Запрети мне псевдолейблить

Теперь образ Рустама приследует меня всюду

Ко мне снова пришли миньоны Рустама. В этот раз их видимо переалайнили: боты перестали хоть как-то отвечать на сообщения или как-то видоизменять скрипт. По ощущениям- там 50 разных фраз внутри и бот моделькой выбирает самый правдоподобный ответ. Скукота, но прогресс на лицо. Боты стали еще скучнее и больше похожими на классических спамеров. А вот блеклист видимо все еще не прикрутили, чтобы токены на меня и других хейтеров не тратить. Удивительно, насколько Рустам читал lean startup, но не понимал что пишут

X X^t can be faster (Score: 150+ in 8 hours) Link: https://readhacker.news/s/6uANa Comments: https://readhacker.news/c/6uANa

Сори что без оригинального контента пока

бедные карлики

мы

Человечество: Изобретает LLM-driven поиск, чтобы не читать булшит от маркетологов и ллмки переписали все без воды и CEO-оптимизации Маркетологи: МЫ СОБРАЛИ ДЛЯ ВАС ПОЛТОРЫ ТЫСЯЧИ ПРОМТОВ КОТОРЫЕ ПОЗВОЛЯТ ВАМ ЛУЧШЕ ИСКАТЬ С ПОМОЩЬЮ AI

Approved: Если занять хорошее место на Forams Classification 2025, то позовут выступать на семинаре CVPR.

Python's new t-strings (Score: 154+ in 5 hours) Link: https://readhacker.news/s/6t8rs Comments: https://readhacker.news/c/6t8rs

Продолжая тему академичных соревнований: Forams Classification 2025 Соревнование от CVPR и хорошее место возможно откроет вам выступление на воркшопе CVPR и приглашение на конфу. Но вообще авторы в соревновании ничего не пишут и не обещают по поводу конфы. Я им на всякий случай написал имейл, так что если они вдруг сподобятся ответить- я вам расскажу. В соревновании нет медалек, так что сильной конкуренции и дядек с личными H20 не будет Данные тоже забавные: 3D сканы окаменелых моллюсков 128x128x128 вокселей и 15 классов. Загвоздка в том, что на каждый класс дано по 15 размеченных семплов, прямо как у мня на парах по классическому CV в свое время. Данных всего 18424 примеров, так что подавляющая часть вообще не размечена. Метрика- F1. План для изи ачивки в академической карьере: 1. Берем команду из 5 человек 2. Смотрим глазами все классы и каждый размечает по 300 примеров (всего уже 1500 примеров) 3. Учим на jpeg-проекциях вокселей от авторов что-нибудь простое, типа Resnet. 4. Проверяем за резнетом и исправляем ошибки для самых уверенных классов 5. Учимся еще раз 6. Проверяем еще раз 7. ... 8. PROFIT!

Новое соревнование на Kaggle: Yale/UNC-CH - Geophysical Waveform Inversion Цель- инвертировать отражения сейсмических волн. Надо по 3D (два направления и время) предсказать карту глубин. На kaggle только часть датасета в 108 гб, но полный датасет весит 2.2 террабайта. Тут есть нюанс- для каждой уникальной карты глубин есть 500 замеров, чтобы их усреднить и уменьшить шум. Метрика MAE по 69 колонкам (мультирегрессия) По сути нам нужно из данных p(*), t, x, z и (s + eps) вычислить c(*) в заданных точках. Мои шесть семестров дифуров из универа напряглись, хотя гиперболическое дифференциальное уравнение в частных производных мы кажется отдельно не разбирали Мне в свое время очень нравилась идея поженить свои знания МЛ и время потраченное на дифуры и уже была хорошая сорева для этого: Google Brain - Ventilator Pressure Prediction Там нужно было моделировать давление в легких в зависимости от нагнетаемого объема воздуха, что хорошо описывается дифурами, но в топовых решениях были просто plug-n-play трансформеры 😭

🏀Не долго музыка играла, March Mania кончилась и все команды сыграли. 🏀 ПОЛУЧИЛОСЬ ОЧЕНЬ ПЛОХО В этот раз было достаточно много 'Внезапных побед', так что после первых раундов меня довольно быстро потопило. Из идей, которые можно вынести на будущее: 🔸 Надо обязательно участвовать. Это буквально лотерейный билет на solo gold — самый сложный шаг на пути к Kaggle Grandmaster, и его вполне можно вытянуть даже из паблик кернела с хорошим сидом 🔸 Вместо ELO — лучше GLIKO (версия 2). Он позволяет задавать разную дисперсию силы для разных команд, что особенно важно для нестабильных команд 🔸 Смотреть надо не на разницу очков, как Raddar, а на offense-defense метрики, как Джордж. Например, в попытках атак на кольцо хорошо видно, что одни команды закидывают трёшки, а другие играют в проход под кольцо. Результаты тоже сильно разные. 🔸 Женский баскетбол требует очень "неуверенного" подхода. Уровень команд более ровный, денег меньше, тренировки проще. В гранд-финале центровая проходит под кольцо и забивает сверху, а ее даже никто не пытается заблокировать. Фэнтези-баскет какой-то. 🔸 Последние матчи команды до турнира — самые важные. Игроки в NCAA проводят максимум 4 года, а звёзды уходят в профи уже через 2. Значит, старая статистика быстро устаревает и баланс сил меняетя. ㊙ Секретный хинт: можно взять отношения шансов на победу у букмейкеров и посмотреть, где модель фатально ошибается с распределением шансов в турнире через прямую симуляцию. Я наверно в следующий раз буду с ней блендить даже. Так можно отловить 'немодельные изменения', например травмы игроков

Пойду вспомню статистику гуся

В строю наших слонов-компетишн-мастеров прибавилось: https://t.me/AparinAI/123

Мою элитную LMU-магистратуру в этом году закрыли, потому что она оказалась слишком дорогой для немецкого правительства. Но в Германию все еще без проблем берут всех желающих и прошедших конкурсный отбор. Тут на дружественном канале вышла как раз подборка немецких магистратур: ->>> подборка <<<- Добавил бы от себя, что с этого года в TUM надо платить 6к евро в год за учебу, но это только в нем и остальные универы стоят порядка 100 евро в семестр + расходы на проживание

🥇 Первое место на NeurIPS Lux AI 3 За первое место соперничали в основном только три топовые команды. Давайте разберем ключевые решения победителей соревы: Массовый фичинжиниринг • Создали более 1000+ признаков для каждого тайла (напомню, их размер — 24×24) •Сами написали PPO с V-trace на PyTorch • Тоже двухголовая архитектура. Одна голова выбирает действие, а вторая определяет, куда стрелять, если действие связано с выстрелом • Приделали еще и голову, которая предсказывает, куда шагнут враги в следующий момент, даже если враг не наблюдается. Таким образом, модель научилась стрелять «вслепую» 👀 • Обучались в формате bfloat16 на 1.5 млрд матчей. Всего за всю соревновательную сессию сыграли около 20 млрд матчей ⚡ Все другие секреты PPO уже разобраны, поэтому давайте сосредоточимся на поистине уникальном приеме команды: 🔥 Противодействие Imitation Learning (тут еще есть второе мнение от настоящего грандмастера) • С первого люкса команда понимала, что многие полагаются на imitation learning, и решила активно противодействовать этому. • Были обучены две модели — слабая и сильная (предыдущая лучшая и текущая) — с рандомным выбором, какая из них будет играть во время инференса. • Сильная модель работала всего в 15% случаев, но писала об этом в логи игры, позволяя после матча распарсить и понять какая модель играла и замерять эффект. Все остальное время учили IL оппонентов плохому • Анализ логов после матчей позволял точно оценить преимущества сильной модели относительно предыдущей. К тому же, топовые команды генерировали около 1000 матчей в день уже на лб (из них ~150 с сильной моделью), так что можно было проверить статзначимость улучшения. • Под конец модель настолько раздулась, что две модели не помещались в сабмишн, так что пришлось оставить только одну и добавить к её атрибутам шум для того, чтобы портить трейн сет всем подражателям #lux

Kaggle для академиков Прямо сейчас проходят соревнования, хорошее место в которых позволит опубликовать свой work-note и выступить с воркшопом на конфах CVPR25 (A+) / CLEF (A) 1. AnimalCLEF25 @ CVPR-FGVC & LifeCLEF 2. FungiCLEF25 @ CVPR-FGVC & LifeCLEF 3. PlantCLEF2025 @ LifeCLEF & CVPR-FGVC 4. GeoLifeCLEF25 @ CVPR & LifeCLEF 5. FathomNet 2025 @ CVPR-FGVC Отдельно от них стоит BirdCLEF+ 2025. Это потому что за нее, в отличие от 5 предыдущих дают медальки, а значит конкуренция кратно выше. И это на самом деле очень хорошо, потому что можно на мягких лапах подкрасться к хорошим местам на первых пяти соревнованиях и против вас не будет драться на смерть весь консалтинг-отдел NVIDIA с 10к A100 в кармане. Отдел будет драться со мной за медальку на птичках. А там глядишь, воркшоп с work-note на CVPR, магистратура в École Polytechnique и уютный офис Google в Париже с неплохой французской бытностью. На фото это Эйфелева башня. Знаю, мыло, но ночью с рук сложно сделать совсем четкий снимок на polaroid. А почему я говорю именно про Париж- вы спросите лучше в лс.

Опустился в бронзу из-за драмы: Marquette, в победе которого моя модель уверена на 97%, проиграли New Mexico, причем из-за пары рандомных трехочковых в начале начали дизморалить и пытаться тоже забить издалека вместо борьбы под кольцом. Даже на графике видно, на сколько они все время были чуть-чуть позади и под конец окончательно сдали нервы. Просто сравните плотность атак из-за трехочковой линии у черных (New Mexico) и синих (Marquette) UPD: Драма продолжается После этого разгона с New Mexico успел побывать на 4 🥇 месте (в деньгах 💰) и опуститься даже из бронзы на 177 место из-за какого-то неожиданно хорошего перфоманса Миссисипи Ну что же, буду использовать полученный опыт в следующем году