タグ · #open-source

NVIDIAとAI4Bharat、2.8兆トークンのIndicデータセットとオープンパイプラインを公開

読む理由このリリースは、大規模で監査可能な合成コーパスと、その作成に使用された再利用可能なツールを提供することで、インド言語における深刻なデータの不足に対処します。

NVIDIAとAI4Bharatは、22言語に対応する2.8兆トークンのIndic前訓練コーパスと、GPU加速されたオープンなデータ生成パイプラインをリリースしました。

16 OCT 3 分鐘実装ノート indic-nlp data-generation pretraining nvidia

PrismaCoder、オープンな多モーダルコード知能を進展させる

読む理由この研究は、多モーダルコーディングにおける高品質なトレーニングデータの重要なギャップを埋め、分解されたルールの合成を通じて独自システムに匹敵するオープンモデルを提供します。

PrismaCoder-9Bおよび35Bモデルは、新規なルールベースのデータパイプラインを活用し、オープンな多モーダルコード知能ベンチマークで首位を維持しています。

15 OCT 3 分鐘実装ノート multimodal code-intelligence reinforcement-learning open-source

Hcompany、一般用途コンピュータ操作のためのHolo4 Agenticモデルをリリース

読む理由 Holo4は、マルチインターフェース自動化のための統一モデルを提供し、トレーニング軌道をオープンソース化しながら、低コストで最先端モデルと競争する。

Hcompanyは、GUI、コード、MCP、APIインターフェースをサポートする新しいAgenticモデルシリーズHolo4を発表し、一般用途のコンピュータ操作タスクに対応する。

28 SEP 3 分鐘実装ノート ai-agents holo4 computer-use open-source

LAION-BVD、マルチモーダル事前学習用の1000万時間オープン動画データセットを公開

読む理由開発者は、固有データに依存せず、動画、音声、画像のすべてのモーダルで競争力のあるマルチモーダルモデルを訓練するためにこの規模が必要です。

CommonCrawlから収集した8000万本の動画（総計1000万時間）を含むLAION-BVDデータセットが公開されました。動画・音声・画像のマルチモーダルモデル訓練に不可欠な規模です。

26 AUG 1 分鐘実装ノート multimodal video-dataset pre-training open-source

Cloudflare Infire — 分離型LLM推論でvLLMを20%上回る。Unweightが22%無損失圧縮を実現

CloudflareのRust製Infireエンジンがプリフィル/デコード分離アーキテクチャでH100満負荷時にvLLM 0.10比20%高スループットを達成。Unweightは15–22%の無損失重み圧縮を実現。

04 MAY 1 分鐘実装ノート inference open-source nvidia release

vLLM v0.20.0：DeepSeek V4、PyTorch 2.11、FlashAttention 4

vLLM v0.20.0：752 commits、320 名のコントリビューター。デフォルトで CUDA 13.0、PyTorch 2.11、Transformers v5、Python 3.14、FlashAttention 4 がデフォルト、TurboQuant 2-bit KV cache で 4 倍の容量。

27 APR 1 分鐘実装ノート vllm inference open-source release