Populære emner
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Teknium (e/λ)
Teknium (e/λ) lagt ut på nytt
🚀 MegaTTS 3 stemmekloning er her
For kontekst: For en stund tilbake ga ByteDance ut MegaTTS 3 (med eksepsjonelle stemmekloningsmuligheter), men av ulike grunner bestemte de seg for ikke å gi ut WavVAE-koderen som er nødvendig for at stemmekloning skal fungere.
Nylig ble en WavVAE-koder kompatibel med MegaTTS 3 utgitt av ACoderPassBy på ModelScope med ganske lovende resultater.
Alt i alt ser det ganske imponerende ut - spent på å se at vi endelig kan gjøre stemmekloning med MegaTTS 3!
(h/t til MysteryShack på StyleTTS 2 Discord for info om WavVAE-koderen)
1,15K
Har det ikke vært noen studier på hybride resonnement? Jeg kommer til å gjøre noen kjøringer på tvers av en ny modell uten ikke-resonnerende datasett med den.
Vil fortelle deg hvordan resonnement bare data påvirker modellen kontra når det er resonneringsløse data. Sannsynligvis vil noen uker ha noen gode innsikter hvis jeg kan få tid.
4,8K
Jeg memba wen alle sa at det var et tokeniseringsproblem
19. juli, 22:01
2020: "LLM-er kan ikke regne."
2025: LLM vinner gull på IMO
33,9K
Teknium (e/λ) lagt ut på nytt
Hermes 3 fra @NousResearch er datasettet #1 på @huggingface
Jeg planlegger å bruke den
Ikke sov på Nous
De:
- Bygg fantastiske finjusteringer med åpen kildekode
- Bygd distribuert databehandling
- Ha godt kuraterte datasett
- Er helt gjennomsiktige med modelllodd og kode
- Innleggsbaserte versjoner på X
6,95K
Min beste gjetning:
Rubrikker + LLM-dommer - Forstøv hvert punkt i bakkens sannhetsbevis og sjekk mot modellutgangen
Min gjetning på hvordan de gjorde dette skalerbart - som før var det ikke, mennesker måtte omhyggelig lage dem, er de trente eller gjorde noe for å lage veldig gode rubrikker generert for hvert spesifikt problem eller dets svar.
22,04K
Inb4 starter vi en kodende ide for ai slik at vi bare kan få gode data
19. juli, 09:58
Jeg vil påpeke at for de virkelige oppgavene (ikke benchmarks), overgår Kimi K2 Gemini.
Dette er telemetri på tvers av alle @cline brukere, og viser feilfrekvens for diffredigering. Legg merke til hvordan Kimi har omtrent 6 % feilrate, som er betydelig bedre enn Geminis ~ 10 % feilrate.
Bemerkelsesverdig nok overgikk Kimi til og med Claude 4 i det meste av denne uken, og oppnådde en feilrate på under 4 %!
6,79K
Topp
Rangering
Favoritter