Entdecken Sie qualitativ hochwertige KI -Werkzeuge
Bringen Sie die weltweit führenden Tools für künstliche Intelligenz zusammen, um die Arbeitseffizienz zu verbessern
Artikel, die von BillyThomas veröffentlicht wurden
Professor Wang Xiaobo von der Anhui Agricultural University präsentierte auf dem 32. Nationalen Seminar für Sojabohnenforschung und -produktion in Nanning das vertikale Großmodell „Fengshu“ 2.0 für die Sojabohnenforschung. Die überarbeitete Version integriert mehrere Datensätze – wie Sammlungsressourcen, Genome, Krankheitsproben, Züchtungsdaten sowie wissenschaftliche Literatur – zu einem strukturierten Wissenssystem. Es verfügt über einen Mechanismus zur gemeinsamen Analyse mehrerer Modelle, der durch unabhängige Antworten auf fachliche Fragen die Verzerrungen einzelner Modelle verringert. Anschließend gibt es ein Zusammenfassungsmodul, das mithilfe von Fachwissen und internen Daten Konsenspunkte, Unterschiede sowie die Qualität der Belege bewertet. Das Modell bietet sechs Funktionsmodule für Diagnosen von Krankheiten, Auswahl von Elternpflanzen, Konzeption virtueller Kreuzungen, phänotypische Analyse, züchterische Anwendungen unter Verwendung von Markern sowie Studien zur Genfunktion. Diese Module basieren auf einem Wissensgraphen mit 20.000 Entitäten und 100.000 Beziehungen sowie umfangreichen genomischen und phänotypischen Daten. Durch diese Erweiterung wird die Stabilität der Forschungstools für Sojabohnen verbessert, da Fehler durch „Halluzinationen“ einzelner Modelle vermieden werden.
Professor Wang Xiaobo von der Anhui Agricultural University präsentierte auf dem 32. Nationalen Seminar für Sojabohnenforschung und -produktion in Nanning das vertikale Großmodell „Fengshu“ 2.0 für die Sojabohnenforschung. Die überarbeitete Version integriert mehrere Datensätze – wie Sammlungsressourcen, Genome, Krankheitsproben, Züchtungsdaten sowie wissenschaftliche Literatur – zu einem strukturierten Wissenssystem. Es verfügt über einen Mechanismus zur gemeinsamen Analyse mehrerer Modelle, der durch unabhängige Antworten auf fachliche Fragen die Verzerrungen einzelner Modelle verringert. Anschließend gibt es ein Zusammenfassungsmodul, das mithilfe von Fachwissen und internen Daten Konsenspunkte, Unterschiede sowie die Qualität der Belege bewertet. Das Modell bietet sechs Funktionsmodule für Diagnosen von Krankheiten, Auswahl von Elternpflanzen, Konzeption virtueller Kreuzungen, phänotypische Analyse, züchterische Anwendungen unter Verwendung von Markern sowie Studien zur Genfunktion. Diese Module basieren auf einem Wissensgraphen mit 20.000 Entitäten und 100.000 Beziehungen sowie umfangreichen genomischen und phänotypischen Daten. Durch diese Erweiterung wird die Stabilität der Forschungstools für Sojabohnen verbessert, da Fehler durch „Halluzinationen“ einzelner Modelle vermieden werden.
NVIDIA hat die Nemotron-3-Embed-Reihe von Einbettungsmodellen für produktionsreife RAG-Anwendungen, Code-Retrieval und Agenten-Gedächtnis veröffentlicht. Die 8B-BF16-Version belegt mit 78,46 NDCG@10 den ersten Platz im RTEB-Benchmark. Die Serie umfasst 1B-BF16- und 1B-NVFP4-Versionen (4-Bit), die alle auf der Mistral-Architektur basieren und 34 Sprachen sowie 32.000 Token unterstützen. Die 1B-Modelle wurden durch Pruning und Wissensdestillation erstellt. Die NVFP4-Version behält 99,5 % Präzision bei doppeltem Durchsatz auf Blackwell bei. Sie unterstützt den Einsatz von vLLM; die BF16-Versionen unterstützen Transformers und Sentence Transformers.
NVIDIA hat die Nemotron-3-Embed-Reihe von Einbettungsmodellen für produktionsreife RAG-Anwendungen, Code-Retrieval und Agenten-Gedächtnis veröffentlicht. Die 8B-BF16-Version belegt mit 78,46 NDCG@10 den ersten Platz im RTEB-Benchmark. Die Serie umfasst 1B-BF16- und 1B-NVFP4-Versionen (4-Bit), die alle auf der Mistral-Architektur basieren und 34 Sprachen sowie 32.000 Token unterstützen. Die 1B-Modelle wurden durch Pruning und Wissensdestillation erstellt. Die NVFP4-Version behält 99,5 % Präzision bei doppeltem Durchsatz auf Blackwell bei. Sie unterstützt den Einsatz von vLLM; die BF16-Versionen unterstützen Transformers und Sentence Transformers.
Apple hat auf der WWDC iOS 27 vorgestellt, das Apple Intelligence in native Apps integriert, um intelligente Funktionen auf Systemebene zu ermöglichen. Zu den neuen Funktionen gehören die KI-gestützte Aufteilung von Rechnungen über Apple Cash, automatische Passwortaktualisierungen, kontextbezogene Vorschläge in „Nachrichten“, die Extraktion von Anrufkontexten, die Kalendererstellung in natürlicher Sprache sowie die intelligente Organisation von Tabs in Safari. Die Entwickler-Beta ist bereits verfügbar; die öffentliche Beta und die vollständige Version werden für diesen Herbst erwartet.
Apple hat auf der WWDC iOS 27 vorgestellt, das Apple Intelligence in native Apps integriert, um intelligente Funktionen auf Systemebene zu ermöglichen. Zu den neuen Funktionen gehören die KI-gestützte Aufteilung von Rechnungen über Apple Cash, automatische Passwortaktualisierungen, kontextbezogene Vorschläge in „Nachrichten“, die Extraktion von Anrufkontexten, die Kalendererstellung in natürlicher Sprache sowie die intelligente Organisation von Tabs in Safari. Die Entwickler-Beta ist bereits verfügbar; die öffentliche Beta und die vollständige Version werden für diesen Herbst erwartet.
Das Bing-Team von Microsoft hat sein Wort-Embedding-Modell „Harrier“ als Open-Source-Projekt veröffentlicht, das mehrsprachige Unterstützung für über 100 Sprachen bietet. Das Modell wurde anhand von über 2 Milliarden Beispielen und synthetischen GPT-5-Daten mit einem Kontext von 32.000 Token trainiert und ist in drei Varianten mit bis zu 2,7 Milliarden Parametern erhältlich. Das Modell wird in Bing und zukünftige KI-Agenten integriert, um die Such- und Verarbeitungsfunktionen zu verbessern.
Das Bing-Team von Microsoft hat sein Wort-Embedding-Modell „Harrier“ als Open-Source-Projekt veröffentlicht, das mehrsprachige Unterstützung für über 100 Sprachen bietet. Das Modell wurde anhand von über 2 Milliarden Beispielen und synthetischen GPT-5-Daten mit einem Kontext von 32.000 Token trainiert und ist in drei Varianten mit bis zu 2,7 Milliarden Parametern erhältlich. Das Modell wird in Bing und zukünftige KI-Agenten integriert, um die Such- und Verarbeitungsfunktionen zu verbessern.
Das KI-Unternehmen Anthropic befindet sich in finalen Verhandlungen, um in einer Finanzierungsrunde, die voraussichtlich nächste Woche abgeschlossen wird, über 20 Milliarden Dollar einzusammeln. Durch diesen Deal würde sich seine Bewertung auf etwa 350 Milliarden Dollar fast verdoppeln, was das starke Vertrauen der Investoren in den Bereich der generativen KI unterstreicht. Die Mittel werden die Modellentwicklung angesichts steigender Rechenkosten und intensiven Wettbewerbs in der Branche unterstützen.
Das KI-Unternehmen Anthropic befindet sich in finalen Verhandlungen, um in einer Finanzierungsrunde, die voraussichtlich nächste Woche abgeschlossen wird, über 20 Milliarden Dollar einzusammeln. Durch diesen Deal würde sich seine Bewertung auf etwa 350 Milliarden Dollar fast verdoppeln, was das starke Vertrauen der Investoren in den Bereich der generativen KI unterstreicht. Die Mittel werden die Modellentwicklung angesichts steigender Rechenkosten und intensiven Wettbewerbs in der Branche unterstützen.
