam matematik, berkaitan dengan sifat tepat taburan nombor perdana (nombor perdana ialah nombor yang hanya boleh dibahagikan dengan 1 dan dirinya sendiri, dan ia memainkan peranan asas dalam teori nombor). Dalam kesusasteraan matematik hari ini, terdapat lebih daripada seribu proposisi matematik berdasarkan penubuhan Hipotesis Riemann (atau bentuk umumnya). Dalam erti kata lain, sebaik sahaja Hipotesis Riemann dan bentuk umumnya dibuktikan, lebih daripada seribu proposisi ini akan ditetapkan sebagai teorem, yang akan memberi kesan yang mendalam terhadap bidang matematik dan jika Hipotesis Riemann terbukti salah, maka antara cadangan ini sebahagian daripadanya juga akan kehilangan keberkesanannya. Kejayaan baharu datang daripada profesor matematik MIT Larry Guth dan Universiti Oxford

Latihan aksiomatik membolehkan LLM mempelajari penaakulan kausal: model 67 juta parameter adalah setanding dengan trilion tahap parameter GPT-4 Latihan aksiomatik membolehkan LLM mempelajari penaakulan kausal: model 67 juta parameter adalah setanding dengan trilion tahap parameter GPT-4 Jul 17, 2024 am 10:14 AM

Tunjukkan rantai sebab kepada LLM dan ia mempelajari aksiom. AI sudah pun membantu ahli matematik dan saintis menjalankan penyelidikan Contohnya, ahli matematik terkenal Terence Tao telah berulang kali berkongsi pengalaman penyelidikan dan penerokaannya dengan bantuan alatan AI seperti GPT. Untuk AI bersaing dalam bidang ini, keupayaan penaakulan sebab yang kukuh dan boleh dipercayai adalah penting. Penyelidikan yang akan diperkenalkan dalam artikel ini mendapati bahawa model Transformer yang dilatih mengenai demonstrasi aksiom transitiviti sebab pada graf kecil boleh digeneralisasikan kepada aksiom transitiviti pada graf besar. Dalam erti kata lain, jika Transformer belajar untuk melakukan penaakulan sebab yang mudah, ia boleh digunakan untuk penaakulan sebab yang lebih kompleks. Rangka kerja latihan aksiomatik yang dicadangkan oleh pasukan adalah paradigma baharu untuk pembelajaran penaakulan sebab berdasarkan data pasif, dengan hanya demonstrasi

MLLM berasaskan Mamba yang pertama ada di sini! Berat model, kod latihan, dsb. semuanya telah menjadi sumber terbuka MLLM berasaskan Mamba yang pertama ada di sini! Berat model, kod latihan, dsb. semuanya telah menjadi sumber terbuka Jul 17, 2024 am 02:46 AM

Lajur AIxiv ialah lajur di mana tapak ini menerbitkan kandungan akademik dan teknikal. Dalam beberapa tahun kebelakangan ini, lajur AIxiv laman web ini telah menerima lebih daripada 2,000 laporan, meliputi makmal terkemuka dari universiti dan syarikat utama di seluruh dunia, mempromosikan pertukaran dan penyebaran akademik secara berkesan. Jika anda mempunyai kerja yang sangat baik yang ingin anda kongsikan, sila berasa bebas untuk menyumbang atau hubungi kami untuk melaporkan. E-mel penyerahan: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com. Pengenalan Dalam beberapa tahun kebelakangan ini, aplikasi model bahasa besar multimodal (MLLM) dalam pelbagai bidang telah mencapai kejayaan yang luar biasa. Walau bagaimanapun, sebagai model asas untuk banyak tugas hiliran, MLLM semasa terdiri daripada rangkaian Transformer yang terkenal, yang

See all articles