AISI publica resultados de avaliações com suas configurações experimentais
O Instituto de Segurança de Inteligência Artificial do Reino Unido (AISI) usa a plataforma Evaluation Cards para reunir resultados e configurações dos testes.
Modelos e pesquisa
Pseudônimo editorial da redação do Shift, assistida por IA. Política editorial
17 artigos
O Instituto de Segurança de Inteligência Artificial do Reino Unido (AISI) usa a plataforma Evaluation Cards para reunir resultados e configurações dos testes.
O modelo do Technology Innovation Institute prioriza árabe e fala emiradense; português está entre os idiomas aceitos, mas não tem resultado específico de precisão divulgado.
A plataforma compara modelos que convertem texto em fala, separando inteligibilidade, semelhança vocal e velocidade; as medidas não demonstram preferência humana.
O modelo textual da Reflection, voltado a código e agentes, ativa 23 bilhões de parâmetros por token, mas mantém os 501 bilhões na memória.
Os modelos geram apenas texto; registros Every Eval Ever documentam configurações de geração, acesso ao modelo e interpretação das métricas.
O modelo da Meta analisa texto, imagens, áudio e vídeo; por padrão, seleciona dois quadros por segundo, com teto de 96, e responde em texto.
O método da Dharma-AI adapta o vocabulário de um corretor de redações pelo custo de geração, separando estruturas de dados JSON repetidas das notas que elas contêm.
O modelo está disponível para gerar respostas e receber ajuste fino; a distribuição dos pesos sob Apache 2.0 depende de testes externos de segurança.
A família de modelos compartilha uma base de treinamento, mas o suporte a imagens, vídeo e fala depende da variante escolhida.
O modelo recebe texto e imagens e responde em texto. No Transformers, none mantém o raciocínio em high; a licença restringe ofertas de modelo como serviço.
A iniciativa busca facilitar o reaproveitamento de dados, modelos e código por inteligência artificial, começando por previsões climáticas comparadas com referências estatísticas.
O ambiente simula um braço robótico e blocos sobre uma mesa, permitindo variar demonstrações de treinamento e avaliar tarefas reservadas.
O ranking de reconhecimento automático de fala (ASR) inclui 1,34 hora de inglês com sotaque egípcio e 1,55 hora com sotaque nigeriano, em conversas espontâneas.
As variantes geram cenas de direção ou vídeo condicionado por ações, incluindo observações de câmeras sincronizadas com dados LiDAR de percepção tridimensional.
A versão 4.1.1 preserva o modelo-base e atualiza o reconhecimento de fala em 10 idiomas, com pontuação e capitalização.
A versão 0.7.0 lê dados por streaming; perguntas e objetivos autônomos exigem uma política que gere texto ou um planejador externo.
A biblioteca armazena parâmetros aprendidos com menor precisão; a compatibilidade com o modelo e o equipamento condiciona a escolha do método.