Новые алгоритмы, исследования от ведущих лабораторий. Практические применения машинного обучения в бизнесе, науке и повседневной жизни.
Дели запускает масштабный проект модернизации канализационной системы с использованием ИИ и дронов для решения проблемы загрязнения реки Ямуны и достижения нулевого сброса неочищенных стоков.
Исследование подтвердило фундаментальные ограничения embedding-моделей: даже современные архитектуры не справляются с простыми запросами из-за теоретических ограничений векторных представлений.
Amazon SageMaker HyperPod решает инфраструктурные проблемы университетских исследований в области HPC и ИИ, предлагая полностью управляемые кластеры с автоматическим масштабированием.
Новый фреймворк Memp от исследователей Zhejiang University и Alibaba добавляет ИИ-агентам динамическую процедурную память, позволяя им учиться на опыте и сокращать затраты на выполнение сложных задач.
BMG и Google Cloud разработали ИИ-систему StreamSight для прогнозирования музыкальных роялти и обнаружения аномалий в отчетности с помощью машинного обучения.
Google выпустила EmbeddingGemma — компактную модель для создания текстовых эмбеддингов с поддержкой 100+ языков и оптимизацией для мобильных устройств.
AWS представила новые CLI и SDK инструменты для SageMaker HyperPod, упрощающие создание и управление кластерами для распределенного обучения ML-моделей.
Scale AI представила Rubrics as Rewards — метод обучения ИИ через детализированные чек-листы вместо упрощенных оценок, что даёт до 28% улучшения качества ответов.
Чешский стартап Skymaps представил ИИ-систему Zoneye для точного обнаружения сорняков с помощью дронов. Технология обещает сокращение затрат на 50% и увеличение урожайности на 20%.
Синтетические данные составляют более 60% данных для ИИ-приложений. Эксперт MIT объясняет преимущества и риски их использования в машинном обучении.