"Nöronlar hayatta kalmak için birbirleriyle sürekli rekabet içindedir. Her nöron et nöronlar arasındaki her bağlantı, kaynaklar için bir diğeriyle mücadele halindedir. Bu sınır savaşları beynin ömrü süresince devam ederken haritalar, kişinin deneyim ve hedeflerini beynin yapısına yansıtacak şekilde sürekli yeniden çizilir.
Bir muhasebeci piyanist olmak üzere kariyerini bırakırsa parmaklarına ayrılmış olan nöral alanlar genişleyecek, microskopi uzmanı olmaya karar verirse görme korteksi, aradığı küçük ayrıntılara parallèle olarak daha yüksek çözünürlük özelliği geliştirecektir."
Canlı Devre, David Eagleman
Sadece bir yazıda tüm yapay zeka çalışmalarını anlatmak takdir edersiniz ki mümkün değil. Si vous avez des problèmes, vous avez un bug qui vous aide à le faire et à le faire.
Il y a maintenant 13 ans que ImageNet a choisi de créer un modèle AlexNet. Basit bir resim sınıflandırma modeli bile olsa alexnet'in 2012 yılında beze gösterdiği şey GPU (Graphics Processing Unit) yani ekran kartlarının, derin öğrenme modellerinin eğitiminde kullanılabileceği oldu:
13 ans sonra bugün geldiğimiz noktada dünyanın önde gelen ekran kartı üreticisi NVIDIA dünyanın en değerli şirketi oldu. [2]Devamındaki süreçte ekran kartlarının kabiliyetleri et alan ilgi arttıkça daha acheter yani daha çok parametreli e daha çok gizli katman içeren modeller hayatımıza girmeye basladı.
Böylece daha kaliteli görüntü, sinyal, video modelleri görmeye basladık. Achetez des modèles originaux dont vous avez toujours besoin pour miktarda veri e şlem gücüyle eğitmeye dayalı affinement, transfert d'apprentissage avant de commencer. Lakin doğal dil için acheter bir model üretmek hala mümkün değildi.
Le problème est que votre attention est tout ce dont vous avez besoin. 8 ans après Google, vous avez activé la fonction Transformer. L'article « acheter » est prêt à être utilisé par les modèles yani LLM'leri eğitebiliyorduk. [4]
2022'n sonlarında ise (yani bundan sadece 3 ans) est juste un exemple d'OpenAI qui s'adresse à vous et vous pouvez facilement modéliser votre raisonnement (muhakeme) en utilisant l'ancienne plateforme ChatGPT. vieux.
Son ne kadar modelin görevinin sabit olduğu et eğitim öncesinde belirlendiği klasik makine öğrenmesi e derin öğrenme modellerinin aksine modelin in görevinin doğal dil ile değiştirilebildiği some-shot / zero-shot modellerinin ilki olmasa da, ChatGPT La plate-forme Sunulan et GPT-3 permettent d'affiner les modèles GPT, pour que vous puissiez reformuler les tâches. Tamam ama bu neden bu kadar önemli?
ChatGPT vous dit qu'il y a un problème avec son modèle et que son modèle est connu. Mesela 2020 yılında Kaggle üzerindeki tweet sentiment analyse yarışmasının temel amacı olan, tweet'lerdeki duyguyu ifade eden cümlecikleri ayıran modellerin tamamı, sadece bu sorunu çözmek üzerine eğitilmişlerdi. Vous pouvez modéliser les éléments en bas de la page pour obtenir le résultat souhaité. Örneğin tweet'in hangi gode yazıldığını modele soramazdınız. Görevi değiştirmenin tek yolu yeniden eğitmekti. Yani konuyla ilgili en az bir uzmana ihtiyaç vardi. ChatGPT vous permet d'obtenir du blé dur ou des calories. L'article vous permet d'utiliser votre modèle pour votre modèle. La modélisation ChatGPT prend en charge le fichier (fichier d'invite Kabaca) qui est déjà disponible. Je suis tweet'in dilini sınıflandırın, ister duygu durumunu. Artık bir uzmana ihtiyaç yoktu. [5]
Evet artık bir uzmana ihtiyacımız yok. Bilgisayar bilimci olmak zorunda değilsiniz. Kodlama bilmeye de gerek yok. Affiner? Transférer l’apprentissage ? Est-ce vrai ? Artık hiçbirine gerek yok. Yazıp konuşabiliyorsanız bu yeterli. Il y a OpenAI 1 milyar kullanıcıya ulaşmış durumda yani tüm dünyanın 8'de 1'ine. Mais je pense que l'art de LLM est insan hayatının bir parçası haline geldi. [6]
LLM'lerin "zeka"sı artık kelime tamamlama becerisinden çok çok-adımlı akıl yürütme kabiliyetiyle değerlendiriliyor. Araştırmalar, zincir-düşünce sistemlerinin küçük göstergelerle bile karmaşık problemi çözme oranıní dramatik biçimde artırdığını ortaya koyuyor. Pour l'OpenAI d'avril 2024, vous aurez la série 1 « vous avez déjà réussi à trouver un modèle » comme le modéliste olarak konumlandırdı. Les paramètres suivants sont indiqués, exaFLOPS est un jeton d'achat et de milyarlarca, 2020-2024 est un nouveau slogan ancien. Talebin tetiklediği bu dönem, Nvidia'nın piyasa değerini dokuz ayda 1 trilyon $'dan 3 trilyon $'a taşıdı; J'ai un analyste qui dit « AI çağının Petrol Devi » diye tanımlamaya başladı. [7] Durumu daha iyi kavrayabilmek için şu grafikleri inceleyelim :
Epoch.ai'den aldığımız grafikte özellikle derin öğrenme tekniğinin popüler olması ile birlikte model eğitmek için gereken işlem gücünün (FLOP cisinden) yılda ortalama 4.6 kat arttığını görebiliyoruz. Kısaca her yıl 5 kat daha fazla işlem gücüne ihtiyaç duyuyoruz. [8]
La SEC (Securities and Exchange Commission) a adopté un graphique pour 2019-2024 qui a permis à NVIDIA d'atteindre le S&P 500 et le Nasdaq 100 et de se diriger vers l'avenir. Yani, fils de NVIDIA, a décidé de le faire, il a fini par s'occuper de lui et de sa famille. [9]
Si vous êtes un graphiste, vous êtes prêt à le faire, mais la technologie vous permet de faire un don et de créer un véritable talent pour l'artiste katlanarak. Lorsque vous modélisez votre ordinateur, vous pouvez utiliser NVIDIA pour utiliser la technologie de Benzer pour votre art.
Fakat bu trendy bozan bazı özel gelişmelerden de bahsetmemiz gerek. En 2025, le marché chinois DeepSeek a commencé, avec Reasoner-R1 ailes et 0,55 $/M de jeton pour le rekabetçi fiyatlandırma modelleriyle piyasaya girerek, sektördeki dengeleri değiştirme potansiyeli taşıdığını gösterdi. Normalement, la modélisation OpenAI GPT-4o coûte 1 million de jetons de sortie (çıkış) à 10 $, DeepSeek R1 coûte 2,19 $ par jour ; Gece indirimiyle bu rakam 0,55 $'a kadar düşürdü. Vous avez déjà commencé à utiliser OpenAI pour DeepSeek et vous avez déjà utilisé DeepSeek pendant 40 jours. [10]
DeepSeek'in rakipleri il arasındaki fiyat uçurumunu gosteren bir infografik.
N'hésitez pas à nous contacter pour que vous puissiez faire votre choix. DeepSeek'in yayınladığı rapor, 671 millions de paramètres sahip R1 modellerinin nasıl üst düzey muhakeme yeteneği sağladığını detaylı biçimde ortaya koyuyordu. R1'in, ou bien vous allez entrer dans un modèle de modèle OpenAI GPT-4o ou vous pouvez le refaire en utilisant le même logiciel, en cliquant sur « Donc, je vais essayer de le faire pour moi » en disant cela. Guardian'ın "DeepSeek Paniği" başlıklı haberinde vurguladığı gibi, R1'in kamuya açılması Nvidia hisselerinin like işlem gününde %18 değer kaybederek yaklaşık 600 milyar dolarlık tarihi bir düşüş yaşamasına neden vieux. [11]
L'initialisation détaillée et le paiement de DeepSeek permettent d'optimiser les performances de DeepSeek. Vous pouvez également utiliser la carte graphique Hooper mimarisine FlashMLA pour DeepSeek et la carte graphique Hopper mimarisine H800 (NVIDIA tarafından çin pazarına sunulan H100 muadili ekran kartı) et R1 dans la carte graphique eğitildiğine dikkat çekelim. Ya da MoE (Mixture of Experts) olarak adlandırılan ve modelin sahip olduğu toplam 671 milyar paramètre içinden her işlemde yalnızca küçük bir bölümü (37 milyar parametre gibi) aktif olarak kullanılarak hesaplama maliyeti önemli ölçüde azaltan yöntemler örnek verilebilir. [12]
Il s'agit de DeepSeek-R1 qui offre des performances optimales et des modèles économiques pour l'exploitation de la distillation (distillation) lors de la distillation. Il est également possible d'optimiser l'utilisation du R1 avec un paramètre de 671 millions d'heures pour la bile > 400 Go de VRAM (quantification 4 bits) (RTX 4090) 24 Go de VRAM sont disponibles). Vous avez du mal à trouver le modèle DeepSeek qui vous permet de modéliser facilement, mais vous avez déjà utilisé la modélisation R1 et vous avez déjà utilisé 800 kaliteli pour en savoir plus küçük modellerin eğitimi için kullanmış. Les modèles R70 de 32, 14, 8, 7, 1,5 et 1 millions d'années ont été créés pour DeepSeek, mais ils ont encore plus de qualité pour les modèles de réflexion R1 anciens. [13]
Les détails de DeepSeek sont actuellement disponibles depuis 3 ans sur ChatGPT et le modèle est lancé pour l'art qui est généralement disponible pour vous. Başlangıçta bunlar basit görevlerdi. Une fois que vous avez vérifié, vous avez mis plusieurs choses à jour sur les choses qui vous intéressent. Il s'agit donc d'un système d'assistance technique qui vous permettra d'obtenir des informations techniques et d'inviter les utilisateurs à effectuer des tâches techniques. Bunu şu grafikte çok net görebiliriz [14] :
2023 yaz aylarında standard bir matematik testinde %30 başarılı olan modeller artık %90 seviyesinde basarılılar. Daha iyi raisonne yani muhakeme yeteneğine sahipler. Les problèmes karmaşık sont résolus.
Peki bu bizim için bir durak noktası mı? Elbette değil. İnsanlık olarak yapay zekadan beklentimiz bugünden daha iyi bir muhakeme yeteneği. Öyle ki bir insanla aynı seviyede. Vous êtes en train de devenir insan il y a seviyed çeşitli (genel) et uzmanlıkta bir yapay zeka mevcut değil. Şu eta uzmanlar bu seviyeyi AGI (Artificial General Intelligence) yani yapay genel zeka olarak isimlendiriyorlar. Si vous êtes à la recherche d'un produit, vous devez vous assurer qu'il est encore temps de le faire et de le faire en sorte que ce soit le cas pour vous.
Burada muhakeme yeteneğini kabaca bir başarı ölçütü olarak görebiliriz. Ne vous inquiétez pas si vous avez un problème de karma ou un problème de karma, résolvez-le. Grâce à Galaksiya olarak, nous avons créé RAG'a (Retrieval Augmented Generation) et avons créé de nouveaux modèles pour vous aider à créer un autre edilmesi odaklandık. MindGraph est un Knowledge Graph (bilgi çizgesi) qui vous permet de créer des liens et de vous aider à trouver les éléments suivants.
Mais il s'agit d'un LLM'lerin hayatımıza girmesiyle iyice anlam kazanmış ve hala aktif olarak üzerine çalışılan konulardan biri olan RAG'ın (Retrieval Augmented Generation) dans l'ancien bahsetmeliyiz. Une fois que vous avez entendu LLM, vous avez commencé à vous demander de vous en servir. Örneğin bir LLM'e "Avrupa'nın yüzölçümü nedir?" gibi bir soru sorarsanız doğru cevabı alırsınız (istisnalar dışında). Peki ya yarın avrupa kitasının yüzölçümü değişirse? Qu'est-ce qui vous a donné de l'énergie pour son pistolet değişmeye baslarsa? LLM'de bu bilgiyi nasıl güncelleyeceğiz? Başka bir örnek verelim. LLM'leri hayatımızın artık birçok alanında kullanabiliyoruz. Soruyoruz sorulaire et cevap alabiliyoruz. Peki ama sürekli değişen ya da halka kapalı olan (privé) veriler hakkında ki sorularımıza nasıl cevap alacağız? Mesela bir şirket yönetmeliği, finansallar ya da yasalar. Kısaca LLM'lerin private ya da dinamik veriler hakkında doğru cevaplar üretmesini nasıl sağlarız?
Il s'agit d'un produit similaire à celui de RAG. RAG'ın temel amacı sorulacak olan soruya uygun cevabı içeren veriyi soruyla birlikte prompt içerisinde vermek. Böylece ilgili veriyle modeli yeniden eğitmeden LLM veri ilgili sorulara cevap verebilir hale geliyor(En azından teoride). Vous avez toujours la possibilité de choisir un numéro de téléphone différent. Bunlardan et les limites de la fenêtre contextuelle. La fenêtre contextuelle affiche le jeton LLM'in tek seferde girdi et çıktı olarak işleyebileceği toplam (bknz : tokenization) ditısı. Si vous avez un problème d'entrée, vous pouvez le faire. Eski derin öğrenme modellerini düşünün. Bir örneklemin boyutu her zaman sabit idi. Un mannequin de CNN est venu à Resmin Boyutu pour qu'elle sache ce qu'il a fait aujourd'hui. Bu bugün de geçerli e modelden modele göre değişiyor. Vous avez un modèle GPT pour obtenir un maximum de 128,000 75 jetons. 100 kelimenin kabaca 250 token yaptığını düşünürsek bu da kabaca 15 sayfalık bir kitap yapar. Yani bizim private ya dinamik verimiz bundan daha buy ise modele tek seferde veremeyiz. [XNUMX]
Ce problème est que vous avez un véritable modèle qui dure pour vous aider à le faire. Özellikle veriler düzensiz yani saf metinlerden oluşuyor e sorduğumuz soru yüksek muhakeme yeteneği gerektiriyor ise. J'ai durumu daha iyi ifade edebilmek için bir metafor kullanalım. Farz edelim ki bir insan uzmana 250 sayfalık bir kitap verip kitapta geçen isimleri alphabetik sırayla söylemesini isteyelim. Vous pouvez également utiliser le kabaca şu şekilde olurdu :
Vous allez être en mesure de vous aider à faire en sorte que vous soyez en mesure de le faire en vous aidant de la même manière que vous le souhaitez.
Avez-vous des problèmes avec votre nez ?
Lorsque vous rencontrez des problèmes, vous voyez que la fenêtre contextuelle est ouverte. Assurez-vous d'avoir un filtre à sel et des filtres et de les nettoyer. Bu noktada sıklıkla tercih edilen yollardan biri vektörleri kullanmak [15] :
Böylece metnin sorulan soruyla en alakalı parçaları filtrelenmiş ve context window'a sığmış olur. Vektör çözümü general basit ve bu alanda sıklıkla kullanılan bir çözüm.
Le problème est daha zor. Çünkü sorulan soruyu alt sorunlara parçalamayı e alt çözüm adımları oluşturmayı gerektiriyor. Farkettiyseniz bu problème aslında daha önce de belirttiğimiz e alanın üzerine yöneldiği yüksek muhakeme problemi ile aynı problemi. Kabaca LLM'lerden nasıl daha yüksek muhakeme yeteneği elde edebiliriz?
Il y a un problème avec vous qui avez des problèmes avec le problème. Bunlara thinking modelleri ya da özel skorlama ajanları içeren çok ajanlı yapıları örnek verebiliriz. C'est ici que se trouvent les problèmes les plus courants dans MindGraph.
MindGraph vous offre une grande variété de fonctionnalités, vous permettant de voir le nœud et le bord yani düğüm et de créer tout le potentiel. Je vais vous dire que je vais vous dire que je suis en train de vous lancer ou de vous lancer dans une conversation. Bu açıdan beyne ve nöronların yapısına benzetebiliriz [17].
Peki biz MindGraph a-t-il un problème avec vous? Un seul problème se pose. Birinci problemde temel amacımız acheter miktarda veri için ham metin metin verisinin soru ile alakalı olan kısımlarını lıp geri kalanlarını filtrelemek idi. Vous ne pouvez pas utiliser un filtre ou un filtre et vous avez un problème avec le moteur de recherche en général. Lakin vektör tabanlı yaklaşımlarında Kendine a bazı alt sorunları mevcut.
Si le filtre est le troisième produit à utiliser comme filtre, il est préférable de ne pas utiliser d'huile pour le nettoyer. Vous ne devez pas filtrer le filtre pour savoir si vous avez besoin d'un morceau et s'il vous plait, vous devez savoir que le morceau est le plus long (il y a un refus de sélection). Vous devez savoir que les paramètres les plus importants sont sélectionnés et ne sont pas vérifiés, que vous pouvez les utiliser de manière fiable.
Je vous conseille de mettre en place un morceau de lara parçalamanın temelinde yatıyor. Son bir vektörün içerdiği öznitelikler sadece kesilen chunk'u temsil ediyor ve yine bu kesilen chunk'ların boyutu bir hiper parametre olarak belirleniyor mesela 800 karakter. Est-ce que vous avez sorulan soruya cevap qui veut avoir un minimum d'alan avec 2000 caractères en oluşuyorsa ne olacak? Il s'agit d'un morceau de morceau que vous avez trouvé pour que les informations ne soient pas disponibles. Vous avez la possibilité de savoir si vous obtenez des morceaux en vrac. Je suis en train de vous fournir des informations détaillées sur le miktarda etmeyi zorunlu kılıyor. Vous avez également la possibilité de trouver ce que vous avez besoin d'Alan (mesela 200 caractères) pour que vous puissiez l'obtenir.
Vous avez besoin de la méthode MindGraph pour afficher les tableaux de bord comme les tableaux KG pour les troisièmes étiquettes. Bunun için önce veriyi bir bilgi çizgesine oturtuyoruz. Böylece yani düzensiz non structuré et jambon metin verisini structuré yani düzenli bir hale getiriyoruz. Il s'agit d'un moteur graphique utilisant SQL pour les utilisateurs sorgular yazarak veriyi filtreliyoruz [18].
Örneğin yukarıda bulunan KG'a bakalım. Kullanıcı Iron Man'in tüm yapımcılarını sırala gibi bir soru sormuş olsun. Vous avez besoin de cevaplamak pour vous aider à trouver le bas de la page Cypher code ile Homme de fer Düğümüne ait tüm komşuları getirmek e soru ile birlikte LLM'e vermek.
Mais j'ai dit qu'il y avait des choses à faire, parçalamadan, structuré yani düzgün et öz bir biçimde LLM'e verebilmiş oluyoruz. Filtrelemeyi est un produit sorulan soruda qui est tout à fait approprié pour vous.
Je vais vous expliquer comment résoudre ce problème et vous en rendre compte dans ce cas-ci, le problème est que MindGraph vous permet de résoudre ce problème de manière utile [19].
Il y a beaucoup de choses à faire, les arkadaşlarını et les çalıştıkları şirketleri sont basit bir yapı görüyoruz. Farz edelim ki kullanıcı Jennifer'in tum arkadaşlarını ve italıştıkları sırala lütfen. şeklinde bir soru sormuş olsun. Si vous êtes un consommateur de carburant, vous devez faire en sorte que votre véhicule soit prêt à utiliser un morceau de carburant pour le faire fonctionner. Vous pouvez utiliser ce produit pour le faire. Ama neden?
Mais je n'ai pas rencontré Jennifer'in X dans le vieux film de X'in Y, mais je l'ai trouvé très amusant. Mesela farklı iki dokümanın çok farklı sayfalarında. Mais je ne sais pas si je suis en mesure de vous dire ce qui suit :
Jennifer'in arkadaşlarını bul.
Bulunan arkadaşların çalıştıkları şirketleri bul.
yani tesadüfen eksiksiz ve öz miktarda chunk ve informasyonu filtreleyip LLM'e verdiğimiz farz etsek bile LLM'e ham veriyi verip veriler arasında ilişki kurmasını yani muhakeme yeteneği göstermesi bekliyoruz. Hem de hiçbir yol göstermeden.
Vous pouvez également utiliser MindGraph pour utiliser cette méthode :
getiren basit bir Cypher query yazmak. Daha sonra dönen bilgiyi soru ile LLM'e vermek. Bu sayede LLM'i az ve öz miktarda bilgi ile beslemiş gereksiz bilgiden arındırmış oluyoruz. Il s'agit tout simplement de créer des liens qui vous permettront de créer des nœuds d'entité et des bords qui vous permettront d'accéder à des informations détaillées sur votre LLM.
Cela dit, MindGraph peut vous fournir des tests et vous permettre de vérifier son ancienne version.
Le classique RAG de MindGraph est un excellent moyen d'obtenir des avantages et des possibilités d'art très variés. Une fois que vous avez commencé à le faire, RAG a effectué un réglage fin des détails tercih et tamamen müşteriye özel, oldukça özelleşmiş bir model geliştirdik. Je vous assure 9000 dollars de moins que l'ancien. MindGraph est l'un des principaux utilisateurs de MindGraph, mais il a également l'intention de vous aider à comprendre ce que font les autres.
MindGraph est avantajlarını daha jeyi ifade etmek için omut örnekler üzerinden ilerleyelim. Diyelim ki bir gıda şirketinde üretimden sorumlu bir yöneticisiniz. Vous avez la possibilité de faire des essais avec un élecpman ou un paketleme makinesi durdu ve hızlıca karar vermeniz gerekiyor. "Paketleme makinesi durursa, önümüzdeki ay sipariş teslimatlarımız, stoklarımız ve lojistik nasıl etkilenir?" gibi bir soruya geleneksel vektör RAG yöntemleriyle doğru cevap almak oldukça zor olacaktır. Çünkü bu tarz sorular çok sayida verinin analiz edilmesini e karmaşık ilişkilerin değerlendirilmesini gerektiriyor. Oysa MindGraph dit, en fait, qu'il est temps et qu'il est possible d'avoir des idées de création de tableaux graphiques qui vous permettront de vous concentrer sur votre travail.
Votre entreprise est une véritable stratégie pour vous aider. Erdem, Galaksiya'nın buyyük ortağıdır. Galaksiya est Deepin'in, Deepin de Twinize'ın buy ortağı konumundadır. Selon Erdem, la stratégie de Hamle öncesinde şu soruların cevaplarını ariyor olabilir :
Mais voici ce que vous avez à dire et ce que vous avez à faire est de le faire en sorte que le basit RAG soit un moyen de ne pas s'inquiéter du travail senaryolaire. MindGraph est un conseil karmaşık ilişkileri doğrudan et verimli şekilde çözebilen, akıllı sorgularla çalışır. Böylece herhangi bir uzman müdahalesine veya yeni bir eğitim gerek kalmadan, but soruların yanıtlarını net olarak alabilmekteyiz.
MindGraph vous offre un avant-goût très intéressant. Le modeleur de réglage fin de son expérience de travail est en train de travailler, MindGraph'ın esnek yapısı sayesinde bilgi çizgesini güncelleyerek sürekli ve gerçek zamanlı adaptasyon sağlanabiliyor. Mais j'ai dit qu'ils étaient maliyetleri düşürüyor, hem de operasyonel süreçleri basitleştiriyoruz.
Galaksiya olarak, MindGraph metodunu geliştirmeyi, bilgi çizgesi tabanlı yaklaşımları yüksek muhakeme yeteneği gerektiren tüm alanlarda uygulamay e bu yöntemlerle yapay zeka modellerinin kabiliyetlerini daha da ileri taşımayı sürdürmekteyiz. Bir sonraki adımda sizlerle daha detaylı benchmark sonuçları paylaşıyor olacağız. Ô Zamana Kadar
Reste calme ...
Behçet ŞENTÜRK, ingénieur en apprentissage automatique
[1] : viso.ai. 2024. « AlexNet : une architecture révolutionnaire d’apprentissage profond ». Dernière consultation le 5 mai. https://viso.ai/deep-learning/alexnet/.
[2] : CNBC. 2025. « Nvidia dépasse à nouveau Apple et devient l'entreprise la plus valorisée au monde. » Dernière consultation le 5 mai. https://www.cnbc.com/2025/01/21/nvidia-passes-apple-again-to-become-worlds-most-valuable-company-.html.
[3] : Réseaux neuronaux et apprentissage profond. 2019. « Pourquoi les réseaux neuronaux profonds sont-ils difficiles à former ? » Dernière consultation le 5 mai. http://neuralnetworksanddeeplearning.com/chap5.html.
[4] : Vaswani, Ashish, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser et Illia Polosukhin. 2017. « L'attention est tout ce dont vous avez besoin. » arXiv (Université Cornell), janvier. https://doi.org/10.48550/arxiv.1706.03762.
[5] : kaggle. 2020. « Tweet Sentiment Extraction ». Dernière consultation le 5 mai. https://www.kaggle.com/competitions/tweet-sentiment-extraction/overview.
[6] : Forbes. 2025. « ChatGPT atteint le milliard d'utilisateurs ? « Doublement en quelques semaines », déclare le PDG d'OpenAI. » Dernière consultation le 1 mai. https://www.forbes.com/sites/martineparis/2025/04/12/chatgpt-hits-1-billion-users-openai-ceo-says-doubled-in-weeks/.
[7] : Technology Magazine. 2024. « L'essor de l'IA propulse Nvidia au-delà de Microsoft. » Dernière consultation le 5 mai. https://technologymagazine.com/digital-transformation/gen-ai-boom-causes-nvidia-value-to-overtake-microsoft.
[8] : EPOCH AI. 2025. « Modèles d'IA notables ». Dernière consultation le 5 mai. https://epoch.ai/data/notable-ai-models.
[9] : SEC. 2024. « NVIDIA CORPORATION. » Dernière consultation le 5 mai. https://www.sec.gov/Archives/edgar/data/1045810/000104581024000029/nvda-20240128.htm.
[10] : Reuters. 2025. « DeepSeek donne aux entreprises technologiques européennes une chance de rattraper leur retard dans la course mondiale à l'IA » Dernière consultation le 5 mai. https://www.reuters.com/technology/artificial-intelligence/deepseek-gives-europes-tech-firms-chance-catch-up-global-ai-race-2025-02-03/.
[11] : The Guardian. 2025. « Les milliardaires du secteur technologique ont perdu près de 100 milliards de dollars lors de la chute des marchés boursiers provoquée par DeepSeek. » Dernière consultation le 5 mai. https://www.theguardian.com/technology/2025/jan/28/deepseek-selloff.
[12] : github. 2025. « FlashMLA. » Dernière consultation le 5 mai. https://github.com/deepseek-ai/FlashMLA.
[13] : ollama. 2025. « deepseek-r1 ». Dernière consultation le 5 mai. https://ollama.com/library/deepseek-r1:671b.
[14] : EPOCH AI. 2025. « Les modèles américains surpassent actuellement les modèles non américains. » Dernière consultation le 5 mai. https://epoch.ai/data-insights/us-vs-non-us-performance.
[15] : openai. 2025. « Que sont les jetons et comment les compter ? » Dernière consultation le 5 mai. https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them.
[16] : E2E Cloud. 2025. « Mise en œuvre de techniques RAG avancées avec Elasticsearch Vector DB ». Dernière consultation le 5 mai. https://www.e2enetworks.com/blog/implementing-advanced-rag-techniques-with-elasticsearch-vector-db.
[17] : Xiao, Mingqing, Yixin Zhu, Di He et Zhouchen Lin. 2024. « Réseaux de neurones à pics temporels avec délai synaptique pour le raisonnement graphique. » arXiv (Université Cornell), mai. https://doi.org/10.48550/arxiv.2405.16851.
[18] : Li, Junyi, Tianyi Tang, Wayne Xin Zhao, Zhicheng Wei, Nicholas Jing Yuan et Ji-Rong Wen. 2021. « Génération de graphes de connaissances en texte en quelques étapes avec des modèles de langage pré-entraînés. » arXiv (Université Cornell), janvier. https://doi.org/10.48550/arxiv.2106.01623.
[19] : Analytics Yogi. 2022. « Nvidia dépasse à nouveau Apple et devient l'entreprise la plus valorisée au monde. » Dernière consultation le 5 mai. https://vitalflux.com/nosql-data-models-concepts-examples/.
