Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
Data Science | Machinelearning [ru]
Kanalga Telegram’da o‘tish
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. Личный блог автора - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Ko'proq ko'rsatish📈 Telegram kanali Data Science | Machinelearning [ru] analitikasi
Data Science | Machinelearning [ru] (@devsp) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 20 019 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 6 722-o'rinni va Rossiya mintaqasida 33 728-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 20 019 obunachiga ega bo‘ldi.
19 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -73 ga, so‘nggi 24 soatda esa -9 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 8.09% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.89% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 1 619 marta ko‘riladi; birinchi sutkada odatda 779 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 8 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent llm, nvidia, контекст, openai, архитектура kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.
Личный блог автора - @just_genych
По вопросам рекламы или разработки - @g_abashkin
РКН: https://vk.cc/cJPGXD”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 20 Iyun, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
20 019
Obunachilar
-924 soatlar
-557 kunlar
-7330 kunlar
Postlar arxiv
🚀LLaVA-OneVision: простая визуальная передача задач
LLaVA-OneVision — семейство открытых больших мультимодальных моделей (LMM), разработанных путем консолидации наших идей в области данных, моделей и визуальных представлений в серии блогов LLaVA-NeXT.
Модель, которая может одновременно раздвигать границы производительности открытых LMM в трех важных сценариях компьютерного зрения: сценарии с одним изображением, несколькими изображениями и видео.
Важно отметить, что конструкция LLaVA-OneVision допускает сильный перенос обучения между различными модальностями/сценариями, что дает новые появляющиеся возможности.
В частности, сильное понимание видео и возможности кросс-сценариев демонстрируются посредством переноса задач с изображений на видео.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
Хотите зарабатывать на создании сайтов больше?
Запускайте сайты, интернет-магазины и лендинги для заказчиков в удобном конструкторе Nethouse и получайте 30% от их оплат тарифов, услуг, продвижения и настройки рекламы. Отличное решение для веб-студий и фрилансеров.
Преимущества Nethouse:
– работает с 2011 года, более 1.5 млн пользователей;
– готовые шаблоны сайтов разных тематик;
– техподдержка без выходных и праздников;
– удобные интеграции с популярными сервисами;
– сайты отлично продвигаются в поисковых системах;
– серверы находятся в РФ, защита от DDoS-атак.
Узнать больше
Реклама. Рекламодатель: ООО «Конструктор» ИНН 7814541386, erid: 2VtzqvyNkfd
🥳 TexGen: генерация 3D-текстур на основе текста с многоракурсной выборкой и повторной выборкой
Новая структура выборки и повторной выборки нескольких видов для генерации текстур, использующую предварительно обученную модель диффузии текста в изображение.
Благодаря обширному количеству качественных и количественных оценок метод обеспечивает значительно лучшее качество текстур для разнообразных 3D-объектов с высокой степенью согласованности вида и богатой детализацией внешнего вида, превосходя современные методы.
Кроме того, этот метод генерации текстур может также применяться для редактирования текстур с сохранением исходной идентичности.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🖥 Самые интересные статьи за последние дни:
• Наш опыт применения AI-технологий для классификации документов для подачи в суд
• ИИ LLama3 без ограничений: локальный запуск, GROQ и интеграция в Телеграм бота с помощью Python
• Агенты расширенного распространения: структура для эффективного исследования и передачи обучения
🤔Real AI Семантический Анализатор и решение задачи по извлечению поручений из распорядительных документов
В этой статье мы расскажем о практической задаче – автоматическом заполнении карточек поручений в системе электронного документооборота путем анализа распорядительных документов, а также о нашем подходе к ее решению.
Читать...
😎Meltemi: первая открытая большая языковая модель для греческого языка
Модель имеет 7 миллиардов параметров и обучается на 40 миллиардах токенов греческого корпуса.
Она содержит актуальную информацию по состоянию на сентябрь 2023 года.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
🥷Агенты расширенного распространения: структура для эффективного исследования и передачи обучения
Diffusion Augmented Agents (DAAG), новую структуру, которая использует большие языковые модели, модели языка видения и модели диффузии для повышения эффективности выборки и переноса обучения в обучении с подкреплением для воплощенных агентов.
DAAG hindsight перемаркирует прошлый опыт агента, используя модели диффузии для преобразования видео временно и геометрически согласованным образом для согласования с целевыми инструкциями с помощью техники, которую мы называем Hindsight Experience Augmentation.
Большая языковая модель организует этот автономный процесс, не требуя человеческого надзора, что делает его хорошо подходящим для сценариев непрерывного обучения.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
Осталось меньше месяца до окончания отбора научных статей по искусственному интеллекту и машинному обучению для публикации в журнале конференции AI Journey. Приз за лучшую статью составляет один миллион рублей.
Ключевые исследования будут опубликованы в специальном выпуске журнала «Доклады Российской академии наук. Математика, информатика, процессы управления», а также в его англоязычной версии Doklady Mathematics. Научное издание выходит в рамках международной конференции AI Journey и доступно на мировых электронных библиотечных платформах, индексируясь в ведущих библиографических базах данных научного цитирования.
Заявки на участие в конкурсе принимаются до 20 августа. Статьи должны быть оформлены в соответствии с Правилами отбора, написаны на русском или английском языках и содержать оригинальные, ранее не опубликованные данные. Решение о публикации и выборе победителя принимается экспертной комиссией.
Не упустите возможность представить свои исследования на AI Journey 2024 и выиграть один миллион рублей! Ознакомьтесь с Правилами и отправьте свою статью на сайте AI Journey.
📸 YandexART теперь может реставрировать архивные видеозаписи и кинохронику
Этот навык будет полезен для кинокомпаний, музеев, историков и других специалистов, работающих с историческим наследием.
С помощью нейросетевых технологий и компьютерной графики, команды компьютерного зрения Яндекса, Yandex Research и Плюс Студии уже смогли улучшить качество старых видеоматериалов для сериала «Игры» про Олимпиаду-80.
Нейросеть научилась добавлять фактуру и недостающие детали на размытые и нечёткие кадры, такие как кирпичная кладка на стенах, узоры на женском платье, фары и поворотники у автомобилей.
Особое внимание было уделено проблеме галлюцинаций — тенденции генеративных моделей добавлять несуществующие детали. Для её решения применили метод поэтапного обучения на данных низкого качества, что позволило повысить точность реконструкции.
@Devsp — Подписаться
😇ThinK: более тонкий кэш ключей с помощью отсечения на основе запросов
Новый метод обрезки кэша KV, зависящий от запроса, разработанный для минимизации потери веса внимания при выборочной обрезке наименее значимых каналов.
Подход не только сохраняет или повышает точность модели, но и обеспечивает снижение затрат памяти более чем на 20% по сравнению с ванильными методами вытеснения кэша KV.
Расширенные оценки моделей LLaMA3 и Mistral в различных наборах данных с длинными последовательностями подтверждают эффективность ThinK, устанавливая новый прецедент для эффективного развертывания LLM без ущерба для производительности.
🤗 Hugging Face
💾 Arxiv
📂 PDF
@Devsp — Подписаться
Аналитики-разработчики, станьте частью команды GigaChat 10 августа! 💻
Всего за один день вы пройдёте все этапы интервью, познакомитесь с командой и даже получите заветный оффер.
Gigachat — мультимодальная языковая модель, способная генерировать тексты любой сложности и стиля, а также создавать изображения.
Какие задачи решает команда GigaChat 👇
✔️ Research: исследование и реализация перспективных подходов обучения, синтеза и фильтрации данных, конструирование метрик и бенчмарков LLM, разработка пайплайнов для решения продуктовых кейсов с помощью больших языковых моделей.
✔️ Code: реализация prod-ready кода по работе с LLM, БД, API.
✔️ Markup: формирование и контроль пайплайнов разметки данных.
✔️ Pretrain: повышение качества pretrain набора данных.
✔️ RL: эксперименты с RL, Reward и DPO подходами.
Оставляйте отклик здесь, и до встречи на One Day Offer 10 августа! 😉
