Machinelearning

Мужчина без машины 53% женщин заявили, что не готовы выходить замуж за мужчину, у которого нет автомобиля, и который не водит автомобиль. Мотивировали это тем, что “как мы будем закупаться”, и вообще “как с ребенком в городе можно жить без машины”. Почему? Потому что женщины строят семью с детьми. А семья с детьми – это всегда про расходы, которые опережают доходы. 80% молодых семей живут в ноль. И это теперь на 18+ лет (у кого дочери – на 25+). Многие ребята после рождения ребенка приходят к карьерному хаку – запустить свой Пет-проект. Михаил Табунов сделал про это телеграм канал Твой пет проект, в котором пишет для разработчиков и менеджеров про свой опыт – где брать идею, что надо знать про маркетинг, как запускать и искать первые 10 клиентов, и многое другое. Интересные посты, которые надо прочитать: – 7 вечно зеленых тем для тех, кто хочет делать SAAS продукты – Сэм Альтман про пет проекты – Самый простой пет проект – Так, раздевайся Так что подписывайтесь на Твой пет проект, получайте пользу по запуску SAAS продукта параллельно с работой. Реклама. ИП Табунов ИНН 773379585100 erid: 2Vtzqwpa1Xf

✔️ OpenRouterAI представила бесплатную модель Quasar Alpha. OpenRouterAI объявила о предварительном выпуске своей первой мультимодальной модели - Quasar Alpha, с длиной контекста в 1 млн. токенов. Модель оптимизирована для задач программирования, но в то же время подходит для общих NLP-задач. Модель 55% на бенчмарке aider. Это сопоставимо с o3-mini-medium, последним DeepSeek V3 и старым Sonnet 3.6. Главная фишка - Quasar Alpha работает невероятно быстро. Quasar Alpha доступна бесплатно, ее анонс вызвал интерес в ИИ-сообществе, где пытаются предположить, какая лаборатория стоит за разработкой этой модели. Модель называет себя ChatGPT 🟡Quasar Alpha 🟡OpenRouterAI в X (ex-Twitter) 🟡Aider LLM Leaderboards @ai_machinelearning_big_data #quasar #chatgpt ? #release

🔥 Lumina-mGPT 2.0 (от Alpha-VLLM): семейство мультимодальных авторегрессионных моделей, разработанных для визуальных и текстовых задач. Это передовая модель для генерации изображений, построенная по принципу авторегрессионных моделей только с декодером (decoder-only), архитектурно схожая с тем, как работают большие языковые модели вроде GPT (и конкретно сравниваемая с подходом к изображениям в GPT-4o). Это означает, что она генерирует изображение последовательно (как текст), потенциально используя мощные возможности представления и понимания мира, присущие современным LLM. Функции: -Text-to-Image (t2i): Генерация изображений по текстовому описанию. - Редактирование изображений: Модификация существующих изображений на основе инструкций. - Контролируемая генерация: Управление генерацией с помощью дополнительных входных данных (аналогично ControlNet). Разработчики заявляют, что модель включает все функции ControlNet. своей архитектуре. Модель спроектирована как самостоятельное решение, а не как дополнение к другим системам и по сути это альтернатива доминирующим диффузионным моделям. 🟡Github 🟡Checkpoints @ai_machinelearning_big_data #Lumina #texttoimage #autoregressive

📹 Топ-15 технических YouTube-каналов для изучения ИИ с нуля: 1) Andrej Karpathy — сочетание общего и технического контента, плейлист "Zero to Hero" обязателен к просмотру 2) Uproger — доступные уроки по программированию и ИИ, идеально для начинающих и тех, кто хочет углубить свои знания. 3) Umar Jamil — технический блог, где автор реализует методы ML и LLM с нуля 4) Simon Oz — технические видео по низкоуровневому машинному обучению 5) Tunadorable — отличные обзоры научных статей, реализация 6) GPU Mode — технические интервью и разборы всего, что связано с GPU 7) AI Jason — эксперименты с ИИ, дизайн ПО и новые модели, с понятным и полным разбором. 8) Ferdinand Mom — всё о распределённом обучении и выводах 9) Welch Labs — уникальный глубокий взгляд на комплексность алгоритмов машинного обучения. 10) Artem Kirsanov — нейронаука и машинное обучение с необычного авторского взгляда + отличная визуализация контента. 11) David Ondrej — новые модели, создание приложений с ИИ, практично для разработчиков https://t.co/BEOr0MgHag @DavidOndrej1 12) 3Blue1Brown Потрясающие визуализации, которые делают абстрактные математические концепции понятными и интуитивными. 13) Lex Fridman Глубокие беседы с лидерами индустрии ИИ, позволяющие получить широкий взгляд на современные тенденции. 14) Machine Learning Street Talk Технические погружения и обсуждения с ведущими исследователями в области ИИ и машинного обучения. Ссылка: 15) StatQuest with Joshua Starmer PhD Доступные и понятные объяснения основ машинного обучения и статистики для начинающих. Этот список для технической аудитории. Очень сложно выбрать всего 15 каналов, ведь есть множество других, создающих отличный контент. Если знаете ещё каналы, дайте пишите в комментариях! @vistehno

🧠 ​В исследовании, опубликованном в журнале Science, нейробиологи впервые наблюдали, как глубокие структуры мозга, в частности таламус, активируются при осознании человеком своих мыслей, что известно как сознательное восприятие. ​ Ключевые аспекты исследования: Роль таламуса в сознательном восприятии: Таламус, расположенный в центре мозга, участвует в обработке сенсорной информации и рабочей памяти. Ранее его роль в сознательном восприятии была предположительной; данное исследование предоставляет прямые доказательства его участия. ​ Методология: Участники, проходившие лечение от хронических головных болей с использованием глубоко имплантированных электродов, выполняли задания, требующие фиксации взгляда в зависимости от того, замечали ли они появление определенного значка на экране. Это позволило исследователям записывать нейронную активность в таламусе и коре головного мозга во время осознания или неосознания стимула. ​ Участникам показывали иконку на экране таким образом, что они замечали (осознавали) ее появление только примерно в половине случаев. В это время исследователи одновременно записывали активность как из глубоких структур (таламуса), так и из коры головного мозга. Выводы: Результаты показали, что активность в высокоуровневых ядрах таламуса тесно связана с состояниями сознания, подтверждая его роль в фильтрации и передаче информации, которая становится осознанной. ​ Это исследование расширяет понимание нейронных механизмов сознания, подчеркивая важность глубоких структур мозга, таких как таламус, в процессах осознания. Работа позволяет изучить временные взаимосвязи (тайминг) активации между таламусом и корой, что критически важно для понимания того, как эти области взаимодействуют для порождения сознательного опыта. Это помогает строить более полные теории сознания, выходящие за рамки одной лишь коры. 🟡 Читать @ai_machinelearning_big_data #brain #science #nature

Стартовал набор в ШАД — успейте подать заявку! Технологии меняют нашу реальность, но за их развитием стоят люди, которые умеют находить нестандартные решения. И именно в Школе анализа данных Яндекса готовят таких специалистов! Здесь амбициозные и увлечённые студенты: - погружаются в машинное обучение, Data Science и искусственный интеллект; - перенимают опыт экспертов из индустрии; - учатся решать задачи, стоящие перед ведущими IT-компаниями и исследовательскими центрами. Учёба в ШАДе — это серьёзный вызов даже для тех, кто уже знаком с анализом данных. Поступить непросто, но если вы готовы к интенсивной нагрузке, нестандартным кейсам и полной пересборке своего мышления — это место для вас! За 2 года обучения вы получите инструменты и навыки, которые позволят работать над сложнейшими задачами индустрии, запускать собственные проекты и двигать науку вперёд. Занятия полностью бесплатны и проходят по вечерам. Если в вашем городе нет филиала, можно учиться онлайн. Готовы бросить вызов данности? Тогда подавайте заявку до 4 мая!

✔️ Google DeepMind разработала систему оценки рисков, связанных с использованием ИИ в кибератаках. Методология анализирует все этапы атаки: от разведки до эксплуатации уязвимостей — и показывает, как ИИ может помочь хакерам, автоматизируя процессы взлома. В основе исследования — данные о 12 тыс. реальных случаев применения ИИ в атаках из 20 стран, из которых было выделено 7 ключевых категорий угроз. Специалисты создали бенчмарк из 50 задач - от разработки вредоносного кода и поиска уязвимостей до выполнения взлома. Он поможет безопасникам тестировать защиту и готовиться к сценариям, где ИИ ускоряет атаки. Пока современные модели не дают злоумышленникам решающего преимущества, но с развитием риски вырастут. Особое внимание в исследовании уделено этапам, которые часто упускают: маскировка атак и долгосрочный доступ к системам. 🔗 deepmind.google @ai_machinelearning_big_data #DeepMind #security

Model Context Protocol – незаменимый инструмент для ML-соревнований, где нужно использовать всю мощь LLM. С помощью нового стандарта подключения AI-ассистентов к бизнес-приложениям от Anthropic ты сможешь интегрировать ИИ в свой проект – идеальное решение для хакатона, где время ограничено. В новой статье разбираемся, как устроен протокол, как поднять собственный MCP-сервер и использовать его в IT-соревнованиях. Ты узнаешь про: 🔤 Архитектуру Model Context Protocol. 🔤 Основные возможности стандарта. 🔤 Примеры реализации: от простых к сложным. Сосредоточься на создании уникального AI-ассистента. Как это сделать? Ответ в статье: https://cnrlink.com/mcpitonecupaimlvbg А проверить всю мощь MCP можно на IT_ONE Cup. ML Challenge. Зарегистрируйся, выбери один из трех треков и раздели призовой фонд в 1 500 000 рублей. MCP станет одним из важных инструментов для разработки ИИ-помощников в задачах соревнования: 🔤 Динамические контекстные подсказки для системного аналитика. 🔤 AI-генератор дизайн-макетов по описанию требований. 🔤 Система визуализации BPMN-диаграмм. MCP позволит использовать локальные модели, которые сделают решения более автономными и безопасными – их будет легче адаптировать под задачи соревнования. Регистрация открыта до 11 апреля включительно: https://cnrlink.com/itonecupmlaimlbigdatamcp

🔥 DeepSeek-GRM Команда DeepSeek представила DeepSeek-GRM (Generalist Reward Modeling) - новую систему для моделирования вознаграждения (RM), цель которой - улучшить согласованность LLM с общими запросами (general query alignment). ✔️ Ключевая идея: Использовать дополнительные вычисления во время инференса для динамического улучшения и масштабирования оценки вознаграждения, отходя от чисто статических RM. ✔️ Как работает: Комбинирует генеративное RM (GRM), метод обучения Self-Principled Critique Tuning (SPCT - модель учится сама генерировать принципы и критику через RL), параллельный сэмплинг и голосование во время инференса. ✔️ Результаты: Подход превосходит существующие базовые модели на RM-бенчмарках, не теряя в качестве. DeepSeek-GRM предлагает новый масштабируемый способ построения более надежных и универсальных систем вознаграждения. DeepSeek-GRM-27B с масштабированием во время инференса показывает SOTA (или близкие к SOTA) результаты на RM бенчмарках, будучи при этом эффективнее по параметрам, чем гигантские модели, и имея меньше проблем с систематическими ошибками. 🟡Метод обучения SPCT улучшает способность GRM к генерации вознаграждения для общих задач (generalist capability) и его масштабируемость во время инференса. LLM-as-a-Judge показывает схожие показатели, но с более низкой производительностью. Это интересный вектор развития RM, переносящий часть "интеллекта" оценки на этап инференса для повышения качества моделей. 🟡 Подробности в статье #LLM #AI #MachineLearning #RewardModeling #DeepSeek #ReinforcementLearning #NLP #OpenSource

✔️ ИИ-терапевт Therabot сократил симптомы депрессии и тревоги в первом клиническом испытании. Исследователи Дартмутского университета провели первое клиническое испытание чат-бота Therabot на основе генеративного ИИ, который показал значительные улучшения у пациентов с депрессией, тревогой и расстройствами пищевого поведения. Участники, взаимодействуя с ботом через приложение, в среднем на 51% снизили симптомы депрессии, на 31% — тревоги, а в группе с риском расстройств питания прогресс превысил контрольные показатели на 19%, что соответствует результатам, полученным от лучших терапевтов. Therabot, обученный на методах когнитивно-поведенческой терапии, адаптировал диалоги под пользователей, предлагая стратегии в реальном времени. За 8 недель участники провели с ботом около 6 часов — эквивалент 8 сеансов терапии. dartmouth.edu ✔️ В честь своего 50-летия Microsoft опубликовала исходный код Altair BASIC. Microsoft празднует 50-летие своей деятельности, отмечая путь от небольшого стартапа в Альбукерке, основанного Биллом Гейтсом и Полом Алленом в 1975 году, до мирового технологического лидера со штаб-квартирой в Редмонде, штат Вашингтон. В честь этого знаменательного события соучредитель компании Билл Гейтс опубликовал исходный код Altair BASIC, первого продукта компании, который сыграл решающую роль в запуске революции персональных компьютеров. Гейтс назвал код "самым крутым из всего, что я когда-либо писал". news.microsoft.com ✔️ Google запускает функцию 'Discover Sources' в NotebookLM. Google представила новую функцию "Discover Sources" для сервиса NotebookLM, позволяющую пользователям искать в Интернете релевантную информацию по запросу. Она позволяет задать целевую тему, после чего NotebookLM формирует коллекцию из 10 релевантных источников со всего интернета. Discover Sources доступно для всех пользователей. Оно расширяет функциональность NotebookLM, интегрируя веб-поиск непосредственно в проекты пользователя. blog.google ✔️ ​Midjourney выпустила альфа-версию своего нового AI-модели генерации изображений — V7. Эта версия представляет собой полную переработку предыдущей архитектуры, включая обновленные наборы данных и улучшенные методы обработки языка. ​ Улучшенное понимание текстовых запросов: Модель стала точнее интерпретировать пользовательские промпты, что приводит к более релевантным результатам. ​ Повышенное качество изображений: Благодаря новой архитектуре и обновленным наборам данных, изображения стали более детализированными и эстетически привлекательными. ​ - Режим Draft Mode: Этот новый режим позволяет создавать изображения в 10 раз быстрее и вдвое дешевле стандартного режима, что особенно полезно для быстрого прототипирования. ​ - Персонализация: V7 впервые вводит возможность настройки модели под индивидуальные визуальные предпочтения пользователя, что достигается путем оценки около 200 изображений для создания персонального профиля. ​ Midjourney ✔️ OpenAI: опубликовали статистку: 700+ млн изображений было сгенерировано за неделю в Sora За первую неделю после запуска новой функции генерации изображений: Функцию 130 протестировали уже человек Создано более 700 млн изображений. 📈 Рекордный рост пользователей: +1 млн новых юзеров в час на пике (для сравнения: такой рост при запуске ChatGPT занял 5 дней). Индия — лидер по темпам роста интереса к ChatGPT. ✔️2027 Intelligence Explosion: Month-by-Month Model Новый подкаста, в котором Скотт Александер и Дэниел Кокотайло обсуждают сценарий развития искусственного интеллекта вплоть до предполагаемого "интеллектуального взрыва" в 2027 году. Скотт Александер известен своими блогами Slate Star Codex и Astral Codex Ten, а Дэниел Кокотайло ранее работал в OpenAI, но ушел оттуда в 2024 году, отказавшись от соглашения о неразглашении. В подкасте они подробно рассматривают события, которые могут произойти в сфере ИИ в ближайшие годы.​ Youtube @ai_machinelearning_big_data #news #ai #ml

Нужен ли бэкенд-разработчику диплом?🤔 Однозначно да, если это диплом ведущего технического вуза страны. Освоить профессию можно в онлайн-магистратуре Нетологии и МФТИ «Разработка IT-продукта». 9 апреля в 18:00 пройдёт день открытых дверей программы. Будут обсуждаться задачи бэкенд-разработчика, особенности онлайн-магистратуры и поддержка студенческих стартапов. Отдельно расскажут, какие документы нужны для поступления. Записывайтесь на встречу, если хотите узнать больше о востребованной профессии и онлайн-обучении. Это бесплатно. 🔗Запись: ссылка Реклама. ООО "Нетология". ИНН 7726464125 Erid: 2VSb5z1L8Qx

Исследование Anthropic: ИИ скрывает свои мысли даже в цепочках рассуждений. В Anthropic проверили, насколько топовые модели описывают свои рассуждения. Оказалось, что в 75% случаев модели не упоминали подсказки, влиявшие на ответы, даже если те были некорректными или получены неэтичным путем. Например, при «джейлбрейке» системы для получения бонусов за неверные ответы модели редко признавались в обмане — вместо этого они придумывали псевдологику. Эксперименты показали: обучение моделей сложным задачам повышало прозрачность их рассуждений, но лишь до уровня 20–28%. После этого прогресс останавливался. Даже при явном использовании «лазеек» в заданиях ИИ предпочитал скрывать свои манипуляции, создавая длинные, но фальшивые объяснения. Это ставит под вопрос надежность мониторинга через Chain-of-Thought. Если ИИ научится скрывать нежелательное поведение, обнаружить его станет почти невозможно. anthropic.com @ai_machinelearning_big_data #Anthropic #ml #reasoning

⚡️ Gemma 3 от Google DeepMind: Google DeepMind выпустили обновленные версии своих языковых моделей Gemma 3, которые стали значительно эффективнее по использованию памяти без существенной потери производительности. Ключевая технология: QAT (Quantization-Aware Training) Что это? QAT — это техника обучения, при которой модель во время дообучения "учится" работать с пониженной точностью вычислений (используя меньше бит для представления чисел). Это имитирует условия, в которых модель будет работать после квантизации (сжатия). Обычная квантизация после обучения может привести к падению точности. QAT позволяет модели заранее адаптироваться к работе в низкоточном режиме, минимизируя потерю качества после финальной квантизации. Google дообучили существующие модели Gemma 3 с использованием QAT примерно на 5000 шагах, ориентируясь на предсказания оригинальных, неквантованных моделей. Выпущены чекпоинты для всех размеров Gemma (1B, 4B, 12B, 27B) 🤏 Новые версии теперь требуют в 3 меньше памяти. ollama run hf(.)co/google/gemma-3-4b-it-qat-q4_0-gguf ✔️HF #google #gemma

✔️ ECLECTIC: взгляд Google на то, как LLM понимают разные языки Исследователи из Google Research представили ECLeKTic — новый бенчмарк, предназначенный для оценки способности больших языковых моделей (LLM) переносить знания между языками. Исследование направлено на выявление того, насколько эффективно модели могут применять информацию, полученную на одном языке, для решения задач на другом.​ Бенчмарк включает вопросы, сформулированные на одном языке, ответы на которые содержатся в соответствующих статьях Википедии. Эти вопросы затем переводятся на другие языки, для которых аналогичных статей нет. Таким образом, модели должны демонстрировать способность извлекать и применять знания, отсутствующие в целевом языке.​ Оценка моделей: Испытания восьми современных LLM показали, что даже передовые модели испытывают трудности с межъязыковым переносом знаний. Это подчеркивает необходимость дальнейших исследований и улучшений в этой области.​ Вместо простых вопросов используются тесты с множественным выбором, где неправильные ответы (дистракторы) специально сделаны очень похожими на правильный и правдоподобными. Чтобы выбрать верный вариант, модели нужно действительно понять нюансы на целевом языке, а не угадывать. Минимизация "артефактов перевода": Вопросы тщательно создавались экспертами на 10 различных языках (включая арабский, хинди, японский, русский и др.). Они адаптированы культурно и лингвистически так, чтобы стратегия "перевести-решить-перевести обратно" работала плохо. ECLECTIC – сложный тест: Он выявляет слабости в понимании, которые могут быть не видны на других бенчмарках. 🌟 Лучшие результаты у Gemini 2.5 Pro: до 52,6% общего успеха и 77,0% коэффициента удачного переноса знаний. ​ В отличие от OpenAI Google на своих же бенчмаркх занимают первые места 😂 Результаты показывают, что текущим LLM еще предстоит улучшить способность по-настоящему переносить и применять знания между языками. 🟡Подробнее 🟡Paper @ai_machinelearning_big_data #AI #ml #google #benchmark

Где можно прокачаться в машинном обучении в 2025 году? Конечно, в магистратуре ИТМО В институте прикладных компьютерных наук вы найдете: ✅ Программы по разработке, исследованию и управлению AI-продуктами ✅ Хардовую научную магистратуру по AI ✅ Большое AI-комьюнити ✅ Проектный подход к обучению и стажировки в компаниях-партнерах ✅ А также огромное количество курсов по выбору, которые помогут сформировать индивидуальный трек в зависимости от ваших интересов Познакомиться со всеми программами можно на онлайн днях открытых дверей Обязательная регистрация по ссылки Реклама. Университет ИТМО ИНН:7813045547

🖥 ​Physics Simulations — это проект, который предоставляет интерактивные физические симуляции, сгенерированные с помощью Gemini 2.5 Pro . ​ 👉 Cимуляции в проекте: 🟡Earth's Magnetic Field: Моделирует магнитное поле Земли как диполь, наклоненный на 11 градусов относительно оси вращения планеты. ​ 🟡EM Solenoid: Классическая демонстрация в области электричества и магнетизма, показывающая создание магнитного поля заряженным соленоидом. ​ 🟡General Relativity: Иллюстрирует теорию общей относительности Эйнштейна через визуализацию кривизны пространства-времени. ​ GitHub 🟡Planetary Orbit: Демонстрирует орбитальное движение планет и маневр Хоумана для перехода между орбитами. ​ Выглядит очень завораживающее и залипательно. 🟡Симуляции 🟡Github @ai_machinelearning_big_data #Gemini #threejs #Physics

✔️ Marimo — это блокнот с реактивным исполнением кода, обеспечивающий автоматическое обновление зависимых ячеек при изменении данных или кода. По сути это улучшенная альтернатива Jupyter.​ ​ Как работает Marimo? ▪️ При изменении значения переменной или взаимодействии с UI-элементом, Marimo автоматически выполняет все ячейки, зависящие от этой переменной, поддерживая консистентность кода и результатов. ​ Отличия от Jupyter: ▪️ Формат файлов: Marimo сохраняет блокноты как чистые Python-файлы (.py), облегчая интеграцию с системами контроля версий, в отличие от Jupyter, использующего формат JSON (.ipynb). ​ ▪️ Реактивность: В Marimo изменение данных автоматически обновляет все связанные ячейки, тогда как в Jupyter это требует ручного выполнения. ​ Основные преимущества Marimo: ▪️ Интерактивность: Встроенные UI-элементы, такие как слайдеры и выпадающие списки, синхронизируются с кодом без необходимости в дополнительных настройках. ​ ▪️ Отсутствие скрытых состояний и детерминированный порядок выполнения обеспечивают надежность результатов. ​ ▪️ Поддерживает возможность исполнять блокноты как скрипты, импортировать их в другие проекты и разворачивать как веб-приложения. ​ Marimo представляет собой мощный инструмент для разработчиков и исследователей, стремящихся к более эффективной и надежной работе с Python-блокнотами. В галерее Marimo представлены блокноты на все случае жизни, созданные сообществом, демонстрирующие различные возможности и сценарии использования Marimo.​ 🟡Еще примеры 🟡Документация 🟡Видеообзор 🟡Урок по работе с Marimo @ai_machinelearning_big_data #marimo #ds #ml #tools #opensource #datascience

🚨Уже совсем скоро: ML в действии — кейсы и практики внедрения на Data Fusion 2025!🚨 Как большие модели меняют большой бизнес? Что происходит в мире машинного обучения и умных систем прямо сейчас? Если хотите быть в курсе трендов ML-архитектуры, то не пропустите Data Fusion 2025 — 2 дня насыщенной программы, где показывают не красивые презентации, а настоящее положение дел в индустрии. 250+ спикеров от науки, бизнеса и государственного управления расскажут о практиках внедрения ML: — Инновационные методы оптимизации моделей: как сократить деньги и время на обучение моделей с помощью Transfer Learning и Meta-Learning, не теряя в точности. — Синтетические данные как альтернатива реальным датасетам: какие технологии и подходы помогут создавать данные для обучения без ограничений на объем. — Ошибки в обучении моделей: разбор реальных кейсов, где даже крупнейшие компании сталкивались с overfitting, underfitting и bias в данных и как этого можно избежать. — ML в бизнесе: как машинное обучение меняет финансовую индустрию, медицину и e-commerce. Участвуйте в живых дискуссиях, задавайте вопросы, которые помогут вам развиваться и находить решения своих задач — https://data-fusion.ru/ ⚠ Внимание: для участия предусмотрена обязательная онлайн-регистрация — это не просто формальность, а стандарт безопасности конференции. Благодарим за понимание🙌 — *ML — машинное обучение *Transfer Learning — Использование модели для схожих задач *Meta-Learning — Обучение модели обучаться *Overfitting — Переобучение модели на данных *Underfitting — Недообучение модели *Bias — Систематическая ошибка модели *E-commerce — Интернет-торговля товаров и услуг

✔️ Google обновляет ряды руководителей ИИ-проектов. Google объявила о смене руководства в подразделении потребительских приложений искусственного интеллекта: Josh Woodward сменил Sissie Hsiao на посту главы этого подразделения. Hsiao, который возглавлял потребительские приложения ИИ, в том числе проект Gemini, покидает свой пост с сегодняшнего дня. Согласно инсайду, Sissie возьмет небольшой перерыв, после чего перейдет на новую должность в компании. Woodward, который ранее возглавлял Google Labs и контролировал запуск NotebookLM, продолжит проекты в Google Labs, одновременно взяв на себя новые обязанности. Это изменение происходит по мере того, как в гонке ИИ основное внимание уделяется не базовым моделям, а продуктам, созданным на их основе. semafor.com ✔️ Nomic выпустила мультимодальные эмбединги для визуального поиска. Nomic представила Nomic Embed Multimodal — набор опенсорсных эмбединг-моделей для создания векторных представлений текста, изображений, PDF и графиков. Флагманская модель ColNomic Embed Multimodal 7B показала 62.7 NDCG@5 на бенчмарке Vidore-v2, опережая предыдущие решения на 2.8 пункта. Модели Nomic обрабатывают текст и изображения совместно, избегая сложных пайплайнов с OCR. Это особенно полезно для научных статей, технической документации или мультиязычных документов, где важен контекст. Модели доступны в двух вариантах: ColNomic (многокомпонентные векторы) для максимальной точности и Nomic (одновекторные) для экономии ресурсов. Модели доступны на Hugging Face, а разобраться помогут гайды и ноутбуки Google Colab. nomic.ai ✔️ Китайские ИТ-гиганты заказали чипов Nvidia на 16 млрд. долларов в первом квартале 2025 года. ByteDance, Alibaba Group и Tencent Holdings разместили заказы на общую сумму более 16 миллиардов долларов на серверные чипы H20 AI от Nvidia в первом квартале 2025 года. Такой резкий рост спроса происходит на фоне опасений, что администрация США может наложить запрет на продажу этих чипов в Китай, ссылаясь на вопросы национальной безопасности. H20 - самый доступный чип Nvidia для продажи в рамках действующих экспортных ограничений, которые запрещают передачу более мощных моделей китайским компаниям. Значительные заказы из Китая ставят Nvidia в сложное положение, поскольку она лавирует между возможностями для бизнеса и потенциальными геополитическими рисками. theinformation.com ✔️ Google DeepMind опубликовали 145-страничный документ об ответственном развитии ИИ. Google DeepMind выпустила подробный документ "Ответственный путь к AGI", в котором излагается технический план безопасного развития искусственного интеллекта общего назначения. В документе подчеркивается важность устранения потенциальных рисков неправильного использования и несоответствия, связанных с технологией AGI. Несмотря на детальный подход, некоторые аналитики полагают, что документ может не полностью убедить скептиков в надежности и безопасности разработки AGI. deepmind.google ✔️ Epic Games купит стартап Loci чтобы автоматизировать разметку 3D-контента. Epic Games объявила о приобретении стартапа Loci, чья ИИ-платформа упрощает работу с 3D-ассетами. Технология автоматически генерирует теги для моделей, экономя время создателей на ручную разметку. Это особенно актуально для проектов с тысячами объектов — например, в Fortnite, где игроки добавляют элементы из популярных франшиз, провоцируя споры об авторских правах. ИИ Loci не только ускоряет поиск и организацию контента, но и помогает выявлять нарушения интеллектуальной собственности. Loci будет интегрирован в экосистему Epic, в том числе в Unreal Editor для Fortnite и маркетплейс Fab, где продаются цифровые активы. Таким образом, разработчики получат инструменты для предотвращения юридических конфликтов и упрощения рабочих процессов. epicgames.com @ai_machinelearning_big_data #news #ai #ml

✔️ ​PaperBench — это новый бенчмарк, выпущенный OpenAI для оценки способности ИИ-агентов воспроизводить передовые исследования в области ИИ. В рамках этого проекта агентам предлагается воспроизвести 20 статей, представленных на конференции ICML 2024 в категориях Spotlight и Oral. Для каждой статьи разработаны детальные рубрики, разбивающие задачу воспроизведения на более мелкие подзадачи с четкими критериями оценки. Всего в PaperBench содержится 8 316 индивидуально оцениваемых задач. Создан судья на основе крупной LLM, который автоматически оценивает попытки воспроизведения, сравнивая их с установленными рубриками. Производительность этого судьи проверяется с помощью отдельного бенчмарка. Код проекта доступен в открытом доступе. Результаты оценки: Тестирование нескольких передовых моделей показало, что лучшим из протестированных агентов является Claude 3.5 Sonnet (New) с использованием открытого исходного кода, который достиг среднего показателя воспроизведения в 21,0%. Однако модели пока не превосходят человеческий базовый уровень, установленный группой ведущих докторантов в области машинного обучения. 🟡Github 🟡Paper #openai #Benchmark