Кажется, противопоставив YOLO Форсажу, мы немного поторопились. Оказалось, что новая, десятая, версия детектора все-таки остает от предыдущих.

Смотрим на видео:
– зеленые объекты: те, которые нашла и YOLOv8, и YOLOv10
– красные: только YOLOv8
– синие: только YOLOv10

Видно, что с небольшими и удаленными от камеры объектами у новой версии неприятности. Ждем v10.1

Друзья, в эфире снова KANтент!

Слились старая и новая школы: KAN обучили на titanic.csv. Прунинг и визуализации на месте. Лосс, кстати, тоже получился очень приличный.

Пошаговый гайд
Ноутбук на Kaggle

Кстати, Маск не просто так зазывает на работу: xAI привлек инвестиции в размере $6 млрд.

Они поступят от Sequoia Capital, Valor Equity Partners и… лично принца Саудовской Аравии. При этом всего пол года назад Маск вообще отрицал, что ищет инвесторов.

Как думаете, на что уйдут 💰? Ну да, на чипы конечно. По оценкам журналистов, для обучения новой версии Grok понадобится около 100 тыс. NVIDIA H100.

Интересно, кто сейчас доволен больше, Маск или Дженсен Хуанг?

Да, я слышал про big data. Интересно, какой протеин эта data пьет?

Трансформеры МОГУТ справляться с математикой, если подобрать правильные эмбеддинги

Есть известная проблема: хотя LLM хорошо справляются с естественным языком, они все еще могут уверенно утверждать, что 2+2 = 5. Проблему пытаются решать файн-тюнингом, прикручиваем питона и тд (см. наш недавний разбор).

А на днях вышла статья, в которой ученые утверждают, что на самом деле нужно просто внимательно поработать с эмбеддингами чисел. В работе доказано, что проблема трансформеров в том, что они не способны отслеживать "положение" числа относительно нуля. "Так давайте же просто добавим информацию о такой позиции прямо в эмбеддинг" – предложили исследователи.

И это заработало! Всего один день обучения на единственной GPU, и удалось достичь SOTA перформанса: 99% accuracy в задачах сложения 100-значных чисел. При этом интересно, что обучалась модель ТОЛЬКО на 20-значных.

Читать статью

И снова breaking!

Исследователи из Google выпустили новую книгу: «Как конкурировать с OpenAI без тестирования и другие способы опозориться»

Яндекс потихоньку начинает шэрить свою технологию генеративных ответов с бизнесом

Пару месяцев назад компания запустила сервис «Нейро», который формирует ответ на запрос пользователя из нескольких источников. Теперь начались закрытые тестирования этой фичи для бизнеса - коммерческие компании могут обучить нейронку на данных собственного сайта или приложения и встраивать во взаимодействие с пользователем. Доступно пока только ограниченному числу клиентов через API Yandex Cloud.

Интересно, что из этого получится на практике, но пахнет автоматизацией работы службы поддержки как минимум

Учимся правильно описывать опыт работы и образование в резюме

Продуктивная неделька выдалась у OpenAI. С 22 мая они успели:

– Заключить партнерство с News Corp, The Atlantic, Vox Media и WAN-IFRA. Все это – очень крупные СМИ.
– Создать комитет по безопасности и объявить о начале обучения новой модели.
– Дать всем бесплатным юзерам доступ к зрению, загрузке файлов и анализу данных в GPT-4o, а также к GPTs.

Это все очень увлекательно, конечно, но лучше бы веса выложили…

Почта России тоже решила приобщиться к ИИ-движухе и рассказала о планах внедрить ML в систему моделирования маршрутов.

Система будет использовать исторические данные для прогнозирования даты доставки и выбора оптимального маршрута.

А с данными точно проблем не будет: у Почты накопилась несколько петабайт записей о трекинге отправлений, операциях на логистических объектах и в отделениях связи.

Главное чтобы с бэкапами у них все было не так плохо, как у СДЭКа…