Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
epsilon correct
Открыть в Telegram
Машинное обучение, графы, языковые модели. Чуток про карьеру исследователя в FAANG, путь PhD и щепотка полезной математики. Связаться с автором: @deltaincorrect. Рекламы в канале нет.
Больше8 047
Подписчики
-1224 часа
+47 дней
+3030 день
Загрузка данных...
Похожие каналы
Облако тегов
Входящие и исходящие упоминания
---
---
---
---
---
---
Привлечение подписчиков
июнь '26
июнь '26
+77
в 0 каналах
май '26
+148
в 0 каналах
Get PRO
апрель '26
+218
в 5 каналах
Get PRO
март '26
+111
в 0 каналах
Get PRO
февраль '26
+256
в 2 каналах
Get PRO
январь '26
+171
в 3 каналах
Get PRO
декабрь '25
+109
в 5 каналах
Get PRO
ноябрь '25
+152
в 2 каналах
Get PRO
октябрь '25
+106
в 3 каналах
Get PRO
сентябрь '25
+148
в 3 каналах
Get PRO
август '25
+156
в 6 каналах
Get PRO
июль '25
+147
в 2 каналах
Get PRO
июнь '25
+214
в 5 каналах
Get PRO
май '25
+159
в 5 каналах
Get PRO
апрель '25
+213
в 3 каналах
Get PRO
март '25
+521
в 10 каналах
Get PRO
февраль '25
+541
в 10 каналах
Get PRO
январь '25
+150
в 6 каналах
Get PRO
декабрь '24
+381
в 9 каналах
Get PRO
ноябрь '24
+152
в 3 каналах
Get PRO
октябрь '24
+388
в 10 каналах
Get PRO
сентябрь '24
+2 489
в 19 каналах
Get PRO
август '24
+198
в 10 каналах
Get PRO
июль '24
+232
в 4 каналах
Get PRO
июнь '24
+76
в 0 каналах
Get PRO
май '24
+85
в 4 каналах
Get PRO
апрель '24
+138
в 1 каналах
Get PRO
март '24
+185
в 8 каналах
Get PRO
февраль '24
+105
в 3 каналах
Get PRO
январь '24
+119
в 1 каналах
Get PRO
декабрь '23
+408
в 3 каналах
Get PRO
ноябрь '23
+52
в 0 каналах
Get PRO
октябрь '23
+165
в 3 каналах
Get PRO
сентябрь '23
+106
в 0 каналах
Get PRO
август '23
+140
в 0 каналах
Get PRO
июль '23
+1 495
в 0 каналах
| Дата | Привлечение подписчиков | Упоминания | Каналы | |
| 14 июня | +1 | |||
| 13 июня | +5 | |||
| 12 июня | +18 | |||
| 11 июня | +3 | |||
| 10 июня | +6 | |||
| 09 июня | +3 | |||
| 08 июня | +6 | |||
| 07 июня | +1 | |||
| 06 июня | +4 | |||
| 05 июня | +8 | |||
| 04 июня | +8 | |||
| 03 июня | +1 | |||
| 02 июня | +4 | |||
| 01 июня | +9 |
Посты канала
MTP спекулятивный декодинг в Gemma 4: ускоряемся в два раза без потери качества 🥳
В нашу дорогую гемму наконец завезли спекулятивный декодинг, когда более маленькая модель предсказывает токены, которые могут верифицироваться большой моделью параллельно, существенно ускоряя инференс для локальных юзкейзов.
Попробовать можно через HuggingFace transformers, остальные движки тоже скоро будут поддерживать.
блогпост, технический блог
| 2 | Продолжаем геммапропаганду. В прошлом году у NVIDIA вышла неплохая статья о том, как ловить людей, которые доливают тест в трейн. CoDeC – нормализованный показатель перплексии, где для тестсета бенчмарка считают изменения в перплексии с дополнительными примерами из того же бенчмарка. Для неконтаминированных моделек мы ожидаем, что дополнительные примеры не будут сбивать модель с толку, а в лучшем случае помогут. С другой стороны, если модель запомнила текст из теста, дополнительные примеры собьют её с толку и уверенность модели в ответе упадёт. Шкала нормализована от 0 до 100, где ~80% значит, что примеры из теста модель видела буквально, ~40% – в перефразированном виде. Товарищ с твиттера посчитал CoDeC для Gemma 4 и сравнил с Qwen 3.5 – почему-то у наших китайских коллег модель почти запоминает примеры из теста. | 0 |
| 3 | WeirdML – один из самых необычных бенчмарков для ЛЛМок. В него входят необычные open-ended задачки по МЛю, например, распознавание цифр со всего 28 размеченными примерами и ~50к неразмеченными, распознавание формы фигур, или восстановление перемешанных фрагментов изображений.
Gemma 4 31B оказалась самой сильной открытой моделью на этом бенчмарке, опередив GLM 5 (MoE на 700B) и GPT-OSS с хорошим отрывом, показав результат на уровне с О3 или Gemini 2.5 Pro. | 0 |
| 4 | Мои любимые artificial analysis выложили своё независимое тестирование Gemma 4 (твит, страница с результатами), по результатам вышло хуже квенов из-за просадки на 𝜏²-bench, ну и ладно с ним.
В этой версии мне довелось поработать над околонаучными бенчмарками и работой с длинным контекстом, а там мы наступаем на пятки китайским моделям на порядок больше вроде GLM 5 или DS 3.2. | 0 |
| 5 | Gemma 4
blogpost | huggingface
4 размера: E2B, E4b (бывшие Gemma 3n/Gemini Nano); 26A4B, 31B Dense | 0 |
