Новые алгоритмы, исследования от ведущих лабораторий. Практические применения машинного обучения в бизнесе, науке и повседневной жизни.
Meta представила систему распознавания речи Omnilingual ASR, поддерживающую 1600 языков, включая 500 ранее не охваченных ИИ. Система использует обучение в контексте для расширения поддержки.
Kaltura приобретает стартап eSelf за 27 млн долларов для интеграции технологии разговорных AI-аватаров в свою видеоплатформу, обслуживающую корпоративных клиентов.
Исследователь MIT Филлип Изола изучает общие черты человеческого и искусственного интеллекта через компьютерное зрение и машинное обучение.
Исследование показало, что механизмы запоминания и логического мышления в языковых моделях используют разные нейронные пути, что позволяет хирургически удалять данные без потери аналитических способностей.
Google Research представила Nested Learning — новый подход к машинному обучению, который решает проблему катастрофического забывания через систему вложенных оптимизационных задач.
Специализированные RL-агенты Scale демонстрируют до 46,9% точности против 21,9% у GPT-5 в корпоративных задачах, открывая новую эру адаптированных AI-решений для бизнеса.
Signify совместно с Microsoft Research Asia внедрила PIKE-RAG для управления техническими знаниями, достигнув 12% роста точности ответов без кастомизации под конкретные вопросы.
Стартап Lamarr.AI использует дроны и ИИ для диагностики энергоэффективности зданий, экономя клиентам миллионы долларов на ненужных ремонтах.
Amazon Search удвоил утилизацию GPU с 40% до 80% благодаря внедрению AWS Batch для SageMaker Training jobs, что значительно ускорило ML-обучение.
Google представил DS-STAR — автономного агента для Data Science, который превосходит существующие решения благодаря итеративному подходу и работе с разнородными данными.