1억 개의 논문을 클러스터링하면 어떤 모습일까요? InferenceNet은 LAION 및 Wynd Labs와 협력하여 Project OSSAS를 출시했습니다. 오픈소스 모델을 사용하여 1억 건의 과학 논문을 처리하고, 관련 논문을 클러스터링하는 시각화 도구를 개발하여 전 세계 과학 지식에 대한 접근성, 검색 및 비교 가능성을 높였습니다. 비용은 단 10만 달러였습니다. 그들은 그들만의 맞춤형 모델을 사용했습니다. 1. Aella-Qwen3-14B: Alibaba의 Qwen3 14B를 미세하게 조정한 버전으로, 추론 기능이 뛰어납니다. 2. Aella-Nemotron-12B: NVIDIA의 Nemotron 12B를 기반으로 하이브리드 Mamba-Transformer 아키텍처를 사용하여 폭발적인 처리량을 제공합니다. 궁극적으로 이 시각화 도구를 사용하면 사용자는 모든 논문을 클릭하여 구조화된 초록을 보고 논문 간의 관계와 패턴을 발견할 수 있어 논문을 검색할 때 빠른 검색이 용이해집니다. 여기서 InferenceNet을 소개할 필요가 있습니다. 이 웹사이트는 연구자들이 네트워크를 통해 전 세계의 유휴 GPU에 접근할 수 있도록 합니다. 이는 최신 버전의 SETI@Home과 유사하지만, LLM 작업을 실행하는 데 특화되어 있어 이전에는 감당할 수 없었던 컴퓨팅 성능을 활용할 수 있게 해줍니다. 프로젝트 주소:
스레드를 불러오는 중
깔끔한 읽기 화면을 위해 X에서 원본 트윗을 가져오고 있어요.
보통 몇 초면 완료되니 잠시만 기다려 주세요.