게시물 작성자 Srikanth Kilaru

5 결과

필터 지우기
  • 2025년 11월 19일 / AI

    Building production AI on Google Cloud TPUs with JAX

    The JAX AI Stack is a modular, industrial-grade, end-to-end machine learning platform built on the core JAX library, co-designed with Cloud TPUs. It features key components like JAX, Flax, Optax, and Orbax for foundational model development, plus an extended ecosystem for the full ML lifecycle and production. This integration provides a powerful, scalable foundation for AI development, delivering significant performance advantages.

    Agent Development Kit: Making it easy to build multi-agent applications
  • 2025년 9월 30일 / AI

    LLM 사후 학습을 위한 JAX 네이티브 라이브러리 Tunix 소개

    JAX 생태계의 개발자와 연구자에게 있어 사전 학습된 모델에서 완전히 정렬되고 프로덕션 환경에서 바로 사용할 준비가 된 LLM으로 가는 경로가 훨씬 더 간단해졌습니다.오늘, LLM...

    Tunix logo
  • 2025년 9월 9일 / AI

    역전파를 넘어서: 과학 컴퓨팅의 새로운 지평을 여는 JAX의 기호 기반 추론 역량

    대규모 AI 모델 개발용 프레임워크로 높은 인기를 누리며 잘 알려진 JAX는 보다 광범위한 과학 분야에서도 빠르게 도입되고 있습니다. 특히 물리학 기반 머신러닝과 같이 계산 집약적...

    JAX_meta
  • 2025년 7월 29일 / AI

    JAX와 함께하는 로봇 공학자의 탐색 여정: 최적의 제어와 시뮬레이션에서 효율성 찾기

    맥스 씨의 탐색 여정에서 JAX 네이티브 LQR 솔버인 LQRax를 소개합니다. LQRax는 Brax, MJX, JaxSim과 같은 도구를 포함하는 성장 중인 JAX 로봇 공학 생태계를 잘 보여주며, JAX의 이점인 최적의 제어와 시뮬레이션 부문의 계산 효율과 모델 기반 및 학습 기반 접근 방식을 매끄럽게 통합하는 부분을 잘 보여줍니다.

    JAX_meta
  • 2025년 7월 16일 / Cloud

    Stanford의 Marin 파운데이션 모델: JAX를 사용하여 개발된 최초의 완전 개방형 모델

    Marin 프로젝트는 AI에서 ‘개방형(open)’의 개념을 단순히 모델 공유에 국한하지 않고, 전체 과학적 프로세스를 모두 접근 가능하고 재현 가능하게 만드는 것으로 확장하고자 합니다. 이러한 노력은 JAX 프레임워크와 그 Levanter 도구를 활용해, 파운데이션 모델을 깊이 있게 검토하고 신뢰하며 그를 토대로 새로운 작업을 구축할 수 있게 하여 AI 연구에 있어 보다 투명한 미래를 도모합니다.

    Stanford Marin project in JAX