Google telah menerbitkan laporan teknis untuk keluarga model Gemma 4. Dokumen tersebut tersedia di arXiv.
Google merilis laporan teknis Gemma 4
Google merilis TimesFM-3, model fondasi deret waktu multivariat zero-shot dengan 330 juta parameter
Google Research telah merilis TimesFM-3, sebuah model fondasi deret waktu dengan 330 juta parameter yang meramalkan beberapa deret terkait dalam satu lewatan maju. Berbeda dengan versi univariat sebelumnya, model ini dilatih secara asli untuk peramalan multivariat pada lebih dari 1 triliun titik waktu dan menerima beberapa target, kovariat masa lalu, serta kovariat masa lalu-masa depan tanpa penyetelan khusus tugas.
Google DeepMind merilis model AI WeatherNext untuk prakiraan siklon secara sumber terbuka
Google DeepMind dan Google Research telah merilis model AI WeatherNext 2 dan WeatherNext Cyclones secara sumber terbuka, yang mencapai akurasi terbaik dalam memprediksi lintasan, intensitas, dan struktur angin siklon tropis. Dipublikasikan di Nature, penelitian ini menunjukkan bahwa model-model ini memberikan prakirawan tambahan satu hari akurasi prediktif dibandingkan sistem sebelumnya.
Gemma 3 memperkenalkan visi, konteks panjang, dan kinerja yang ditingkatkan
Google DeepMind telah merilis laporan teknis Gemma 3, memperkenalkan pembaruan multimodal ke keluarga model terbuka ringan Gemma yang berkisar dari 1 hingga 27 miliar parameter. Versi ini menambahkan pemahaman visual, mendukung setidaknya 128K token konteks, dan memodifikasi arsitektur untuk mengurangi penggunaan memori KV-cache.
Google merilis EnvHarness untuk mengadaptasi lingkungan agen statis guna pelatihan
Tim dari Google Cloud AI Research, Washington University di St. Louis, dan UNC Chapel Hill telah merilis EnvHarness, lapisan yang dapat diprogram yang mengubah benchmark agen statis menjadi dunia pelatihan adaptif. Sistem ini membungkus lingkungan yang ada menggunakan komponen plug-in yang beroperasi secara ketat melalui antarmuka reset() dan step() standar, memungkinkan lingkungan beradaptasi dengan pelatihan kebijakan tanpa mengubah simulator dasar atau verifier buatan manusia.
Detektor AcroMELD memulihkan bidang formulir interaktif dalam PDF datar
Peneliti independen Samuel A. telah merilis AcroMELD, sebuah model dengan 39,4 juta parameter yang dirancang untuk memulihkan bidang formulir interaktif di dalam PDF datar yang tampak seperti formulir tetapi sebenarnya tidak dapat diisi.