我的 X 阅读

转帖：在单个 RTX 3060 12GB 上运行 d1-3B，通过官方 transformers 路径（bf16，无 torch.compile）： 一个决策需要 25 毫秒。3 个问题在同一状态下单次通过需要 38 毫秒。带 640x480 图像需要 146 毫秒。约 6 GB VRAM。 作为参考，Liquid 的卡将 4090 的时间置于无编译的 16 毫秒，因此 3060 在文本上落后约 1.6 倍。对于一张 2021 年的卡来说，不错。 如果你在本地尝试的提醒：GGUFs 已经上线，但 stock llama.cpp (b11476) 会拒绝它们，报错“unsupported decision model type: d1”，而且我还没在 ggml-org/llama.cpp 上找到 d1 的 PR。transformers 今天就能用。 一旦支持落地，我会在 llama.cpp 上重新运行。

Anthropic 公司刚刚发布了 Claude Haiku 5.5，据该公司称，其平均运行成本比 Haiku 4.5 降低了约 75%。 远胜 GPT-6-Luna，更接近 Sonnet 5.5 Anthropic 表示，它还能提升编码效率、计算机使用效率和知识工作效率。 Haiku 现在支持可调节的 https://t.co/vmGh1UsWub

转帖：祝贺 Liquid AI 推出 Open d1。 两个开源决策模型在 NVIDIA Jetson Thor、Jetson AGX Orin 和 Orin Nano 上以单次前向传递提供答案。 访问 Jetson AI Lab 学习如何在 Jetson 上运行这些模型： d1-3B https://t.co/jB6uCoeMwU d1-omni-600M https://t.co/IU5ST7Mu1I

转帖：就其处理能力而言，该模型的尺寸非常令人印象深刻。恭喜@liquidai团队

转帖：可在任何地方运行的微型决策模型： > d1-3B 在文本和视觉方面表现出色 > d1-omni-600M 支持文本、视觉和音频！ 立即试用我们的 @huggingface 空间，体验互动游戏

转帖：给你！我们与 @nvidia 合作推出的首批开源权重多模态决策模型系列 我对我们 6 亿参数的全能模型着迷不已，它真正为该领域带来了处理图像、音频和文本的全新可能性。 为你的系统一应用微调这些厉害家伙吧！ 我们后训练和应用 AI 团队的杰作。

实验

机器人领域目前缺乏互联网规模的数据集。这才是真正的瓶颈。 Mecka 刚刚完成由红杉资本领投的 6000 万美元 B 轮融资，旨在构建一个这样的数据集。 > 定制多传感器采集硬件 > 计算机视觉实验室，可将原始、嘈杂的视频素材转化为结构化的训练信号 > 招聘

转帖：大多数决策不需要大模型。它们需要一个快速的模型。 今天我们开源了 d1-3B，这是一个视觉-语言决策模型，以及 d1-omni-600M，它可以处理文本、图像和音频。

转帖：开源权重 Jev 来了：认识我们的 open-d1 决策模型。 可在 @huggingface 上获取

转帖：模型工厂的又一天

转帖：构建你自己的多模态决策 :)

大多数文档人工智能旨在回答一个问题：这个数字在页面上的哪个位置？ 但人们需要的数字往往不在页面上，而是需要根据页面上已有的数字进行计算。 Unsiloed 的高阶提取功能正是用于完成这项计算。 它通过从页面值生成确定性代码来计算文档中从未打印过的数字。 例如，当您请求最终数字时，它会读取文档中的原始值，编写代码将它们组合起来，然后运行该代码来获得答案。每个结果都可以追溯到对应的页面。 此外，还有第二道检查。如果文档恰好在某个地方打印了答案，系统会将其与自身计算的结果进行比较。如果两者匹配，置信度就会提高；如果不匹配，置信度则会降至零。 引用：发布高阶提取功能。 即使最终答案没有打印在任何地方，它也能根据页面上的原始值确定性地计算出您需要的数字。https://t.co/mSfMiRks2O

转帖：Great work! Coming to MLX-VLM and Nativ

转帖：Liquid AI 的 d1 现已推出，共有两个版本！