AI, not tele-operated © Elon Musk

Sparse Hash AI

From Kernel Regression to Attention Mechanisms

Связь ядерной регрессии с аттеншеном в картинках.

Sparse Hash AI

SnailBot

Sparse Hash AI

Less is More: Recursive Reasoning with Tiny Networks
https://arxiv.org/abs/2510.04871
https://alexiajm.github.io/2025/09/29/tiny_recursive_models.html

Рекурсивная модель рассуждений, развитие идеи из Hierarchical Reasoning Model (HRM). Размером всего в 7 млн параметров и выбивает 45% на ARC-AGI-1 и 8% на ARC-AGI-2.

Tiny Recursion Model (TRM) упрощает рекурсивные рассуждения до их основной сути, которая в конечном итоге не имеет ничего общего с человеческим мозгом, не требует ни математической (fixed-point) теоремы, ни какой-либо иерархии.

Sparse Hash AI

Modelscope (слева) и Grok Imagine 0.9 (справа).

Sparse Hash AI

Играют биоэлектрические сигналы подберёзовика.

https://d.fixupx.com/Rainmaker1973/status/1976618087928782898

Sparse Hash AI

Base Models Know How to Reason, Thinking Models Learn When
https://www.alphaxiv.org/overview/2510.07364v1
https://github.com/cvenhoff/thinking-llms-interp
https://thinking-llms-interp.com/
https://fixupx.com/cvenhoff00/status/1976633766811734461

Модели мышления не осваивают навыки мышления. Базовые модели уже содержат механизмы рассуждения, а модели мышления учатся, когда их использовать!

Sparse Hash AI

Скорость ~11м/с.

Sparse Hash AI

Attention Illuminates LLM Reasoning: The Preplan-and-Anchor Rhythm Enables Fine-Grained Policy Optimization
https://www.alphaxiv.org/ru/overview/2510.13554v1

Исследование показывает, как паттерны внимания в LLM могут пролить свет на их процессы рассуждения и обеспечить более эффективные методы обучения. Авторы демонстрируют, что механизмы внимания служат «механистическим планом» для рассуждений, раскрывая внутренний «ритм предварительного планирования и закрепления», который управляет тем, как эти модели структурируют свои мысли.

Sparse Hash AI

Рой в 16K дронов

Sparse Hash AI

Grok Imagine

Sparse Hash AI