555
Підписники
Немає даних24 години
-27 днів
Немає даних30 днів
Завантажуємо дані
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
жовтень '26жовт '26
жовтень '26
+158
в 0 каналах
вересень '260
в 1 каналах
Get PRO
серпень '260
в 0 каналах
Get PRO
липень '260
в 2 каналах
Get PRO
червень '260
в 0 каналах
Get PRO
травень '260
в 3 каналах
Get PRO
квітень '260
в 1 каналах
Get PRO
березень '260
в 2 каналах
Get PRO
лютий '260
в 4 каналах
Get PRO
січень '260
в 3 каналах
Get PRO
грудень '250
в 4 каналах
Get PRO
листопад '250
в 3 каналах
Get PRO
жовтень '250
в 1 каналах
Get PRO
вересень '250
в 0 каналах
Get PRO
серпень '250
в 0 каналах
Get PRO
липень '25
+9
в 1 каналах
Get PRO
червень '25
+14
в 1 каналах
Get PRO
травень '25
+21
в 2 каналах
Get PRO
квітень '25
+15
в 1 каналах
Get PRO
березень '25
+10
в 1 каналах
Get PRO
лютий '25
+18
в 3 каналах
Get PRO
січень '25
+36
в 1 каналах
Get PRO
грудень '24
+28
в 7 каналах
Get PRO
листопад '24
+33
в 8 каналах
Get PRO
жовтень '24
+40
в 4 каналах
Get PRO
вересень '24
+34
в 15 каналах
Get PRO
серпень '24
+22
в 10 каналах
Get PRO
липень '24
+66
в 4 каналах
Get PRO
червень '240
в 6 каналах
Get PRO
травень '240
в 1 каналах
Get PRO
квітень '240
в 0 каналах
Get PRO
березень '240
в 1 каналах
Get PRO
лютий '24
+6
в 1 каналах
Get PRO
січень '24
+14
в 0 каналах
Get PRO
грудень '23
+136
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 20 жовтня | +4 | |||
| 19 жовтня | 0 | |||
| 18 жовтня | 0 | |||
| 17 жовтня | +1 | |||
| 16 жовтня | 0 | |||
| 15 жовтня | 0 | |||
| 14 жовтня | 0 | |||
| 13 жовтня | +2 | |||
| 12 жовтня | 0 |
Дописи каналу
| 2 | AI is really good at automating our worst tendencies. It amplifies the unspoken cultural practices no one likes, but no individual can reasonably deviate from. It exploits the mechanized traditions recalcitrant to collective action. In that vein, AI can now write useless theory papers. But perhaps in the absurdity of the distasteful OpenAI trash dump of proofs, we can all look up and realize together that we should consider doing something else.
https://www.argmin.net/p/faster-fourier-transforms | 139 |
| 3 | https://arxiv.org/abs/math/0404188 | 183 |
| 4 | https://www.apolloresearch.ai/science/update-aware-reasoning-glm-5-3 | 249 |
| 5 | https://academy.dair.ai/papers/hybrid-reasoning-agents-2610.18861
"thinking without words" for llms | 237 |
| 6 | cтаття про розплутування нейронів віруситься в дата-саєнс (та не тільки) колах
тейк: нейромережі виявились чистішими ніж ми думали
Нік Каммарата з Goodfire - один із тих, хто колись допомагав просувати ідею superposition - написав довге есе, де по суті визнає: ми помилялись
стандартна історія була така: у нейронах каша. один нейрон реагує і на морди котів, і на передки машин, бо мережі нібито бракує місця, і вона пхає в одну шухляду несумісні речі. тому щоб щось зрозуміти, спершу треба розплутати клубок окремою моделлю (sparse autoencoder) і вивчати вже її
а тепер виявляється, що кіт+машина - це просто нейрон «V-форми». вуса, фари, лисячі морди, полум'я - усе V-подібне. спільне було, просто ніхто не дивився уважно
а решта «каші» - це не хаос, а крива оптика. інструменти були слабкі, архітектура стара, а ще нейрон по ходу навчання обростає суміжними значеннями, як гілка - дрібнішими гілочками. кожен крок логічний, а якщо дивитись лише на результат - здається, що там бардак
коли взяли сучасну архітектуру того ж розміру, майже всі нейрони в останньому шарі стали зрозумілими. а в мовній моделі справжня мішанина, за оцінкою автора, це 2-4% нейронів, а не більшість
що це означає простими словами: якщо автор правий, зазирнути всередину ШІ і зрозуміти, чому він відповідає саме так, можна значно раніше й простіше, ніж вважалось. без хитрих обхідних шляхів - просто уважно розглядати, що робить кожна деталь. а чим краще розумієш, що там всередині, тим легше помітити, коли він робить щось не те, а не вірити йому на слово
поки що це гіпотеза, а не доведений факт. але виходить, що чорна скринька - це просто скринька з поганим освітленням | 242 |
| 7 | http://dx.doi.org/10.1038/d41586-026-03181-1 | 223 |
| 8 |  https://arxiv.org/abs/2610.16733
near-perfect accuracy of 98% at an average cost under USD 3 per problem | 217 |
| 9 | https://arxiv.org/abs/2610.00465
tldr: new edge computing paradigm that you can streamline llm weights the same way as TV works and compute results of inference implicitly directly on per-packet basis to reduce inference energy cost by 200x | 302 |
| 10 | https://arxiv.org/abs/2609.19254 | 272 |
| 11 | https://phys.org/news/2026-10-sex-dna-exchange-starving-bacteria.html | 284 |
| 12 | https://www.youtube.com/watch?v=8Y9BsCsp5MI | 425 |
| 13 | https://www.iroh.computer/blog/iroh-global-content-discovery | 384 |
| 14 |  Команда Лапи переросла мій блог, тому пора нарешті розділити.
Будемо постити тут про нашу роботу: наші дослідження, тренування моделей, нові датасети, задачі, interpretability - SOTA штучки!
Запрошуєм підписуватись) | 386 |
| 15 | https://arxiv.org/abs/2606.16926
sounds nice for PDE solvers | 533 |
| 16 |  Немає тексту... | 434 |
| 17 | https://journals.aps.org/prx/abstract/10.1103/dhzb-28rb | 425 |
| 18 |  ^ буду розповідати про оцей пейпер там також, скоро буде декілька релізів👀
make ukrainian alignment great again 🫡 | 432 |
| 19 | https://statmodeling.stat.columbia.edu/2026/08/27/258/ | 411 |
| 20 | https://fixupx.com/0x_impai/status/2103161612677107942 | 473 |
