Мишин Лернинг 🇺🇦🇮🇱

Новая диффузионная модель от Nvidia: Sana Основные особенности: — DC-AE энкрдер, (если интересно вот ссылка) который понижает в 32 раза, вместо привычных 8ми для vqVAE, без сильных потерь — Линейный DiT: по сути ViT, где фьюз происходит не через аттеншен, а через марицу рангом d << n (где, n это количество image token’ов). Подробнее про метод у Яныка на ютубе. Имхо это не аттеншн, но называйте как хотите. — Вместо T5 взяли small LLM (decoder only), не прошло и 2 лет… — Кастомный сэмплер: Flow-DPM-Solver Обещают может и не лучшее качество, но супер быструю скорость и резолюшн 4096х4096 (благодаря DC-AE). 💻 Code (будет тут) 📝 paper 😈 demo на градио p.s.: погененрил в демо, 1024х1024 работает норм, но пишет с ошибками.

🔥 Сегодня Mistral AI представила новые модели — Ministral 3B и Ministral 8B Ministral 3B и Ministral 8B, разработанные для on-device вычислений. Эти модели предлагают превосходную производительность в задачах reasoning, commonsense и function-calling, поддерживая контекст до 128k токенов. ⚙️ Ministral 3B разработана для сверхэффективного использования на устройствах с ограниченными ресурсами (e.g.: смартфоны). Ministral 8B предлагает больше возможностей для сложных задач. Обе модели поддерживают до 128k контекста и используют передовые методы pruning и quantization для снижения нагрузки на железо. Бенчмарки показывают неплохой буст в сравнение с существующими Llama 3.1 / 3.2 и Gemma 2 моделями. 🤖 Ministral 8B: ссылка на модель

🎓 Уже вторая Нобелевская премия за AI — на этот раз по химии. Половина премии за предсказание структуры белков» нейросетью Alpha Fold (от DeepMind) Нобелевскую премию по химии 2024 года: одну половину — Дэвиду Бейкеру «за вычислительный дизайн белков», а другую половину — совместно Демису Хассабису и Джону М. Джамперу «за предсказание структуры белков».

🎓 Хинтон и Хопфилд получили Нобелевскую премию по физике за создание искусственных нейронных сетей Нобелевскую премию по физике 2024 года Джону Дж. Хопфилду и Джеффри Э. Хинтону «за основополагающие открытия и изобретения, которые позволяют осуществлять машинное обучение с использованием искусственных нейронных сетей».

🦙 Релиз Llama 3.2 от Meta На этот раз нам предоставили выбор аж из четырех моделей, включая, в том числе, и достаточно легковесные и мультимодальные версии: ▫️Llama 3.2 — 1B (1.23B) Lightweight ▫️Llama 3.2 — 3B (3.21B) Lightweight ▫️Llama 3.2 — 11B Multimodal ▫️Llama 3.2 — 90B Multimodal Обзор: Llama 3.2 была предварительно обучена на 9 триллионах токенов данных из общедоступных источников. Претрейн моделей 1B и 3B Llama 3.2 являются дистилом из Llama 3.1 8B и 70B (предиктили не следующий токен, а логиты из старших моделей) В инстракт трейне использовали аналогичный рецепт, что и Llama 3.1: — Supervised Fine-Tuning (SFT) — Rejection Sampling (RS) — Direct Preference Optimization (DPO) Сutoff: Декабрь 2023 P.S.: Круто, что подвезли мультимодальные 11B и 90B. А среди легковесных — 3B модель вышла очень интересной, хотя и не стоит забывать про Phi-3.5-mini (3.8B), которая очень неплохо справляется в своей весовой категории. 🤗 Скачать 1B и 3B легковесные версии можно уже сейчас на HuggingFace

🔥 NVIDIA выпустила Llama-3.1-Nemotron-51B Llama-3.1-Nemotron-51B модель нового поколения, которая выводит на новый уровень соотношение точность/эффективность. Сеть создана с использованием Neural Architecture Search (NAS) и дистилляции от Llama-3.1-70B, эта модель предлагает 2.2x ускорение инференса без значительных потерь в точности. Подробнее: 📊 Производительность: ▫️Пропускная способность: 6472 токенов/сек, что более чем в два раза быстрее исходной Llama-3.1-70B. ▫️И главное, модель поддерживает выполнение задач на одной NVIDIA H100 GPU, что значительно снижает стоимость и упрощает инференс. ⚙️ Основные инновации: ▫️Архитектура оптимизирована с помощью NAS, что снижает нагрузку на память и вычислительные ресурсы. ▫️Плюс заюзали механизм Block-distillation, позволяющий уменьшить количество блоков без значительных потерь в точности. 📇 Blog NVIDIA 🤗 Веса 💻 Потестить бесплатно можно тут

https://youtu.be/Do6iiSa4hmc?si=4IpOeAa8ijroPf2j Имхо не зря человечество тренит сети

👾 GPT o1-preview заняла первое место на лидерборде https://lmarena.ai/ Ожидаемо. В той или иной форме, медленное мышление (chain-of-thought) уже было следующим шагом. Так что, скорее всего, новым стандартом станет: preTrain, с последующим SFT + DPO\RLFH + Chain-of-Thought. Скорее всего 2025 станет годом подобных open-source релизов. Из интересного стоит добавить, что OpenAI обновила и GPT-4o (2024-09-03), которая получила 1335 эло-скора (против предшественницы 2024-08-08 с 1316). Кстати, ребята добавили Jailbreak models at RedTeam Arena, где можно тестить (через дикий объюз) и сравнивать (борда) безопасность/опасность языковых моделей.

⛓🧠 OpenAI модели с Chain-of-Thought из "коробки" и это прям топ Есть такая концепция "быстрого и медленного мышления". Например, когда тебя спрашивают: — Сколько будет 7 на 8 ? — Сколько нужно слоев в нейросети для аппроксимация функции с заданной точностью? — Кто написал "Евгения Онегина"? При быстром мышлении мы отвечаем сразу, "не думая": — 56; 2 слоя; Чайковский При медленном мы задаем себе промежуточный вопросы: — Умножить или поделить? Прям любой функции? Оперу или роман? Короче, Chain-of-Thought там очень серьезный, и качество стало значительно выше. 👉 Так что приглашаю всех на блог OpenAI

Удивительное дело, оказывается у Anthropic выложены в свободный доступ системные промпты от их Claude. Никаких тайных знаний, но оказалось что они довольно обьемные, посмотреть можно тут, я прям минут 20 читал и вчитывался. подглядел у @cgevent, он нашел первым

📋 GPT-4o System Card OpenAI выложили отчет, который описывает работу по обеспечению безопасности, выполненную перед выпуском GPT-4o, включая внешнюю проверку (red teaming), оценку рисков, а также обзор встроенных мер по снижению рисков в ключевых областях применения. https://openai.com/index/gpt-4o-system-card/

🏆 LLaMa 3.1 — 405B модель от Меты заняла 3е на арене Это невероятный успех для опенсорса! 1 место — GPT-4o & GPT-4o-mini 2 место — Claude 3.5 Sonnet 3 место — Gemini-Advanced & LLaMa 3.1

Сегодня опенсорснули Mistral Large 123B Поддерживаются десятки языков, включая английский, французский, немецкий, испанский, итальянский, китайский, японский, корейский, португальский, голландский и польский. LLMка обучена более чем 80 языках программирования, таких как Python, Java, C, C++, Javacsript и Bash. Также есть возможности вызова функций и вывода JSON. Лицензия Mistral Research: разрешает использование и модификацию в исследовательских и некоммерческих целях. Контекст: 128 тысяч токенов. Новый стандарт, короче. 🇫🇷 https://huggingface.co/mistralai/Mistral-Large-Instruct-2407

Gemma2 Выложили 4 модели 9B и 22B, включая Instruct (IT) версии 🤗 hf blog

🖥️ Десктопная версия ChatGPT теперь доступна всем юзерам * Пока только на MacOS 🗃️Скачать

А вот вам вишенка на всём этом вашем торте: теперь Claude подвезли возможность запускать код и даже отображать svg. Кстати, интерпретатор обещали еще на старте Claude 3. https://youtu.be/rHqk0ZGb6qo?si=paltJiI21vu2SXh-

🏆 Свежая Claude 3.5 Sonnet обгоняет GPT-4o По заявлениям Anthropic их средняя по размерам модель выигрывает в основных benchmark’ах GPT-4o. Конечно выводы делать еще рано, и стоит подождать обновления Chatbot Arena Leaderboard (https://chat.lmsys.org) Anthropic обещают обновить их младшую Haiku и старшую Opus модели до 3.5 в течение этого года. 📋 Anthropic 3.5 Sonnet (blog post)