讓機器也能聞味道：MIT開發SmellNet為嗅覺AI模型打地基
現有AI模型多與文字、圖片識別相關，嗅覺識別的發展遠遠不如，現在MIT研究人員試圖把嗅覺視覺化，哪些味道相近相鄰？哪些味道差距很大等，將此建立起來，成為數位資料庫與AI訓練所需的資料集。
用OpenVINO GenAI解鎖LoRA微調模型推論
借助OpenVINO GenAI，你可以無縫整合 LoRA配接器，實現對大語言模型的快速個性化客製。開發者還可以一次性載入多個LoRA配接器，並在執行時快速切換，無需重新編譯基礎模型。
為生成機器人訓練用資料而生的MIT PhysicsGen
近期麻省理工學院（MIT）與機器人與人工智慧研究所（RAI）合作推動名為PhysicsGen的計畫，運用Gen AI來生成實體性、物理性資料，再將資料供AI模型訓練用。
Phi 4：「小而強」的專注型SLM模型
Phi 4 的出現，不僅是微軟的一次技術突破，更是一種理念的重申：AI 的未來並非一味追求「更大」，而是找到「更聰明、更安全、更普及」的路徑。
在家造AI神器！OpenVINO讓桌面推論觸手可及
AI PC是一台配備專門用於加速AI工作負載硬體的電腦，意味著我們可以高效率地運作包含AI模型的應用程式；透過精選的軟硬體，筆者將證明幾乎任何類型的AI應用都可以在本地運作。
LLM如何「落地」？蒸餾、壓縮與微調技術比一比
蒸餾聚焦「智慧遷移」、壓縮專注「資源優化」、微調強調「專業提升」，合力推動語言模型在多樣應用環境的高效落地，本文將剖析它們在技術架構與應用場景中的定位與相互關聯。