Arquitectura De Modelo

DeepSeek ha abierto el código fuente de una nueva arquitectura base para agentes, destacando la compañía que la IA puede encontrar errores y enviar solicitudes de extracción (pull requests) de forma autónoma. El lanzamiento posiciona a DeepSeek más profundamente en la herramienta de agentes más allá de sus modelos base.

Modelos de IA • QbitAI 量子位

SenseTime publicó como código abierto SenseNova-Loop-9B-Preview, un transformer con bucles que ejecuta un bloque compartido de 24 capas dos veces, logrando 56 pasadas de capas a partir de 32 capas, y añade mHC de dos flujos. Los pesos se publican bajo Apache 2.0.

Modelos de IA • Pandaily