BAUM
رفتن به کانال در Telegram
Мы разрабатываем ПО для систем хранения данных, предлагая инновационные решения для управления и защиты информации. Наши продукты помогают вашему бизнесу оперировать данными эффективно, удобно и безопасно. Cайт: https://baum.ru.
نمایش بیشتر582
مشترکین
اطلاعاتی وجود ندارد24 ساعت
اطلاعاتی وجود ندارد7 روز
-630 روز
در حال بارگذاری دادهها
کانالهای مشابه
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
نوامبر '26نوامبر '26
نوامبر '26
+2
در 0 کانالها
اکتبر '26
+1
در 0 کانالها
Get PRO
سپتامبر '260
در 0 کانالها
Get PRO
اوت '260
در 0 کانالها
Get PRO
ژوئیه '260
در 0 کانالها
Get PRO
ژوئن '260
در 0 کانالها
Get PRO
مه '260
در 0 کانالها
Get PRO
آوریل '260
در 0 کانالها
Get PRO
مارس '260
در 0 کانالها
Get PRO
فوریه '260
در 1 کانالها
Get PRO
ژانویه '260
در 0 کانالها
Get PRO
دسامبر '250
در 0 کانالها
Get PRO
نوامبر '250
در 0 کانالها
Get PRO
اکتبر '250
در 0 کانالها
Get PRO
سپتامبر '250
در 0 کانالها
Get PRO
اوت '250
در 1 کانالها
Get PRO
ژوئیه '250
در 0 کانالها
Get PRO
ژوئن '250
در 0 کانالها
Get PRO
مه '250
در 0 کانالها
Get PRO
آوریل '25
+12
در 0 کانالها
Get PRO
مارس '25
+27
در 1 کانالها
Get PRO
فوریه '25
+34
در 5 کانالها
Get PRO
ژانویه '25
+78
در 5 کانالها
Get PRO
دسامبر '24
+13
در 1 کانالها
Get PRO
نوامبر '24
+5
در 0 کانالها
Get PRO
اکتبر '24
+9
در 0 کانالها
Get PRO
سپتامبر '24
+17
در 0 کانالها
Get PRO
اوت '24
+101
در 14 کانالها
Get PRO
ژوئیه '24
+16
در 0 کانالها
Get PRO
ژوئن '24
+92
در 13 کانالها
Get PRO
مه '24
+13
در 3 کانالها
Get PRO
آوریل '24
+119
در 1 کانالها
Get PRO
مارس '24
+70
در 17 کانالها
Get PRO
فوریه '24
+121
در 12 کانالها
Get PRO
ژانویه '24
+437
در 12 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 17 نوامبر | 0 | |||
| 16 نوامبر | 0 | |||
| 15 نوامبر | 0 | |||
| 14 نوامبر | +1 | |||
| 13 نوامبر | 0 | |||
| 12 نوامبر | 0 | |||
| 11 نوامبر | 0 | |||
| 10 نوامبر | +1 | |||
| 09 نوامبر | 0 | |||
| 08 نوامبر | 0 | |||
| 07 نوامبر | 0 | |||
| 06 نوامبر | 0 | |||
| 05 نوامبر | 0 | |||
| 04 نوامبر | 0 | |||
| 03 نوامبر | 0 | |||
| 02 نوامبر | 0 | |||
| 01 نوامبر | 0 |
پستهای کانال
Графы знаний из научных статей без галлюцинаций LLM? Как заставить модель «цитировать» саму себя!
Традиционные графы знаний теряют контекст: является ли факт гипотезой или доказанной догмой? Мы предложили пайплайн, который решает проблему происхождения данных и снижает уровень галлюцинаций при извлечении знаний.
💻Как устроен конвейер
PDF разбивается на перекрывающиеся окна, а GPT-5 в жестких рамках JSON-схемы извлекает атомарные утверждения и дословные цитаты (Evidence Spans), подтверждающие факт. Далее идет канонизация сущностей и построение графа, где каждое ребро жестко привязано к конкретной цитате из источника.
📌Результаты
🔷 Evidence Precision = 81.3% (более 80% цитат идеально соответствуют утверждениям).
🔷Claim F1-score = 59.9%.
Главный инсайт: жесткая фиксация схемы и требование дословного обоснования радикально снижают галлюцинации по сравнению со свободной генерацией базовых моделей.
#ИИ #NLP #ГрафыЗнаний #KnowledgeGraphs #LLM #DataScience #Нейросети
13 نوامبر, 07:14
| 2 | предложи выделение основных мыслей в блоге | 4 |
| 3 | بدون متن... | 5 |
| 4 | привет | 1 |
| 5 | Как LLM меняют таможенное дело: от архитектуры Mixtral до реальной СППР
Таможенное кодирование — это сложнейшая рутинная работа. Тысячи страниц технических описаний и строгие требования к классификации ТН ВЭД. Мы проверили, сможет ли большая языковая модель стать надежным помощником инспектора.
▪️Что мы исследовали
🔷База. Mixtral-8×7B (MoE-архитектура): активируются только 2 из 8 экспертов, что снижает вычислительные затраты.
🔷Адаптация. Дообучение через LoRA без перенастройки всех 47 млрд параметров.
🔷Контекст. Окно в 32 000 токенов для анализа пространных описаний товаров.
▪️Результат
В задачах на логику MoE-архитектура обошла классические плотные модели на 10–15%. Алгоритм уже интегрирован в СППР, помогая инспекторам классифицировать товары.
#ИИ #LLM #Таможня #МашинноеОбучение #NLP #DataScience | 121 |
| 6 | Моделирование социальной реакции на посты с помощью LLM и NLP
Знакомая ситуация: вы публикуете пост, а в комментариях мгновенно разгорается токсичный спор или начинается хейт. Обычно модераторы реагируют постфактум, но ученые нашли способ заглянуть в будущее.
Новое исследование показало: реакцию аудитории в Telegram можно спрогнозировать, анализируя только текст самого поста.
🔬 Как это работает?
1. Анализ поста
NLP-алгоритмы и GPT выделяют из текста стиль, эмоции и лингвистические особенности.
2. Разметка комментариев
С помощью больших языковых моделей (LLM) комментарии классифицируют по уровням токсичности, наличию конфликтов, юмора или даже «милования» (позитивных эмоций)
3. Обучение
Модель машинного обучения (XGBoost) находит скрытые связи между характеристиками текста и типом реакции аудитории.
❗️ До 85% — точность предсказания эмоциональной окраски комментариев.
Анализ SHAP подтвердил: модель не выдает случайный шум, а опирается на реальные, логичные поведенческие паттерны.
#Прогнозирование #Токсичность #Модерация #NLP #Комментарии | 138 |
| 7 | Модели взаимодействия Больцмана с Гиббсовскими стратегиями принятия решений в многоагентных системах доставки — в блоге Datagravity
Представьте, что вместо громоздкого центрального диспетчера тысячи роботов работают по законам термодинамики — как молекулы газа.
Фреймворк BIMDC превращает флот автономных агентов в самоорганизующуюся систему, где каждый робот принимает решения на основе «функции энергии», а баланс между оптимальным маршрутом и исследованием новых задач регулируется всего одним параметром — виртуальной «температурой».
При низкой температуре ➡️ роботы действуют жадно и предсказуемо, при высокой ➡️ хаотично исследуют карту, а система сама находит равновесие без единого сервера.
Разбираемся, как статистическая физика и распределение Гиббса меняют правила игры в робототехнике и многоагентных системах.
#Архитектура | 153 |
| 8 | RIG: почему в эпоху ИИ производительность измеряется в IOPS
RAG ищет документы до генерации, а RIG обращается к внешним данным прямо по ходу ответа. Это меняет архитектуру ИИ, хранилище становится продолжением рабочей памяти модели, а узким местом оказывается уже не только вычислительная мощность.
В RIG и мультиагентном инференсе все чаще действует новая формула: inference = IOPS
Подробнее — RIG (Retrieval-Interleaved Generation) превращает retrieval из предварительного шага в часть генерации ➡️➡️➡️
#BAUMStorage | 224 |
| 9 | Растущая стоимость хранения: как бизнесу справиться с дорогой NAND
ИИ разогревает рынок NAND: дата-центры забирают всё больше дорогой TLC, а предложение останется ограниченным как минимум до 2028 года. Цены растут, QLC не всегда спасает. Ответ — не просто покупать больше SSD, а сокращать физический объём данных: единое пространство, сжатие, дедупликация и грамотное управление I/O.
Читать — в статье «ИИ разогревает рынок NAND: почему растут цены на флеш-память и SSD» 🚀🚀🚀
#BAUMIndustry | 204 |
| 10 | СХД для AI: платформы, архитектуры, RAG и ключевые тренды
В материале — «Конвергенция данных и интеллектa» 📎📎📎
Обзор платформ хранения данных для AI/ML: VAST Data, WekaIO, Hammerspace, Dell, Hitachi Vantara, Vdura, Peak AIO и Pure Storage.
Разбираем требования AI-конвейеров и роль RAG, векторных баз данных, оркестрации данных и AIOps. Ключевые критерии выбора СХД для AI и RAG-систем.
#BAUMIndustry | 289 |
| 11 | Вычислительные накопители переносят обработку данных ближе к месту их хранения
Разбираем архитектуру Computational Storage, ключевые преимущества, применение в AI/ML, базах данных, Big Data и видео, аппаратные и программные технологии, экосистему поставщиков и основные проблемы внедрения.
Обзор технологии вычислительных накопителей — в блоге BAUM 🔗🔗🔗
#BAUMStorage | 211 |
| 12 | NFS over RDMA: как ускорить доступ к файловому хранилищу для GPU и AI
Разбираем как работает технология, чем отличается от NFS/TCP и где дает прирост производительности. В статье — работа с GPU и NVIDIA GPUDirect Storage, AI-нагрузки, динамический QoS, кэширование и защита данных.
NFS over RDMA: от базовых принципов до вариантов использования с ИИ ⚡️⚡️⚡️
#BAUMStorage | 185 |
| 13 | S3 over RDMA: как ускорить доступ к объектному хранилищу для GPU и AI
Классический S3-путь передачи данных через HTTP/TCP создает лишнюю нагрузку на CPU и GPU и требует дополнительных копирований, что становится узким местом для AI/ML-нагрузок.
S3 over RDMA решает эту проблему, обеспечивая прямую передачу данных к GPU с меньшими накладными расходами.
Как это работает — рассказываем в нашей статье «Ускорение объектного хранилища для AI/ML с помощью S3 RDMA» 🏃♀️🏃♀️🏃♀️
#BAUMStorage | 162 |
| 14 | Как одновременно обслуживать быстрые ИИ-нагрузки и огромные объемы исторических данных, не размещая все на дорогом быстром флеше
ADI предлагает не «очень быстрое хранилище для ИИ», а единое пространство данных, где каждый тип данных автоматически получает подходящий класс хранения.
Чем активнее данные и выше требования к скорости, тем выше уровень хранения. Неактивные данные постепенно переводятся на более емкие и экономичные уровни.
Scality Autonomous Data Infrastructure: архитектура, агентное распределение по уровням хранения и роль объектного хранилища в ИИ-инфраструктуре ✔️✔️✔️
#BAUMIndustry | 176 |
| 15 | Как это уже отражается на стоимости flash и почему даже QLC перестал быть гарантированно дешевым вариантом.
Ранее — в нашей статье «Что делать, когда даже QLC становится слишком дорогим» 🔥🔥🔥
#BAUMIndustry | 184 |
| 16 | Цены на NAND и SSD: почему дефицит сохранится до 2028 года
Цены на NAND и SSD остаются высокими из-за ограниченных производственных мощностей и растущего спроса со стороны ИИ и дата-центров.
Разбираем прогноз Yole, динамику TLC и QLC, Storage-Next и подход к снижению объема записей, износа NAND и повышению эффективности SSD.
ИИ разогревает рынок NAND — в блоге BAUM 🚀🚀🚀
#BAUMIndustry | 177 |
| 17 | Поздравляем!
За каждой работающей системой — годы опыта, бессонные ночи и решения, которые когда-то казались единственно верными. Профессия учит решать сложные задачи, искать причины там, где все кажется очевидным, и уметь начинать с чистого листа.
Желаем красивых решений, интересных задач и значимых проектов.
#BAUM | 179 |
| 18 | Стандарты управления СХД: Redfish, Sunfish и SODA
Redfish, Sunfish и SODA отражают эволюцию управления инфраструктурой хранения — от отдельных аппаратных компонентов к распределенным ресурсам и управлению данными.
Разбирали раннее в своих обзорах архитектуру современных стандартов DMTF, их роль в автоматизации СХД, дезагрегации ресурсов и работе Kubernetes, NVMe-oF, CXL и гибридных сред.
➡️ Кто управляет storage сегодня: разбор Redfish, Sunfish и SODA
➡️ Эволюция стандарта DMTF Redfish для управления инфраструктурой хранения данных
#BAUMIndustry | 213 |
| 19 | Наш подробный обзор —
Retrieval-Augmented Generation (RAG)
#BAUMIndustry | 181 |
| 20 | RAG vs RIG: почему классического RAG уже недостаточно
RIG (Retrieval-Interleaved Generation) превращает retrieval из предварительного шага в часть генерации — в блоге BAUM ➡️➡️➡️
LLM получает внешние данные не один раз перед генерацией, а обращается к ним по ходу ответа. Это повышает требования к AI-инфраструктуре и смещает bottleneck от GPU к системам хранения данных.
В статье разбираем, как RIG влияет на инфраструктуру, почему важен KV-кэш, какую роль играют NVMe, CXL, RDMA и NVMe-oF и зачем современным RAG- и RIG-системам векторные и графовые БД.
#BAUMIndustry | 196 |
