Qualitative Technology lanzó la primera plataforma de memoria multimodal de la industria con capacidades de práctica a ultra gran escala: MemoryLake. Por primera vez, la plataforma integra las capacidades full-stack de “comprensión profunda de contenido multimodal, almacenamiento de memoria multimodal, computación y gestión de memoria”, que consisten en el modelo grande MemoryLake-D1, el motor de memoria MemoryLake y la plataforma multimodal de almacenamiento y computación (Relyt Multi-modal Data Cloud). Según los informes, MemoryLake pretende resolver muchos desafíos fundamentales a los que se enfrenta la implementación actual de la IA empresarial, incluyendo puntos de dolor como “la información multimodal es difícil de entender e integrar”, “la fragmentación de datos conduce a fallos de memoria”, “toma de decisiones de modelos inexacta e poco fiable”, “alto coste de llamadas a grandes modelos” y “escala de datos a grandes empresas pero respuesta lenta”. (Junta de Innovación en Ciencia y Tecnología Diario)
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
Qualitative Change Technology lanza MemoryLake, la primera plataforma de memoria multimodal en la industria
Qualitative Technology lanzó la primera plataforma de memoria multimodal de la industria con capacidades de práctica a ultra gran escala: MemoryLake. Por primera vez, la plataforma integra las capacidades full-stack de “comprensión profunda de contenido multimodal, almacenamiento de memoria multimodal, computación y gestión de memoria”, que consisten en el modelo grande MemoryLake-D1, el motor de memoria MemoryLake y la plataforma multimodal de almacenamiento y computación (Relyt Multi-modal Data Cloud). Según los informes, MemoryLake pretende resolver muchos desafíos fundamentales a los que se enfrenta la implementación actual de la IA empresarial, incluyendo puntos de dolor como “la información multimodal es difícil de entender e integrar”, “la fragmentación de datos conduce a fallos de memoria”, “toma de decisiones de modelos inexacta e poco fiable”, “alto coste de llamadas a grandes modelos” y “escala de datos a grandes empresas pero respuesta lenta”. (Junta de Innovación en Ciencia y Tecnología Diario)