Новые алгоритмы, исследования от ведущих лабораторий. Практические применения машинного обучения в бизнесе, науке и повседневной жизни.
Исследование показывает, что продвинутые языковые модели демонстрируют общие паттерны взаимодействия при предсказании токенов, что открывает путь к универсальному аудиту ИИ.
Новое исследование показывает, что LLM-судьи часто игнорируют контекст, если он противоречит их внутренним установкам, что ставит под угрозу точность оценки безопасности ИИ.
Долгое время считалось, что чем больше параметров в нейросети, тем она умнее. Новое исследование объясняет, что дело не только в абстрактной «мощности», а в способности модели справляться с внутренним шумом при усвоении редких данных.
Японские исследователи представили ADASPEC — технологию, ускоряющую работу языковых моделей в многоязычном режиме за счет адаптивных словарей и самообучающихся моделей-черновиков.
Искусственный интеллект становится ключевым инструментом в руках историков, позволяя расшифровывать многовековые документы и восстанавливать утраченные тексты.
Ученые выяснили, что соответствие нейросетей паттернам человеческого мозга продиктовано составом обучающих данных, опровергнув теорию об особом преимуществе английского языка в архитектурах ИИ.
Исследователи ByteDance представили модель MMProLong, которая обходит конкурентов благодаря новой стратегии обучения на длинных документах через вопросы и ответы.
Компания Nous Research представила метод Token Superposition Training, позволяющий ускорить предварительное обучение LLM до 2,5 раз за счет работы с пакетами токенов.
Anthropic представила Dreaming — новую функцию для Claude, позволяющую ИИ-агентам анализировать прошлые ошибки и оптимизировать рабочие процессы через асинхронную обработку памяти.
Исследования подтверждают, что обучение больших языковых моделей на собственных данных ведет к статистической сингулярности и потере связи с реальностью.