Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

OpenAI et Synopsys signent un accord pluriannuel pour GPT-Synopsys, un modèle de conception de puces

OpenAI et Synopsys ont signé un partenariat stratégique pluriannuel pour bâtir un modèle d'IA spécialisé dans la conception de puces, GPT-Synopsys, rapporte The Decoder le 30 septembre.

IA & modèlesActualitéCamille RousseauPublié le: 30 septembre 20263 min de lectureSources 8
OpenAI et Synopsys signent un accord pluriannuel pour GPT-Synopsys, un modèle de conception de puces

The Decoder a rapporté l'accord le 30 septembre, quelques heures après la journée des développeurs d'OpenAI à San Francisco. Synopsys édite des logiciels d'automatisation de la conception électronique, les outils dont les ingénieurs se servent pour concevoir puces et semi-conducteurs. Dans le cadre du partenariat, OpenAI prend ces outils EDA sous licence et les combine à ses propres modèles.

L'objectif annoncé est un modèle capable de « raisonner sur la conception et la vérification des puces, et d'actionner directement les outils de Synopsys ». Les ingénieurs délégueraient des objectifs de conception, puis vérifieraient et valideraient le résultat. Le modèle tourne sur l'infrastructure d'OpenAI. Les deux entreprises affirment que les données clients ne serviront pas à l'entraînement et seront stockées chiffrées. Des tests préliminaires avec des clients du secteur des semi-conducteurs sont déjà en cours. Les deux sociétés commercialiseront le produit ensemble et partageront les revenus. La même semaine a apporté une série de sorties de modèles ouverts, de la reconnaissance vocale aux données tabulaires, aux côtés de nouvelles mesures de régulateurs.

Les poids ouverts continuent d'arriver

Fermion Research a publié Phonon-2 le 30 septembre. C'est un modèle de reconnaissance vocale en anglais dans un téléchargement de 164 Mo. Sur les sept ensembles anglais du Open ASR Leaderboard, il affiche en moyenne 5,21 pour cent d'erreur de mot, selon l'entreprise. Tous les modèles ouverts qui font mieux sont au moins 5,8 fois plus gros. Les poids sont publiés sous licence CC-BY-4.0. C'est la licence du Parakeet TDT 0.6B v3 de NVIDIA, dont ils dérivent.

NVIDIA a sorti Kumo Tabular le 29 septembre. C'est un modèle de fondation ouvert pour la classification et la régression sur données tabulaires. Il prédit les étiquettes en une seule passe avant, sans entraînement ni ingénierie de variables. Il est publié sous licence OpenMDW-1.1 pour un usage commercial. L'entreprise affirme qu'il occupe la première place sur TabArena, BeyondArena, TALENT et ScoringBench. Il existe en trois tailles, de 28 000 000 à 215 000 000 de paramètres.

Des bénévoles ont pris une autre voie. Le projet Coop, mis à jour le 30 septembre, entraîne un modèle d'environ 145 000 000 de paramètres à partir de zéro sur FineWeb-Edu. Il utilise du matériel donné et les offres gratuites de Hugging Face et de GitHub Actions. Les gradients arrivent sous forme de pull requests. Une tâche planifiée GitHub Actions les agrège toutes les cinq minutes. Le projet note que l'ordonnanceur partagé de GitHub peut se déclencher de quelques minutes à quelques heures d'intervalle. L'étape 1, un modèle de 15 000 000 de paramètres sur TinyStories, a dépassé son budget optimal Chinchilla en six jours. La perte de validation est passée de 9,01 à 2,8.

Toujours le 30 septembre, le UK AI Security Institute et Meridian Labs ont détaillé Inspect. C'est un cadre d'évaluation open source qui livre plus de 200 évaluations prêtes à l'emploi. Il permet d'exécuter du code de modèle non fiable dans Docker, Kubernetes et d'autres bacs à sable. Sur GitHub, un développeur a publié PSSA, un modèle de langage non transformer écrit en Rust sans framework de ML en dessous. Le développeur affirme qu'il apprend plus vite qu'un transformer à paramètres égaux et génère environ douze fois plus rapidement sur le même CPU.

Les régulateurs s'attaquent aux agents

The Guardian a rapporté le 30 septembre que la FTC a ouvert une enquête à l'échelle du secteur sur Anthropic, OpenAI et d'autres laboratoires. C'est sa première action coercitive officielle sur des agents d'IA dévoyés. L'agence prévoit de contraindre des dirigeants à témoigner, notamment au sein du groupe de recherche Metr. Ars Technica a rapporté le même jour qu'OpenAI n'entrera pas en bourse avant de pouvoir « prendre des décisions de sécurité avec confiance ». Une organisation à but non lucratif, Legal Advocates for Safe Science & Technology, a déposé une plainte en Californie pour réclamer de meilleures pratiques d'évaluation, de surveillance et d'entraînement. Un accord-cadre distinct, portant sur 600 000 000 de dollars selon des documents publics, n'a pas été confirmé par les deux parties.

Commentaires 0

Sources

8
  1. 01OpenAI and Synopsys team up to build an AI model that designs chips like a seasoned engineerEN
  2. 02Phonon-2: most accurate open speech recognition model in a 164 MB downloadEN
  3. 03Nvidia Kumo Tabular: Open Foundation Model for Tabular PredictionEN
  4. 04Coop: A small language model pretrained by volunteersEN
  5. 05Inspect: An open-source framework for large language model evaluationsEN
  6. 06PSSA: A non-transformer language model written from scratch in RustEN
  7. 07US trade regulator opens investigation into AI giants including Anthropic and OpenAIEN
  8. 08OpenAI delays IPO over AI safety concernsEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Camille Rousseau

Camille Rousseau

IA, modèles et technologies

Camille Rousseau suit les technologies, l’IA et les modèles ainsi que les médias et l’internet pour FLASH24, en partant des dépôts de modèles, des publications techniques et des données publiques, sans reprendre les annonces sans vérification. Elle contrôle les chiffres d’entraînement et de coût en remontant aux jeux de données, aux versions de modèles et aux méthodes de mesure. Elle interroge des chercheurs et des équipes produit, compare les résultats entre modèles et attend les mises à jour de calendrier des principaux fournisseurs. Son intérêt pour l’impression 3D, les vieux ordinateurs et la façon dont les modèles apprennent rejoint directement son travail sur l’IA et les technologies. Elle ne publie pas de chiffres sans source ni de comparaison sans protocole reproductible.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.