Mango AI vs A Generalist Agent

Mango AI répertorie plus de 13 000 outils d'IA dans un seul annuaire consultable. Vous parcourez des fiches avec des badges de prix, filtrez par Gratuit, Freemium ou Payant, et accédez directement au site web de chaque outil. Une newsletter gratuite est envoyée à plus de 40 000 lecteurs pour mettre en avant les nouveaux ajouts et l'actualité de l'IA.

Contrairement aux listes de liens bruts, Mango AI associe de nombreuses fiches à des articles de blog qui expliquent ce que fait un outil avant de cliquer. La page des favoris permet aux utilisateurs connectés de sauvegarder leurs choix pour plus tard, et chaque fiche affiche une courte description ainsi que des boutons Lire la suite et Ouvrir le site web.

La page d'accueil présente des outils mis en avant dans des catégories telles que la génération d'images, les chatbots, la finance et l'immobilier. Les fiches indiquent le type de tarif directement sur la carte, ce qui vous permet de rechercher des options gratuites sans ouvrir chaque site. Un contact est disponible à l'adresse [email protected] pour toute question ou soumission.

Les passionnés d'IA à la recherche de nouveaux produits, les développeurs comparant des options et les lecteurs de la newsletter qui souhaitent un résumé hebdomadaire sélectionné constituent le public principal. L'annuaire en lui-même est gratuit à consulter, et l'abonnement à la newsletter est également gratuit.

Gato est l'agent généraliste présenté par DeepMind dans son article de recherche de mai 2022 intitulé « A Generalist Agent ». Une seule politique de transformeur avec des poids partagés gère la conversation, la description d'images, les jeux Atari et l'empilement de blocs par un bras robotique réel à partir du même modèle. L'article le décrit comme une politique multimodale, multitâche et multi-incarnation qui choisit d'émettre du texte, des couples articulaires, des pressions de boutons ou d'autres jetons selon le contexte.

La plupart des outils dans ce domaine entraînent un modèle distinct par domaine de tâche. Gato sérialise au contraire chaque modalité et environnement en une séquence plate de jetons et la fait passer à travers un transformeur conçu comme un grand modèle de langage. Cela signifie qu'un seul point de contrôle pré-entraîné passe du dialogue, à la vision, puis au contrôle sans changer d'architecture.

Pendant l'entraînement, les données issues d'environnements simulés et réels se mélangent avec des ensembles de données en langage naturel et d'images, avec une perte masquée pour que Gato ne prévoie que les cibles d'action et de texte. Lors du déploiement, un prompt est d'abord tokenisé, chaque nouvelle observation s'ajoute à la séquence, et le modèle échantillonne un vecteur d'action un jeton à la fois dans une fenêtre de contexte de 1024 jetons. Le blog inclut des graphiques regroupés par domaine des tâches où le modèle pré-entraîné dépasse les seuils de score expert.

Le texte s'adresse davantage aux chercheurs en IA et robotique qu'aux acheteurs de logiciels quotidiens. Vous pouvez lire et citer la recherche sur deepmind.google ; il n'y a pas de processus d'inscription public, de niveau API ou de bouton de téléchargement sur les pages examinées ici.