2025-04-08

類CLIP的視覺-語言模型在視訊檢索、影像生成等各種任務中變得越來越重要，為了深入了解類CLIP基礎模型的複雜運作，英特爾實驗室推出CLIP-InterpreT工具，協助使用者以結構化且容易理解的方式探索這些模型的內部機制。

2025-03-12

企業日漸加深仰賴AI和ML系統做出關鍵決策，為確保這些系統在創建資料集到ML模型部署的過程中維持安全和可信任，英特爾提出一個結合詮釋資料、以硬體為基礎的防護機制和透明日誌的多層框架，可在模型生命週期內追蹤及加強ML模型的安全性。

2024-11-28

本文將透過實際案例，探討英特爾客戶評估基於LLM的聊天引擎，並將之部署於客戶服務產品的過程，此案例是於2024年2月至4月間，在美國奧勒岡州由英特爾管理的VMware實驗室中進行測試。

2024-10-29

本文將講解在生產環境中部署基於大型語言模型（LLM）時可能面臨的典型挑戰，該如何克服這些挑戰，並且說明激發微調（Fine Tuning）大型語言模型的潛在效能，以及微調過程中所存在的一些挑戰。

2024-04-22

過去十年來，AI模型的複雜程度及運算能力快速成長，自2023年起，AI的發展重點也轉向效率及生成式AI的廣泛應用，因此靈巧模型（Nimble AI）應運而生。本篇文章將介紹Nimble AI一詞，並說明Nimble AI為什麼會成為大規模部署生成式AI的主要方法。

2024-02-06

建立、訓練或推論密集型AI模型，需要昂貴的資源、時間和專業知識。然而，若能善用雲端平台，開發人員可隨處存取其專案計畫，將架設時間降至最低並最佳化工作流程。本文章將探討如何使用Intel Developer Cloud，釋放其潛力以啟動開發專案。