최고의 AI 모델 및 LLM AI 모델

148개 도구

AI 모델에서 최고의 모델을 발견하세요 — DistilGPT2와 Claude Opus 같은 언어 변환기부터 GPT-5.6: Frontier intelligence, Google DeepMind의 Gemini 3.1 Pro 같은 고급 시스템까지, 개발자와 연구자가 프로젝트를 향상시키는 도구를 탐색하는 곳입니다: 인간과 유사한 텍스트를 생성하고, 대화형 에이전트를 구축하며, 복잡한 알고리즘을 개발하고, AI 역량의 한계를 확장합니다. 머신러닝 플랫폼, 과학적 발견 및 실험실 도구, 컴퓨터 비전 도구, 3D 모델 생성기 및 자연어 처리 도구 등을 아우르는 148개의 AI 모델을(를) 살펴보세요.

DistilGPT2는 GPT-2에서 파생된 영어 텍스트 생성 모델로, 더 빠르고 가벼운 대안을 제공하여 다양한 창의적 및 보조적 글쓰기 작업에 적합합니다. 이 모델은 사전 학습되어 Hugging Face를 통해 통합할 수 있습니다.

추천AI 모델 및 LLM

GPT-5.6은 다양한 작업에서 생산성과 효율성을 향상시키기 위해 설계된 OpenAI의 최신 AI 모델입니다. 비용 대비 성능이 개선되어 사용자가 더 적은 자원으로 더 많은 성과를 달성할 수 있도록 하여 코딩, 지식 작업 및 사이버 보안과 같은 까다로운 작업 흐름에 적합합니다.

추천AI 모델 및 LLM

제미니 3.1 프로는 복잡한 작업과 깊은 추론을 위해 설계된 고급 AI 모델입니다. 다중 모드 이해에 뛰어나며, 스마트하고 간결한 응답을 제공하여 학습, 계획 및 혁신적인 애플리케이션 구축에 이상적입니다.

추천AI 모델 및 LLM

Stability AI는 이미지, 비디오, 오디오 및 3D 콘텐츠 생성을 위한 오픈 소스 생성 AI 모델 제품군을 제공합니다. 이러한 혁신적인 솔루션은 다양한 애플리케이션을 위한 고급 AI 기능을 찾는 크리에이터와 기업을 대상으로 합니다. 지금 바로 최첨단 기술을 살펴보세요.

추천AI 모델 및 LLM

Cohere Command는 엔터프라이즈용으로 설계된 확장 가능한 AI 언어 모델 제품군입니다. 실제 에이전트 기반 애플리케이션에 대해 높은 성능과 정확도를 제공하며, 비즈니스 워크플로우 자동화, 콘텐츠 생성 및 보안 배포를 가능하게 합니다. Command는 데이터에 기반한 AI로 팀에 힘을 실어줍니다.

추천AI 모델 및 LLM

AI21은 정확성, 신뢰성 및 확장성에 중점을 두고 엔터프라이즈급 파운데이션 모델 및 AI 시스템을 구축합니다. 이들의 솔루션은 지능형 모델 라우팅 및 효율적인 AI 에이전트 개발 및 배포를 위한 자동화된 하네스 최적화와 같은 고급 기능을 제공하여 중요한 비즈니스 워크플로우를 지원합니다.

추천AI 모델 및 LLM

Mistral Large 3는 기업을 위해 설계된 최첨단 AI 모델로, AI 어시스턴트 및 에이전트의 맞춤화, 미세 조정 및 배포를 가능하게 합니다. 410억 개의 활성 매개변수를 가진 희소 전문가 혼합 아키텍처를 특징으로 하며, 다중 모드 및 다국어 애플리케이션에서 고급 기능을 제공합니다.

추천AI 모델 및 LLM

NVIDIA Nemotron 3 Ultra는 복잡한 추론 및 다국어 작업을 위해 설계된 강력한 AI 모델입니다. 5500억 개의 매개변수를 갖춘 이 모델은 긴 맥락 분석 및 도구 사용에 뛰어나며, 다양한 산업에서 고위험 응용 프로그램에 적합합니다.

추천AI 모델 및 LLM

gpt-oss는 강력한 성능과 효율적인 배포를 위해 설계된 두 개의 오픈 가중치 언어 모델인 gpt-oss-120b와 gpt-oss-20b를 포함합니다. 이 모델들은 Apache 2.0 라이선스 하에 제공되어 다양한 애플리케이션에 접근할 수 있으며, 안전성과 사용자 맞춤화를 보장합니다.

추천AI 모델 및 LLM

MiniMax-M2.5는 코딩, 사무 작업 및 에이전트 도구 사용을 위해 설계된 고급 AI 모델입니다. 효율성과 비용 효과성이 뛰어나 다양한 산업에서 혁신적인 응용 프로그램을 가능하게 합니다.

추천AI 모델 및 LLM

Mistral Small 4는 추론, 코딩 및 다중 모드 기능을 단일 플랫폼으로 통합한 다재다능한 AI 모델입니다. 사용자는 AI 어시스턴트 및 에이전트를 효율적으로 사용자 정의하고 미세 조정하며 배포할 수 있어 다양한 기업 애플리케이션에 적합합니다.

추천AI 모델 및 LLM

Command A+는 25B의 활성 매개변수와 218B의 총 매개변수를 가진 전문가 혼합 모델로, 48개 언어에서 복잡한 추론, 비전 및 다국어 작업을 위해 설계되어 기업에 효율적이고 정확한 솔루션을 제공합니다.

추천AI 모델 및 LLM

ERNIE 5.1은 성능을 극대화하면서 사전 훈련 비용을 최소화하는 최첨단 AI 모델입니다. 에이전트 기능, 추론 및 창의성에서 상당한 발전을 이루어 AI 분야에서 최고의 경쟁자로 자리 잡고 있습니다.

추천AI 모델 및 LLM

아이디오그램 4.0은 다양한 응용 프로그램을 위해 설계된 고급 AI 모델입니다. 이 모델은 프로젝트에 AI 기술을 활용하려는 사용자에게 강력한 기능을 제공하여 다양한 분야에서 효율성과 생산성을 향상시킵니다.

추천AI 모델 및 LLM

Cosmos 3는 NVIDIA가 개발한 고급 AI 모델로, 인공지능, 고성능 컴퓨팅 및 로봇 공학의 다양한 응용 프로그램을 향상시키기 위해 설계되었습니다. NVIDIA의 GPU 기술 전문성을 활용하여 강력한 계산 능력을 제공합니다.

추천AI 모델 및 LLM

IBM Granite는 비즈니스를 위한 개방적이고 신뢰할 수 있는 AI 모델의 집합으로, 효율적인 언어, 비전, 음성 및 가드레일 모델을 제공하며, 이를 맞춤화하고 배포하여 기업의 요구를 충족할 수 있습니다.

추천AI 모델 및 LLM

잉클링은 개발자를 위해 설계된 975B 매개변수의 다중 모달 AI 모델입니다. 텍스트, 이미지 및 오디오 입력을 수용하며, 챗봇 및 코딩 도우미를 포함한 다양한 애플리케이션에 대한 텍스트 출력을 생성합니다. 오픈 가중치로 출시되어 연구 및 제3자 제품에 통합할 수 있습니다.

추천AI 모델 및 LLM

Olmo from Ai2는 고급 AI 연구 및 응용을 위해 설계된 완전 개방형 언어 모델입니다. 프로그래밍, 추론 및 대화에 최적화된 다양한 모델 변형을 제공하여 개발자와 연구자 모두에게 투명성과 접근성을 보장합니다.

추천AI 모델 및 LLM

Phi-4-reasoning-vision-15B는 Microsoft에서 개발한 다중 모달 AI 모델로, 비전-언어 이해 및 추론 능력이 필요한 작업을 위해 설계되었습니다. 과학적 추론 및 컴퓨터 사용 에이전트 작업에서 뛰어난 성능을 발휘하여 다양한 응용 프로그램에 적합합니다.

추천AI 모델 및 LLM

Falcon-H1R-7B는 수학, 프로그래밍 및 논리 작업에서 성능을 향상시키기 위해 설계된 추론 전문 AI 모델입니다. 기술 혁신 연구소에서 개발하였으며, 효율적인 추론과 테스트 시간 확장을 위해 하이브리드 아키텍처를 활용합니다.

추천AI 모델 및 LLM

OpenAI는 선도적인 인공지능 연구 및 배포 기업입니다. 다양한 애플리케이션에 고급 AI 모델을 개발하고 접근 가능하게 하는 데 중점을 둡니다. 이 회사는 인공 일반 지능이 인류 전체에 혜택을 줄 수 있도록 보장하는 것을 목표로 합니다.

AI 모델 및 LLM

OPT-175B은 Meta AI에서 연구 커뮤니티를 위해 공개한 1750억 개의 매개변수를 가진 언어 모델입니다. 이 모델은 대규모 언어 모델에 대한 접근성을 제공하여 NLP 연구의 심층적인 이해와 발전을 가능하게 하며, 책임감 있는 개발과 편향 완화에 중점을 둡니다.

AI 모델 및 LLM

Gato는 Google DeepMind에서 개발한 단일 일반화 AI 에이전트입니다. Atari 게임 플레이, 이미지 캡셔닝, 채팅, 실제 로봇 팔 제어 등 다양한 작업을 수행할 수 있습니다. 이 멀티모달 에이전트는 트랜스포머 신경망을 사용하여 다양한 데이터 입력을 처리하고 적절한 출력을 생성합니다.

AI 모델 및 LLM

SqueezeNet은 PyTorch를 통해 제공되는 딥 컨볼루션 신경망 모델입니다. AlexNet 수준의 정확도를 달성하면서도 파라미터 수를 현저히 줄이고 모델 크기를 작게 만들어 다양한 컴퓨터 비전 작업에 효율적입니다. 이 모델은 ImageNet으로 사전 학습되었으며 PyTorch 프로젝트에 쉽게 통합할 수 있습니다.

AI 모델 및 LLM

Xception은 Keras 3 API를 통해 사용할 수 있는 딥러닝 모델입니다. Keras Applications의 일부로 다양한 컴퓨터 비전 작업을 위한 사전 학습된 모델을 제공합니다. Xception은 이미지 분류 및 관련 애플리케이션을 위해 설계되었으며, 고급 AI 시스템 구축을 위한 강력한 기반을 제공합니다.

AI 모델 및 LLM

Transfo-XL-WT103는 긴 컨텍스트를 위해 은닉 상태를 재사용할 수 있는 상대적 위치 임베딩을 갖춘 인과적 트랜스포머 모델입니다. Zihang Dai 등이 개발했으며, 입력 및 출력에 적응형 소프트맥스를 사용합니다. 이 모델은 텍스트 생성 작업에 적합하며 Wikitext-103 데이터셋으로 학습되었습니다.

AI 모델 및 LLM

Google DeepMind는 Gopher와 같은 대규모 언어 모델의 기능, 윤리적 고려 사항 및 효율적인 학습에 대해 연구합니다. 연구에는 280억 개의 매개변수를 가진 모델, 위험 평가, 예측 및 추적성 향상을 위한 검색 강화 아키텍처가 포함됩니다. 목표는 AI를 안전하고 유익하게 발전시키는 것입니다.

AI 모델 및 LLM

본 연구는 고정된 컴퓨팅 예산 하에서 대규모 언어 모델(LLM)의 모델 크기와 훈련 데이터 간의 최적의 절충점을 경험적으로 분석합니다. 현재의 대규모 모델들이 종종 너무 크고 충분히 훈련되지 않았음을 밝히고, 더 나은 성능과 추론 비용 감소를 위한 보다 효율적인 접근 방식을 제안합니다.

AI 모델 및 LLM

LaMDA는 구글의 획기적인 대화형 AI 모델로, 방대한 주제에 걸쳐 자유로운 대화를 할 수 있도록 설계되었습니다. Transformer 아키텍처를 기반으로 하며, 대화 데이터에 특화되어 학습되어 감각성(sensibleness)과 구체성(specificity)과 같은 미묘한 차이를 이해하여 보다 자연스러운 인간-컴퓨터…

AI 모델 및 LLM

InstructGPT 모델은 GPT-3보다 사용자 의도를 더 잘 따르도록 훈련된 AI 언어 모델입니다. 인간 피드백을 통한 강화 학습을 통해 더 정확하고, 덜 유해하며, 사용자 목표에 부합하도록 조정되었으며, 현재 OpenAI API를 통해 제공됩니다.

AI 모델 및 LLM

Longformer Base 4096은 긴 문서를 처리하도록 설계된 트랜스포머 모델입니다. RoBERTa를 기반으로 하며 최대 4,096 토큰의 확장된 시퀀스에 대해 사전 학습되었습니다. 이 모델은 슬라이딩 윈도우와 글로벌 어텐션을 결합한 하이브리드 어텐션 메커니즘을 사용하여 효율적인 긴 문서 이해 및 작업별 표현…

AI 모델 및 LLM

BigBird 기본 모델은 블록 희소 어텐션을 사용하여 훨씬 긴 시퀀스를 처리하도록 BERT를 확장한 트랜스포머입니다. 마스크 언어 모델링을 위해 영어 텍스트로 사전 학습되었으며 최대 4096 토큰의 시퀀스를 효율적으로 처리하여 긴 문서 작업에서 최첨단 결과를 달성합니다.

AI 모델 및 LLM

RAG(검색 증강 생성)는 사전 훈련된 언어 모델과 외부 데이터 소스를 결합합니다. 관련 구절을 가져와 생성을 조건화하여 사실적 정확성을 향상시키고 전체 모델 재훈련 없이 지식 업데이트를 가능하게 합니다. 이 접근 방식은 매개변수 및 비매개변수 메모리를 통합하여 응답 품질을 개선합니다.

AI 모델 및 LLM

SimCLR는 시각적 표현을 위한 자기 지도 및 준지도 학습 프레임워크입니다. 동일한 이미지의 다르게 변환된 뷰 간의 일치를 최대화하기 위해 대조 학습을 사용하여 이전 접근 방식을 단순화하며, 레이블이 제한된 데이터로 이미지 분류 작업에서 최첨단 성능을 달성합니다.

AI 모델 및 LLM

Phi-2는 Microsoft Research에서 개발한 27억 개의 매개변수를 가진 언어 모델입니다. 뛰어난 추론 및 언어 이해 능력을 보여주며, 130억 개 미만의 모델 중에서 최첨단 성능을 달성합니다. Phi-2는 복잡한 벤치마크에서 최대 25배 더 큰 모델과 동등하거나 능가하는 성능을 보여 연구 및 실험에…

AI 모델 및 LLM

ControlNet는 조건부 제어를 추가하여 확산 모델을 향상시키며, 사용자가 특정 입력으로 이미지 생성을 안내할 수 있도록 합니다. 사전 훈련된 모델을 파괴하지 않고 미세 조정을 가능하게 하여 개인 장치에 적합하며 모델 병합 및 교체에 유연성을 제공합니다.

AI 모델 및 LLM

이 AI 모델은 ImageNet 분류를 위해 훈련된 대규모 심층 컨볼루션 신경망을 상세히 설명합니다. 6천만 개의 매개변수와 50만 개의 뉴런을 5개의 컨볼루션 레이어와 2개의 완전 연결 레이어에 걸쳐 활용하여 테스트 데이터에서 39.7%의 top-1 및 18.9%의 top-5 오류율로 최첨단 결과를 달성했습니다.

AI 모델 및 LLM

StyleGAN3는 생성자 내 신호 처리를 재정비하여 앨리어스 프리(alias-free) 생성적 적대 신경망을 도입합니다. 이 혁신은 "텍스처 고정(texture sticking)" 현상을 제거하여 비디오 및 애니메이션의 보다 일관된 합성을 가능하게 합니다. 이 모델은 StyleGAN2의 FID를 달성하면서도 변환 및…

AI 모델 및 LLM

UL2 20B은 다양한 언어 모델링 패러다임을 통합하는 오픈 소스 통합 언어 학습 모델입니다. 여러 디노이저의 혼합을 통해 목표를 디노이징 작업으로 구성하여 파인튜닝 및 퓨샷 학습 작업 전반의 성능을 향상시키며, 언어 모델 학습에 대한 균형 잡힌 접근 방식을 제공합니다.

AI 모델 및 LLM

FLAN-T5는 T5 언어 모델의 향상된 버전으로, 다양한 작업에 대해 특별히 미세 조정되었습니다. 추가적인 미세 조정 없이도 성능이 향상되어 다양한 자연어 처리 애플리케이션에 즉시 사용할 수 있습니다. 여러 크기로 제공되어 다양한 컴퓨팅 요구 사항에 대한 유연성을 제공합니다.

AI 모델 및 LLM

PaLM-E는 텍스트와 실제 연속 센서 데이터를 통합하는 체화된 멀티모달 언어 모델입니다. 이를 통해 로봇은 언어를 인식에 기반하여 복잡한 작업을 수행할 수 있으며, 다양한 훈련 도메인과 체화에 걸쳐 긍정적인 전이를 보여 고급 추론 및 계획 기능을 구현합니다.

AI 모델 및 LLM

DGCNN은 동적 그래프 CNN을 구현한 포인트 클라우드 학습용 AI 모델입니다. 3D 포인트 클라우드 데이터의 분류 및 분할과 같은 작업에서 최첨단 성능을 달성합니다. 이 모델은 PyTorch 구현으로 제공되며 실제 시나리오에 적용되었습니다.

AI 모델 및 LLM

Wav2vec 2.0은 자동 음성 인식(ASR)을 위한 자기 지도 학습 알고리즘입니다. 원시 오디오에서 학습하며 높은 정확도를 달성하기 위해 최소한의 전사 데이터만 필요로 합니다. 이를 통해 광범위한 레이블이 지정된 데이터셋에 대한 의존도를 줄이고 더 많은 언어, 방언 및 도메인에 대한 음성 인식이 가능해집니다.

AI 모델 및 LLM

AudioLM은 장기적인 일관성을 갖춘 고품질 오디오를 생성하는 AI 모델입니다. 오디오 생성을 언어 모델링 작업으로 취급하여 오디오를 이산 토큰으로 매핑합니다. 이 프레임워크는 보지 못한 화자나 스타일에서도 음성 및 음악에 대한 자연스럽고 일관된 연속 생성을 탁월하게 수행합니다.

AI 모델 및 LLM

ALIGN은 10억 개 이상의 노이즈가 포함된 이미지-alt 텍스트 쌍에서 얻은 노이즈 텍스트 감독을 사용하여 시각 및 시각-언어 표현 학습을 확장하는 AI 모델입니다. 크로스 모달 검색 및 시각 전용 작업에서 최첨단 결과를 달성하여 제로샷 분류 및 멀티모달 검색을 가능하게 합니다.

AI 모델 및 LLM

Flamingo는 Google DeepMind에서 개발한 단일 비주얼 언어 모델(VLM)로, 다양한 멀티모달 작업에서 소량의 예시만으로 학습하는 데 탁월한 성능을 보입니다. 이미지, 비디오, 텍스트가 혼합된 입력을 처리하여 관련 언어 출력을 생성하며, 추가 학습 없이 최소한의 작업별 예시만으로도 새로운 작업을 수행할 수…

AI 모델 및 LLM

BEiT는 마스크된 이미지 모델링을 사용하여 비전 트랜스포머를 사전 학습하는 자기 지도 비전 표현 모델입니다. 이미지를 시각적 토큰으로 토큰화하고 마스크된 패치를 복구하여 이미지 분류 및 의미론적 분할과 같은 다운스트림 작업에서 경쟁력 있는 결과를 달성합니다.

AI 모델 및 LLM

Variational Autoencoders(VAE)는 잠재 공간 표현에 대한 확률론적 접근 방식을 제공합니다. 표준 오토인코더와 달리 VAE는 관측값을 확률 분포로 인코딩하여 더 부드러운 잠재 공간과 생성 기능을 가능하게 합니다. 이를 통해 보다 미묘한 데이터 표현 및 재구성이 가능합니다.

AI 모델 및 LLM

Reformer는 방대한 순차 데이터를 처리하기 위해 Transformer 아키텍처를 개선한 AI 모델입니다. 어텐션 메커니즘과 메모리 할당의 한계를 해결하여 16GB 메모리의 단일 가속기에서 최대 100만 단어의 컨텍스트 창을 지원합니다.

AI 모델 및 LLM

ImageBind는 Meta AI의 멀티모달 AI 모델로, 이미지, 비디오, 오디오, 텍스트, 깊이, 열화상 등 6가지 모달리티의 데이터를 결합합니다. 명시적인 지도 학습 없이 단일 임베딩 공간을 학습하여 AI 시스템을 위한 고급 상호 모달 이해 및 생성을 가능하게 합니다.

AI 모델 및 LLM

Intern Large Models(InternLM)는 상하이 인공지능 연구소에서 개발한 오픈소스 LLM 및 MLLM 제품군으로, InternVL 및 InternLM-XComposer와 같은 모델과 함께 XTuner를 사용한 파인튜닝 및 LMDeploy를 사용한 배포를 위한 개발 및 애플리케이션 도구 체인을 제공합니다.

AI 모델 및 LLM

통의 실험실 (Meet Tongyi)은 Alibaba Cloud의 통의첸원 대규모 언어 모델 공식 웹사이트입니다. 모델 전체 제품군, 최신 산업 뉴스 및 최첨단 애플리케이션을 선보이며 자연어, 텍스트 생성 및 시각적 이해에서의 기능을 포괄적으로 개괄합니다.

AI 모델 및 LLM

Zephyr-7B-β는 Direct Preference Optimization을 사용하여 Mistral-7B-v0.1에서 미세 조정된 오픈 소스 언어 모델입니다. 유용한 어시스턴트로서 뛰어난 성능을 보여주며, MT-Bench 및 AlpacaEval 벤치마크에서 강력한 성능을 입증하여 채팅 애플리케이션에 적합합니다.

AI 모델 및 LLM

Fuyu-8B는 디지털 에이전트를 위해 설계된 오픈 소스 멀티모달 AI 모델입니다. 단순화된 아키텍처는 임의의 이미지 해상도를 지원하여 그래프, 다이어그램 및 UI 요소에 대한 질문에 빠른 응답 시간으로 답변할 수 있습니다. 표준 벤치마크에서 우수한 성능을 보이며 HuggingFace에서 사용할 수 있습니다.

AI 모델 및 LLM

IDEFICS는 최첨단 기능을 재현하는 오픈 액세스 비주얼 언어 모델입니다. 이미지와 텍스트를 인터리브 방식으로 입력받아 텍스트 출력을 생성하며, Flamingo와 같은 독점 모델과 비교할 수 있습니다. 9B 및 80B 매개변수 크기로 제공되며, 멀티모달 AI 연구 개발을 지원합니다.

AI 모델 및 LLM

MiniGPT-4는 고정된 비주얼 인코더와 대규모 언어 모델을 정렬하여 시각-언어 이해를 향상시키는 AI 모델입니다. 상세한 이미지 설명 생성, 초안에서 웹사이트 제작, 이미지에서 영감을 받은 스토리 작성, 시각적 문제 해결 등 고급 멀티모달 기능을 시연합니다.

AI 모델 및 LLM

LLaVA는 범용적인 시각 및 언어 이해를 위해 비전 인코더와 언어 모델을 결합한 대규모 멀티모달 모델입니다. GPT-4를 모방한 멀티모달 채팅 기능에 뛰어나며, 시각적 명령어 튜닝을 통해 Science QA와 같은 벤치마크에서 최첨단 정확도를 달성합니다.

AI 모델 및 LLM

Mamba는 언어와 같이 정보 밀도가 높은 데이터에 특히 효과적인 효율적인 시퀀스 모델링을 위해 설계된 새로운 상태 공간 모델 아키텍처입니다. 하드웨어 인식 구현을 제공하며, 이전의 부분 이차 모델보다 성능이 뛰어나고 트랜스포머와 경쟁하는 것을 목표로 합니다.

AI 모델 및 LLM

RWKV는 효율적인 추론 및 유연한 미세 조정 기능을 제공하는 강력한 언어 모델입니다. 데스크톱 GUI, 웹 기반 추론, 모바일 앱을 포함한 다양한 애플리케이션을 지원하여 다양한 작업을 위해 여러 플랫폼 및 장치에서 고급 AI에 접근할 수 있도록 합니다.

AI 모델 및 LLM

OpenELM은 Apple Machine Learning Research에서 개발한 최첨단 오픈 언어 모델 제품군입니다. 향상된 정확도를 위한 계층별 스케일링 전략을 특징으로 하며, 로그 및 체크포인트를 포함한 공개 데이터셋에 대한 학습 및 평가를 위한 완전한 프레임워크를 제공합니다. 또한 Apple 기기에서의 MLX…

AI 모델 및 LLM

N-BEATS는 단변량 시계열 예측을 위한 신경망 기반 모델입니다. ServiceNow Research에서 개발했으며, 재현 가능한 실험 결과를 위해 N-BEATS 알고리즘을 구현합니다. 이 리포지토리는 고급 시계열 분석을 위한 PyTorch 구현, 데이터셋 로더 및 실험 구성을 제공합니다.

AI 모델 및 LLM

零一万物 (01.AI)는 파운데이션 모델의 혁신을 주도하는 글로벌 AI 기업으로, AI 2.0에 집중하고 있습니다. 이들은 기술, 플랫폼, 애플리케이션을 혁신하여 AI가 인간의 생산성과 사회적 가치를 향상시키는 새로운 생태계를 창조하는 것을 목표로 합니다. 궁극적으로 AGI를 모든 사람이 접근 가능하고 유익하게 만드는…

AI 모델 및 LLM

DBRX는 Databricks에서 개발한 최첨단 오픈 대규모 언어 모델(LLM)로, 언어, 프로그래밍, 수학 벤치마크에서 뛰어난 성능을 보입니다. GPT-3.5를 능가하고 Gemini 1.0 Pro와 경쟁할 수 있는 향상된 효율성과 품질을 제공하여, 고급 LLM 기능을 기업 및 오픈 커뮤니티에 제공합니다.

AI 모델 및 LLM

Imagen은 Google Research에서 개발한 텍스트-이미지 확산 모델로, 언어에 대한 깊은 이해를 바탕으로 사실적인 이미지를 생성합니다. Imagen은 이미지-텍스트 정렬 및 샘플 충실도에서 뛰어나며, 인간 평가에서 다른 모델을 능가하고 COCO와 같은 벤치마크에서 최첨단 FID 점수를 달성했습니다.

AI 모델 및 LLM

이 AI 모델은 통계적 기계 번역을 위한 새로운 신경망 아키텍처인 RNN 인코더-디코더를 소개합니다. 두 개의 순환 신경망을 사용하여 소스 시퀀스를 벡터로 인코딩하고 이를 타겟 시퀀스로 디코딩하여 번역 성능을 향상시키고 의미 있는 구문 표현을 학습합니다.

AI 모델 및 LLM

OpenLLaMA는 Meta AI의 LLaMA 7B 모델을 허용 가능한 라이선스로 재현한 오픈 소스 모델입니다. RedPajama 데이터셋으로 학습되었으며, 3B, 7B, 13B 파라미터 버전을 제공하고 PyTorch 및 JAX 가중치를 통해 기존 LLaMA 구현에 원활하게 통합할 수 있습니다.

AI 모델 및 LLM

UNITER는 ECCV 2020 논문 'UNITER: UNiversal Image-TExt Representation Learning'의 연구 코드 저장소입니다. VQA, VCR, 이미지-텍스트 검색 등 다양한 비전-언어 작업에 대한 파인튜닝 및 추론 코드를 제공합니다. UNITER-base 및 UNITER-large에…

AI 모델 및 LLM

Oscar와 VinVL은 비전-언어 작업을 위한 고급 AI 모델입니다. Oscar는 객체 의미론적 정렬을 사용하여 사전 학습하며 최첨단 결과를 달성합니다. VinVL은 시각적 표현을 향상시켜 다양한 비전-언어 벤치마크에서 성능을 더욱 개선합니다. 이 프로젝트는 재현 및 추가 연구를 위한 코드, 사전 학습된 모델 및…

AI 모델 및 LLM

다재다능한 확산 모델인 DiffWave를 기반으로 한 오디오 합성 데모를 살펴보세요. 이 리소스는 신경 보코딩, 클래스 조건부 생성, 비조건부 파형 생성 및 음성 노이즈 제거 기능을 보여줍니다. 다양한 데이터셋과 조건에서 모델의 성능에 대한 오디오 샘플과 통찰력을 제공하며 유연성을 강조합니다.

AI 모델 및 LLM

FastSpeech 2는 음성 품질과 학습 속도를 향상시키는 종단 간(end-to-end) 텍스트 음성 변환 모델입니다. 피치 및 에너지와 같은 음성 변형 정보를 직접 통합하여, 이전의 비자기회귀(non-autoregressive) 모델의 단점을 개선하고, 티처 증류(teacher distillation)를 제거하며,…

AI 모델 및 LLM

HiFi-GAN은 효율적이고 고품질의 음성 합성을 위한 생성적 적대 신경망입니다. 오디오의 주기적 패턴을 모델링하여 샘플 품질을 향상시키고, 높은 속도로 사람과 유사한 품질을 달성합니다. 이 모델은 단일 화자, 알려지지 않은 화자, 종단 간 합성을 지원하며, CPU용 소형 버전도 제공합니다.

AI 모델 및 LLM

Vision Transformer (ViT) 리포지토리는 이미지 인식 작업을 위한 모델과 코드를 제공합니다. 여기에는 ImageNet 및 ImageNet-21k 데이터셋으로 사전 학습된 Vision Transformer 및 MLP-Mixer 아키텍처 구현과 JAX/Flax에서의 파인튜닝 코드가 포함됩니다.

AI 모델 및 LLM

FNet는 푸리에 변환으로 자체 주의 메커니즘을 대체하는 효율적인 트랜스포머 유사 인코더 아키텍처입니다. Google Research에서 개발했으며, 자연어 처리 작업에 대한 고성능 대안을 제공합니다. 이 모델은 Jax/Flax로 구현되었으며 GitHub에서 사전 학습 및 미세 조정을 위해 사용할 수 있습니다.

AI 모델 및 LLM

SpanBERT는 텍스트 스팬의 표현 및 예측을 통해 사전 학습을 개선하는 데 중점을 둔 AI 모델입니다. HuggingFace BERT 형식과 호환되는 사전 학습된 기본 및 대형 cased 모델을 제공합니다. 이 리포지토리는 질문 답변 및 관계 추출을 포함한 다양한 NLP 작업에서 SpanBERT를 사용하고 평가하기…

AI 모델 및 LLM

LayoutLM은 시각적으로 풍부한 문서 이해 및 정보 추출을 위한 멀티모달 사전 학습 모델입니다. 텍스트, 레이아웃, 이미지 정보를 결합하여 폼 및 영수증 이해와 같은 작업에서 최첨단 결과를 달성합니다. 이 모델은 다국어 지원을 포함한 다양한 크기와 버전으로 제공됩니다.

AI 모델 및 LLM

UniLM은 Microsoft에서 개발한 대규모 자체 지도 사전 학습 프레임워크입니다. 텍스트, 이미지, 오디오를 포함한 다양한 작업, 언어 및 모달리티에 걸쳐 모델이 학습할 수 있도록 지원합니다. 이 프로젝트는 고급 AI 연구 및 개발을 위한 기반 모델과 툴킷을 제공합니다.

AI 모델 및 LLM

MASS는 시퀀스-투-시퀀스 언어 생성 작업을 위한 사전 학습 방법입니다. 인코더에서 문장 조각을 마스킹하여 디코더가 예측하도록 하며, 신경망 기계 번역 및 텍스트 요약과 같은 작업을 향상시킵니다. 이 코드베이스는 Fairseq 기반의 다양한 애플리케이션을 지원합니다.

AI 모델 및 LLM

PEGASUS는 Google Research에서 개발한 최첨단 추상적 텍스트 요약 모델입니다. 독창적인 사전 학습 목표인 'gap-sentence generation'을 활용하여 다양한 요약 작업에서 뛰어난 성능을 달성합니다. 이 모델은 최소한의 파인튜닝 데이터로도 고품질 결과를 얻을 수 있는 뛰어난 샘플 효율성을…

AI 모델 및 LLM

ProphetNet은 자연어 생성에 초점을 맞춘 MSRA NLC 팀의 연구 프로젝트입니다. 미래 정보, 공동 생성기-랭커 학습, 확산 기반 텍스트 생성 등을 위한 사전 학습 모델의 공식 구현을 제공합니다. 이 프로젝트는 GitHub에서 호스팅됩니다.

AI 모델 및 LLM

DeBERTa는 Microsoft Research에서 개발한 대규모 사전 학습 언어 모델입니다. T5 11B 모델보다 뛰어난 성능을 보이며 SuperGLUE 벤치마크에서 인간 수준의 결과를 달성했습니다. 이 고급 모델은 자연어 이해 작업에 상당한 기능을 제공합니다.

AI 모델 및 LLM

Funnel-Transformer는 계산 비용을 줄이기 위해 은닉 상태를 압축하는 AI 모델입니다. 동일한 FLOPs로 더 깊거나 넓은 모델을 만들 수 있으며, 표준 사전 학습을 위한 토큰 수준 표현을 복구할 수 있습니다. 이 모델은 TensorFlow 및 PyTorch 구현으로 제공됩니다.

AI 모델 및 LLM

ConvBERT는 스팬 기반 동적 컨볼루션이라는 새로운 아키텍처를 도입한 오픈 소스 언어 모델 사전 학습 AI 모델입니다. 이 GitHub 리포지토리는 V100 GPU에서 테스트된 ConvBERT 모델의 사전 학습 및 미세 조정을 위한 코드를 제공하며, TensorFlow 사용 지침을 포함합니다.

AI 모델 및 LLM

MPNet은 BERT와 XLNet을 개선한 언어 이해 작업을 위한 새로운 사전 학습 방법입니다. 다양한 사전 학습 모델에 대한 통합 구현을 제공하며, GLUE 및 SQuAD와 같은 다양한 언어 이해 작업에 대한 사전 학습 및 미세 조정을 위한 코드를 지원합니다.

AI 모델 및 LLM

StyleSwin은 고해상도 이미지 생성을 위해 설계된 트랜스포머 기반 생성적 적대 신경망(GAN)입니다. Swin 트랜스포머와 새로운 이중 어텐션 메커니즘을 활용하여 계산 효율성과 모델링 용량을 균형 있게 조절하며, 최대 1024x1024 해상도에서 우수한 결과를 달성합니다.

AI 모델 및 LLM

Decision Transformer는 강화 학습을 시퀀스 모델링 문제로 재구성하여 GPT-x 및 BERT와 같은 Transformer 아키텍처를 활용합니다. 원하는 반환값, 과거 상태 및 행동에 대한 조건화를 통해 최적의 행동을 생성하며, Atari, OpenAI Gym 및 Key-to-Door 작업에서 최첨단 성능을…

AI 모델 및 LLM

This GitHub repository provides the official implementation for the NeurIPS 2021 paper 'Revisiting Deep Learning Models for Tabular Data.' It explores deep learning architectures…

AI 모델 및 LLM

SPP_net은 시각 인식에서 딥 컨볼루션 네트워크를 위한 공간 피라미드 풀링 알고리즘의 재구현입니다. 2014년 ECCV 논문의 객체 탐지 결과를 재현하는 것을 목표로 하며, 코드 배포의 용이성을 위해 Caffe를 활용합니다. 이 프로젝트는 모델 학습 및 미세 조정을 위한 코드를 제공합니다.

AI 모델 및 LLM

ShuffleNet 시리즈 리포지토리는 모바일 장치 및 리소스 제약 환경을 위해 설계된 고효율 컨볼루션 신경망 모델 컬렉션을 제공합니다. 신경망 아키텍처 검색 및 객체 탐지 백본을 위한 도구와 함께 ShuffleNetV1, ShuffleNetV2 및 특수 변형과 같은 다양한 버전을 포함합니다.

AI 모델 및 LLM

MnasNet은 속도 제약을 검색 보상 함수에 직접 통합하여 모바일 머신러닝 모델 설계를 자동화합니다. 이 플랫폼 인식 접근 방식은 정확도와 속도의 균형을 맞추는 모델을 식별하여 모바일 장치에서 수작업으로 만든 모델보다 뛰어난 성능을 발휘합니다.

AI 모델 및 LLM

이 리포지토리는 이미지 인식 작업을 위한 컨볼루션 신경망 아키텍처인 ConvMixer의 구현을 제공합니다. "Patches Are All You Need? 🤷" 논문을 기반으로 하며, 평가를 위한 사전 학습된 모델 가중치와 ImageNet-1k 및 CIFAR-10과 같은 데이터셋에서 학습하기 위한 코드를 제공합니다.

AI 모델 및 LLM

RepVGG는 ImageNet에서 높은 정확도를 달성하는 강력하고 단순한 ConvNet 아키텍처입니다. 재매개변수화 기법을 활용한 VGG 스타일 설계를 통해 효율적인 추론이 가능합니다. 이 프로젝트는 사전 학습된 모델, 학습 코드 및 다양한 컴퓨터 비전 작업을 위한 예제를 제공합니다.

AI 모델 및 LLM

MobileOne은 모바일 장치에 최적화된 효율적인 신경망 백본입니다. 추론 속도를 최적화하여 높은 정확도로 iPhone12에서 1ms 미만을 달성합니다. 이 모델은 이미지 분류, 객체 탐지 및 의미론적 분할 작업 전반에 걸쳐 일반화되어 상당한 지연 시간 및 정확도 개선을 제공합니다.

AI 모델 및 LLM

Vision GNN (ViG)는 Huawei Noah's Ark Lab에서 개발한 Vision Graph Neural Network의 PyTorch 구현체입니다. ViG 및 Pyramid ViG 아키텍처 모두에 대한 사전 학습된 모델과 학습 스크립트를 포함하여 이미지 처리 작업을 위한 효율적인 AI 백본을 제공합니다.

AI 모델 및 LLM

Deformable Convolutional Networks (DCN)는 컨볼루션 커널에 대한 샘플링 오프셋을 능동적으로 학습하여 딥러닝 모델을 향상시킵니다. 이를 통해 네트워크는 기하학적 변환 및 객체 변형을 더 잘 포착할 수 있으며, 객체 탐지 및 의미론적 분할과 같은 작업에서 성능을 개선합니다. 이 프로젝트는…

AI 모델 및 LLM

PointPillars for KITTI 객체 탐지는 KITTI 데이터셋에서 PointPillars 논문의 결과를 재현하기 위한 코드를 제공하는 GitHub 저장소입니다. 포인트 클라우드로부터의 빠른 객체 탐지 인코더에 중점을 둔 SECOND 코드베이스의 포크입니다. 이 프로젝트는 보관 처리되어 읽기 전용 상태입니다.

AI 모델 및 LLM

SECOND PyTorch는 KITTI 및 NuScenes 데이터셋을 위한 SECOND 객체 감지 네트워크의 오픈 소스 구현입니다. LiDAR 데이터에서 효율적인 3D 객체 감지를 위해 희소 컨볼루션을 활용합니다. 이 프로젝트는 Python 3.6+ 및 PyTorch 1.0.0+를 지원하는 학습 및 평가 코드를…

AI 모델 및 LLM

CTRL은 제어 가능한 텍스트 생성을 위한 16억 개의 매개변수를 가진 조건부 트랜스포머 언어 모델입니다. 도메인, 개체 및 작업별 동작을 지정하기 위해 제어 코드를 조건으로 사용하여 생성된 콘텐츠를 보다 명시적으로 제어할 수 있습니다. 미묘한 텍스트 생성을 원하는 연구원 및 개발자에게 유용합니다.

AI 모델 및 LLM

DialoGPT는 대화 응답 생성을 위한 대규모 사전 학습 언어 모델입니다. Microsoft에서 개발했으며, GPT-2 아키텍처를 활용하고 방대한 Reddit 대화 데이터로 학습하여 인간 수준의 대화 응답을 생성하는 것을 목표로 합니다. 다양한 계산 요구 사항에 맞춰 여러 모델 크기를 제공합니다.

AI 모델 및 LLM

Meena는 개방형 도메인 대화를 위해 설계된 26억 개의 매개변수를 가진 신경망 대화 모델입니다. 기존 챗봇보다 더 합리적이고 구체적인 응답을 제공하여 인간과 유사한 상호작용을 개선하고 언어 연습 및 대화형 엔터테인먼트와 같은 분야에 잠재적인 응용을 제공하는 것을 목표로 합니다.

AI 모델 및 LLM

GODEL은 목표 지향 대화 생성을 위한 대규모 사전 학습 트랜스포머 기반 모델입니다. 외부 텍스트에 기반한 응답 생성에 뛰어나 다양한 대화 작업에 대한 효율적인 미세 조정을 가능하게 합니다. 이 리포지토리에는 연구 및 개발을 위한 코드, 데이터셋, 사전 학습 모델이 포함되어 있습니다.

AI 모델 및 LLM

RETRO(Retrieval Enhanced Transformers)는 검색 기능을 트랜스포머 아키텍처에 통합한 AI 모델입니다. 웹 페이지, 책, 뉴스, 코드 등 방대한 텍스트 데이터베이스에 액세스하여 언어 생성 정확도와 사실적 일관성을 향상시킵니다. 이 방식은 표준 트랜스포머에 비해 상당한 성능 향상을 제공합니다.

AI 모델 및 LLM

BERT는 100개 이상의 언어를 지원하는 두 가지 다국어 모델(Cased 및 Uncased)을 제공합니다. Cased 모델은 라틴 문자 이외의 알파벳과 일반적인 용도에 권장되며, Uncased 모델은 이전 버전입니다. 이 모델들은 자연어 이해 작업을 위해 설계되었으며 특정 애플리케이션에 맞게 미세…

AI 모델 및 LLM

LS-GAN, 또는 Loss-Sensitive Generative Adversarial Networks는 GAN의 발전을 목표로 하는 프로젝트입니다. 향상된 생성 품질과 안정성을 목표로 손실 함수에 대한 새로운 접근 방식을 도입합니다. 이 프로젝트는 LS-GAN 및 그 변형을 구현하고 실험하기 위한 소스 코드를…

AI 모델 및 LLM

이 GitHub 리포지토리는 조건부 이미지 생성을 위한 공식 Chainer 구현을 제공합니다. 생성적 적대 신경망(GAN)에 스펙트럼 정규화와 프로젝션 판별자를 활용합니다. 이 프로젝트에는 ImageNet, 개, 고양이 이미지와 같은 데이터셋에서 학습, 평가 및 이미지 생성 코드가 포함되어 있습니다.

AI 모델 및 LLM

이 리포지토리는 MADE(Masked Autoencoder Density Estimation)의 PyTorch 구현을 제공합니다. MLP의 연결을 마스킹하여 오토인코더를 자기회귀적 밀도 모델로 변환할 수 있습니다. 이 코드는 이진화된 MNIST 예제를 통해 효율적인 가능도 평가 및 샘플링을 지원합니다.

AI 모델 및 LLM

Lyra는 Google에서 개발한 혁신적인 초저비트율 음성 코덱입니다. 기계 학습을 활용하여 음성 신호를 압축함으로써 가장 느린 네트워크에서도 고품질 오디오 통신을 가능하게 합니다. Lyra는 생성 모델을 사용하여 추출된 특징으로부터 음성을 재구성함으로써 기존 코덱에 비해 상당한 대역폭 감소를 제공합니다.

AI 모델 및 LLM

SoundStorm은 효율적인 비자기회귀(non-autoregressive) 오디오 생성 AI 모델입니다. 이전 방식보다 두 자릿수 이상 빠른 속도로 고품질 오디오를 생성하며, 음성 및 음향 조건의 일관성을 유지합니다. 말하는 내용, 화자 목소리, 화자 전환을 제어하여 자연스러운 대화 세그먼트를 합성할 수 있습니다.

AI 모델 및 LLM

GluonTS는 PyTorch 및 MXNet 기반의 딥러닝 모델을 활용하는 확률론적 시계열 모델링을 위한 Python 패키지입니다. 예측 구간을 포함한 확률 분포 형태로 예측을 생성하여 정확한 예측을 지원하며, 복잡한 시계열 분석에 적합합니다.

AI 모델 및 LLM

LSTNet은 시계열 예측을 위해 설계된 딥러닝 모델입니다. 순환 신경망과 컨볼루션 신경망의 조합을 사용하여 장단기 시간 패턴을 효과적으로 모델링합니다. 이 모델은 복잡한 시계열 데이터에 특히 유용합니다.

AI 모델 및 LLM

Autoformer는 분해 트랜스포머와 자동 상관 메커니즘을 활용하는 장기 시계열 예측을 위한 AI 모델입니다. 다양한 벤치마크에서 최첨단 결과를 달성하며, 실제 애플리케이션에서 예측 정확도를 향상시키기 위한 시리즈별 연결에 대한 새로운 접근 방식을 제공합니다.

AI 모델 및 LLM

Informer2020 GitHub 리포지토리는 효율적인 장기 시계열 예측을 위해 설계된 Informer 모델의 PyTorch 구현을 제공합니다. 이 모델은 자체 어텐션 점수에서 롱테일 분포를 처리하기 위한 ProbSparse Attention을 특징으로 하며, 복잡한 예측 작업에 대한 고급 솔루션을 제공합니다.

AI 모델 및 LLM

FEDformer는 효율적인 장기 시계열 예측을 위해 설계된 주파수 강화 분해 트랜스포머(Frequency Enhanced Decomposed Transformer)입니다. 시퀀스 길이에 대한 선형 복잡성을 달성하여 다변량 및 단변량 데이터셋 모두에서 예측 오류를 크게 줄임으로써 최첨단 방법을 능가합니다. 이 모델은…

AI 모델 및 LLM

PatchTST는 Transformer 기반 모델의 공식 구현으로, 장기 시계열 예측에 사용됩니다. 시계열을 패치로 분할하고 독립적으로 처리하여 효율적이고 효과적인 예측을 제공합니다. 이 프로젝트는 지도 학습 및 자기 지도 학습 접근 방식 모두에 대한 코드를 제공하여 강력한 예측 기능을 지원합니다.

AI 모델 및 LLM

LTSF-Linear은 "Are Transformers Effective for Time Series Forecasting?" 논문의 공식 PyTorch 구현입니다. 장기 시계열 예측 작업에서 트랜스포머보다 뛰어난 성능을 제공하는 선형 모델(Linear, DLinear, NLinear) 제품군을 소개하며, 높은 효율성과…

AI 모델 및 LLM

TimesNet은 1D 시계열을 2D 공간으로 변환하여 모델링을 강화하는 일반 시계열 분석을 위한 기반 모델입니다. 예측, 대체, 이상 탐지 및 분류에서 최첨단 결과를 달성하며, 다양한 시간 패턴에 걸쳐 강력한 표현 학습을 위해 비전 백본을 활용합니다.

AI 모델 및 LLM

이 리포지토리는 "Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks" 논문에 상세히 설명된 강화 학습 실험을 위한 코드를 제공합니다. 이를 통해 연구원과 개발자는 RL 맥락에서 딥 뉴럴 네트워크의 빠른 적응을 위한 메타 학습 기법을 탐색할 수 있습니다.

AI 모델 및 LLM

이 저장소에는 NeurIPS 2017 논문 "Few-shot Learning을 위한 프로토타입 네트워크"의 코드가 포함되어 있습니다. 소수의 예시만으로 모델을 학습할 수 있는 새로운 방식의 few-shot learning 구현을 제공합니다.

AI 모델 및 LLM

이 리포지토리는 CVPR 2018 논문 'Learning to Compare: Relation Network for Few-Shot Learning'의 PyTorch 코드를 제공합니다. Few-Shot Learning 측면에 중점을 두어 Omniglot 및 mini-Imagenet과 같은 데이터셋에서 모델을 학습하고…

AI 모델 및 LLM

이 GitHub 리포지토리는 "Generative Adversarial Imitation Learning" 논문의 코드를 포함하고 있습니다. Trust Region Policy Optimization을 구현하며, 모방 학습 정책을 훈련하고 평가하기 위한 스크립트를 제공합니다. 이 프로젝트는 보관 처리되어 읽기 전용이며,…

AI 모델 및 LLM

이 GitHub 리포지토리에는 "When to Trust Your Model: Model-Based Policy Optimization" 논문의 코드가 포함되어 있습니다. 모델 기반 정책 최적화 알고리즘 구현을 제공하여 연구원 및 개발자가 실험을 재현하고 강화 학습 연구를 기반으로 구축할 수 있도록 합니다.

AI 모델 및 LLM

이 리포지토리에는 "Probabilistic Dynamics Models를 사용한 소수의 시도로 심층 강화 학습"에 대한 실험 코드가 포함되어 있습니다. PETS 알고리즘을 구현하여 불확실성을 인지하는 심층 신경망 동역학 모델과 샘플링 기반 불확실성 전파를 결합하여 RL 작업에서 효율적인 샘플 학습을 제공합니다.

AI 모델 및 LLM

PlaNet은 잠재적 동역학을 학습하여 픽셀로부터 계획하는 모델 기반 강화 학습 알고리즘입니다. 학습된 잠재 공간에서 미래 보상을 효율적으로 예측하며, 적은 환경 상호작용으로 모델 프리(model-free) 방식과 경쟁합니다. 이 프로젝트는 오픈 소스 구현을 제공합니다.

AI 모델 및 LLM

OpenAI Five는 OpenAI에서 개발한 5개의 신경망 팀입니다. 이 AI 시스템은 복잡한 Dota 2 게임에서 아마추어 인간 팀과 경쟁하고 승리하는 능력을 보여주었으며, 고급 전략 및 협업 AI를 선보였습니다.

AI 모델 및 LLM

AlphaStar는 복잡한 실시간 전략 게임인 StarCraft II에서 그랜드마스터 수준을 달성한 AI 모델입니다. 이 모델은 인간과 유사한 제약 조건 하에서 게임 제한 없이 플레이하며, 멀티 에이전트 강화 학습과 모방 학습을 활용하여 동적인 환경에서 고급 AI 역량을 보여줍니다.

AI 모델 및 LLM

Policy gradient methods are a class of reinforcement learning algorithms that directly learn a policy function. Unlike value-based methods, they optimize a policy's parameters to…

AI 모델 및 LLM

SARSA는 마르코프 결정 과정 정책을 학습하기 위한 강화 학습 알고리즘입니다. 에이전트의 현재 상태, 행동, 보상, 다음 상태 및 다음 행동을 기반으로 Q-값을 업데이트하여 동적 환경에서 적응적인 의사 결정을 가능하게 합니다. 이 온-폴리시 방법은 지능형 에이전트 개발에 중요합니다.

AI 모델 및 LLM

Q-러닝은 현재 상태를 기반으로 행동에 가치를 할당하도록 에이전트를 훈련하는 모델 프리 강화 학습 알고리즘입니다. 명시적인 환경 모델 없이 확률적 환경을 처리하며 기대되는 미래 보상을 최대화하여 의사 결정을 최적화합니다. 복잡한 순차적 의사 결정 문제에 유용합니다.

AI 모델 및 LLM

This project provides a Keras-based implementation of Relational Graph Convolutional Networks (R-GCNs). It is designed for semi-supervised node classification on directed…

AI 모델 및 LLM

CompGCN은 Composition-Based Multi-Relational Graph Convolutional Networks의 PyTorch 구현체입니다. 지식 그래프 링크 예측과 같은 작업에 대한 고급 그래프 표현 학습을 가능하게 하며, 유연한 구성 연산과 다양한 점수 함수와의 호환성을 제공합니다.

AI 모델 및 LLM

이 저장소는 "Simple and Deep Graph Convolutional Networks" (GCNII) 모델의 PyTorch 구현을 제공합니다. 여기에는 벤치마크 그래프 데이터셋에 대한 준지도 및 완전 지도 결과를 재현하기 위한 코드와 PyTorch Geometric 참조 구현이 포함되어 있습니다.

AI 모델 및 LLM

이 GitHub 리포지토리는 "Predict then Propagate: Graph Neural Networks meet Personalized PageRank" 논문에서 소개된 PPNP 및 APPNP 모델에 대한 TensorFlow 및 PyTorch 구현을 제공합니다. 결과 재현을 위한 코드와 그래프 기반 머신러닝…

AI 모델 및 LLM

이 저장소는 "그래프 컨볼루션 네트워크의 단순화" 논문의 공식 구현을 제공합니다. 비선형성을 제거하고 가중치 행렬을 축소하여 훈련 시간을 크게 줄이면서도 경쟁력 있는 성능을 달성하는 선형 모델을 제공하는 간소화된 그래프 컨볼루션 네트워크(GCN) 모델을 제공합니다.

AI 모델 및 LLM

Graph Neural PDEs는 그래프 학습을 연속적인 확산 과정으로 취급하는 그래프 신경망(GNN)을 위한 Python 코드를 제공하는 오픈 소스 프로젝트입니다. GRAND 및 BLEND 모델을 구현하여 과도한 평활화 및 깊이 제한과 같은 일반적인 그래프 학습 문제를 해결하는 새로운 접근 방식을 제공합니다.

AI 모델 및 LLM

이 블로그 게시물은 최신 홉필드 네트워크를 기반으로 하는 새로운 PyTorch 홉필드 레이어를 소개합니다. 이는 고전적인 홉필드 네트워크를 연속적인 상태와 패턴으로 일반화하여 지수적인 저장 용량과 빠른 수렴을 제공합니다. 업데이트 규칙은 트랜스포머 셀프 어텐션과 동등함이 입증되어 새로운 딥러닝 아키텍처를 가능하게 합니다.

AI 모델 및 LLM

Self-Organizing Map(SOM)은 데이터의 위상 구조를 유지하면서 데이터 차원을 축소하는 비지도 학습 기법입니다. 고차원 데이터를 일반적으로 2차원의 저차원 표현으로 생성하여, 유사한 데이터 포인트를 그룹화함으로써 복잡한 데이터셋을 시각화하고 분석하기 쉽게 만듭니다.

AI 모델 및 LLM

Radial Basis Function Network는 활성화 함수로 방사 기저 함수를 사용하는 인공 신경망입니다. 함수 근사, 시계열 예측, 분류 및 시스템 제어에 뛰어나며, 독특한 3계층 구조로 복잡한 모델링 작업에 체계적인 접근 방식을 제공합니다.

AI 모델 및 LLM

베이즈 네트워크는 방향성 비순환 그래프(DAG)를 사용하여 변수와 그 조건부 종속성을 나타내는 확률적 그래픽 모델입니다. 관찰된 사건이 주어졌을 때 원인의 가능성을 예측하는 데 이상적이며, 증상으로부터 질병을 진단하는 것과 같습니다. 효율적인 알고리즘은 이러한 네트워크 내에서 추론 및 학습을 가능하게 합니다.

AI 모델 및 LLM

마르코프 랜덤 필드(MRF)는 확률 변수 간의 확률적 관계를 나타내는 비방향성 그래프 모델입니다. 복잡한 시스템의 종속성을 모델링하는 데 중요하며, 특히 이미지 분할 및 질감 합성 같은 이미지 처리 및 컴퓨터 비전 작업에 활용됩니다.

AI 모델 및 LLM

SAGPool은 ICML 2019에서 발표된 Self-Attention Graph Pooling의 공식 PyTorch 구현입니다. 이 읽기 전용 아카이브 리포지토리는 그래프 표현 학습을 개선하기 위해 셀프 어텐션 메커니즘을 활용하는 새로운 그래프 풀링 방법의 코드를 제공합니다. 그래프 신경망을 다루는 연구원 및…

AI 모델 및 LLM

Temporal Graph Networks (TGNs)는 동적 그래프에 대한 딥러닝을 위한 일반적이고 효율적인 프레임워크를 제공합니다. 이 Python 기반 라이브러리는 새로운 메모리 모듈과 그래프 기반 연산자를 활용하여 진화하는 그래프 구조에 대한 계산 효율성과 예측 정확도에서 기존 방법을 능가합니다.

AI 모델 및 LLM

EvolveGCN은 동적 그래프를 위한 Evolving Graph Convolutional Networks의 코드를 제공합니다. AAAI 2020에 발표된 이 AI 모델은 진화하는 그래프 구조를 분석하고 모델링하기 위한 프레임워크를 제공합니다. 다양한 데이터셋 및 실험 설정을 위한 구현이 포함되어 있어 동적 그래프 분석…

AI 모델 및 LLM

xDeepFM은 팩터라이제이션 모델을 위한 오픈 소스 딥러닝 툴킷으로, 특히 eXtreme Deep Factorization Machine (xDeepFM) 모델의 소스 코드를 공개합니다. 딥 추천 시스템 및 팩터라이제이션 기반 머신러닝 작업의 기반을 제공하는 것을 목표로 합니다.

AI 모델 및 LLM

이 GitHub 리포지토리는 Attentional Factorization Machine (AFM) 모델의 TensorFlow 구현을 제공합니다. 사용자는 주의 네트워크를 통해 특징 상호작용의 가중치를 학습하는 AFM을 추천 시스템과 같은 작업에 대해 훈련하고 평가할 수 있습니다. 이 프로젝트에는 코드, 데이터 예제,…

AI 모델 및 LLM

LightGCN은 추천 시스템을 위해 설계된 간소화된 그래프 컨볼루션 네트워크입니다. 협업 필터링을 위한 필수적인 이웃 집계 구성 요소에 중점을 두어, 상호작용 데이터로부터 사용자 및 항목 표현을 학습하는 효율적이고 효과적인 접근 방식을 제공합니다.

AI 모델 및 LLM

Neural Graph Collaborative Filtering (NGCF)는 그래프 신경망을 활용하는 추천 프레임워크입니다. 사용자-아이템 이분 그래프에서 고차 연결성을 통해 협업 신호를 명시적으로 인코딩하여 임베딩 전파를 수행합니다. 이 구현은 SIGIR 2019 논문을 기반으로 합니다.

AI 모델 및 LLM

이 AI 모델은 기호 데이터의 계층적 표현 학습을 위한 Poincaré 임베딩을 소개합니다. 데이터를 쌍곡 공간에 임베딩하여 유클리드 임베딩보다 계층 구조와 유사성을 더 효과적으로 포착합니다. 이 접근 방식은 잠재적 계층 구조를 가진 데이터셋에 대해 향상된 표현 능력과 일반화 능력을 제공합니다.

AI 모델 및 LLM

Falcon LLM은 다양한 산업과 분야에서 고급 AI를 접근 가능하고 영향력 있게 만들어 응용 프로그램과 사용 사례를 발전시키기 위해 설계된 생성적 대형 언어 모델입니다.

AI 모델 및 LLM

Claude Fable 5는 코딩 및 지식 작업에서 복잡하고 장기적인 작업을 위해 설계된 최첨단 AI 모델입니다. 사이버 보안 및 생물학을 위한 강력한 안전 장치를 갖춘 고급 기능을 제공합니다.

AI 모델 및 LLM금융 및 은행

AI 모델에 속하는 뛰어난 것을 알고 있나요?

ToolPotion은 사람들이 최고의 AI 모델를 찾기 위해 탐색하는 AI 도구 디렉토리입니다. 등록은 무료이며 모든 제출물은 편집자가 검토합니다 — 검색이 시작되는 곳에 귀하의 도구를 배치하세요.

AI 모델 제출