news

Trainiere Qwen3 auf AWS Trainium mit torchtitan

Trainiere Qwen3 auf AWS Trainium mit torchtitan auf drei Arten auf einer einzelnen trn2.48xlarge: dem Hugging Face Transformers v5 Modeling-Backend, torchtitans nativem Qwen3 und NKI-Mixture-of-Experts-Kernels. Derselbe torchrun-Launcher und dieselbe Konfigurationsstruktur funktionieren unverändert über alle drei Pfade hinweg, einschließlich des Ladens und Speicherns veröffentlichter Hugging Face Safetensors.

21. Okt. 202620 Aufrufe

IBM hat Granite Speech 5.0 2B veröffentlicht, ein Spracherkennungs- und Übersetzungsmodell unter Apache 2.0. Es belegt Platz 2 im Open ASR Leaderboard mit durchschnittlich 5,68 % englischer WER, zusammen mit aktualisierten Turbo CTC- und 4.1 2B Plus-Modellen. Der Beitrag IBM AI Releases Granite Speech 5.0 2B for Multilingual Transcription and Translation erschien zuerst auf MarkTechPost .

News22. Okt. 2026

Perplexity und NVIDIA-Forscher stellen JOLT vor: eine gemeinsame Lehrer-Schüler-Methode für bestärkendes Lernen

Perplexity und NVIDIA stellten JOLT vor, eine Post-Training-Methode, die ein Modell sowohl als Lehrer als auch als Schüler trainiert. Bei MATH erreichte es die Genauigkeit von GRPO mit 6,5-mal weniger verarbeiteten Trainings-Tokens. Der Beitrag Perplexity and NVIDIA Researchers Introduce JOLT: a Joint Teacher-Student Reinforcement Learning Method erschien zuerst auf MarkTechPost .

News22. Okt. 2026

Führende europäische Finanzdienstleistungsorganisationen setzen auf offene Modelle, um proprietäre Intelligenz aufzubauen

Auf der GTC Berlin zeigen Banken, Zahlungsunternehmen und Finanzdatenanbieter, wie Intelligenz im Produktionsmaßstab aussieht – aufgebaut auf NVIDIA beschleunigtem Computing, angetrieben von Open-Weight-Modellen und betrieben auf ihrer eigenen Infrastruktur. Revolut baut seinen Technologie-Stack auf einem einzigen Foundation-Modell PRAGMA neu auf, angetrieben von NVIDIA beschleunigtem Computing. Mit NVIDIA cuDF […]

KI-News