AskYourDatabase：無需SQL可用自然語言與資料庫聊天
AskYourDatabase是一個ChatGPT外掛,支援使用自然語言與資料庫交談,無需編寫SQL語句。使用者可以簡單連線自己的SQL或NoSQL資料庫,透過聊天的方式獲取資料洞察、視覺化資料、插入測試資料、設計表結構等,提升工作效率。
Defog.ai：企業SQL的精細調整AI模型
Defog.ai是一個為企業SQL提供精細調整AI模型的平臺。它允許企業團隊以自然語言提出資料問題，並在需要時獲得結果。Defog.ai與任何SQL資料庫或資料倉庫進行隱私保護整合，使用後設資料來精細調整模型，從而提供可信賴的結果。它還可以自動視覺化資料為表格和圖表，並透過人工智慧助手處理複雜的SQL Python和R工作流程，自動化統計分析中的試錯過程，生成報告進行編輯和協作。
DuckDB-NSQL：DuckDB NSQL模型,針對DuckDB SQL生成任務。
DuckDB NSQL是一系列開源的基礎模型(FMs),專門用於SQL生成任務。我們很高興在這個倉庫中推出DuckDB NSQL,這是一個為本地DuckDB SQL分析任務定製的FM。所有模型權重都可以在HuggingFace上找到。
Vrain：Your scattered data, Search in one place
Vrain是一個整合工具，幫助使用者在一個地方搜尋和管理他們散落在多個工具中的資料。它簡化了搜尋過程，提高了工作效率。Vrain提供無縫的電子郵件搜尋、會議詳情檢索和Google Drive檔案查詢功能，讓使用者可以快速找到他們需要的資訊。更多功能即將推出。
YData：生成合成資料，管理資料，提高資料質量，構建最佳AI專案資料集。
YData是一個資料中心AI平臺，提供生成合成資料、管理資料、提高資料質量和構建最佳AI專案資料集的功能。透過YData，您可以生成高質量的合成資料集，對資料進行管理和改進，構建出適用於您的AI專案的最佳資料集。YData還提供資料目錄、資料配置和資料測量等功能。YData的定價資訊，請聯絡官方獲取。YData定位為資料科學領域的資料質量工具。
LayerX.ai：AI資料平臺，整合了資料收集、整理、標註和搜尋等功能
LayerNext是一款綜合的AI資料管理平臺，幫助計算機視覺團隊在大規模的資料集上進行資料收集、整理、標註和搜尋。透過LayerNext，使用者可以輕鬆地視覺化資料、快速發現資料集中的模式或問題，以及快速搜尋特定對象。平臺還提供SDK和API，可以與任何計算機視覺應用、服務或基礎設施無縫整合。LayerNext的目標是簡化計算機視覺工作流程，使團隊可以專注於業務相關的事務。
Cronbot.AI：將資料轉化為簡單對話
Cronbot.AI是一款將資料轉化為簡單對話的人工智慧產品。它整合了最先進的AI模型，可提供深入而準確的資料互動。透過與Cronbot.AI對話，您可以輕鬆地獲取所需資訊，無需手動篩選海量資料。Cronbot.AI透過虛擬空間進行資料組織，幫助您更高效地管理和保護資料。它支援多種資料源格式，包括PDF、Excel等。我們為不同規模的企業提供靈活的定價計劃，以滿足其獨特的業務需求。
Terracotta：快速直觀地進行LLM實驗
Terracotta是一個易於使用的平臺，透過Terracotta，可以快速高效地進行LLM開發工作流。在Terracotta上管理所有精調模型，透過定性和定量評估快速迭代改進模型。同時支援與OpenAI和Cohere等多個提供商的連線。Terracotta透過上傳資料來開展LLM模型的精調工作，提供安全儲存資料的功能。使用者可以對資料進行分類和文字生成的精調。Terracotta提供了定性和定量評估功能，可以同時輸入多個模型的提示並比較模型輸出，也可以使用我們的工具在包括準確度、BLEU和混淆矩陣等多種評估指標下評估模型。Terracotta由兩位斯坦福大學人工智慧研究生Beri Kohen和Lucas Pauker共同建立。歡迎您訂閱我們的郵件列表，以便及時瞭解我們的最新進展！
Megatron-LM：大規模訓練 Transformer 模型的持續研究
Megatron-LM 是由 NVIDIA 應用深度學習研究團隊開發的一種強大的大規模 Transformer 模型。該產品用於大規模訓練 Transformer 語言模型的持續研究。我們使用混合精度，高效的模型並行和資料並行，以及多節點的 Transformer 模型（如 GPT、BERT 和 T5）的預訓練。
CoTracker：實現增強物體跟蹤的Transformer模型
CoTracker是一個基於Transformer的模型,可以在影片序列中聯合跟蹤稠密點。它與大多數現有的狀態最先進的方法不同,後者獨立跟蹤點,而忽略了它們之間的相關性。我們展示了聯合跟蹤可以顯著提高跟蹤精度和魯棒性。我們還提供了若干技術創新,包括虛擬軌跡的概念,這使CoTracker可以聯合跟蹤7萬個點。此外,CoTracker因果地操作在短時間視窗上(因此適合線上任務),但透過在更長的影片序列上展開視窗進行訓練,這使並顯著改進了長期跟蹤。我們展示了定性印象深刻的跟蹤結果,其中點甚至在遮擋或離開視野時也可以跟蹤很長時間。從定量上看,CoTracker在標準基準測試上優於所有最近的跟蹤器,通常優勢顯著。