искусственный интеллект. - страница 1327

Gemini 2.5 Pro от Google прошел Pokémon Blue

Самая дорогая модель искусственного интеллекта от Google, похоже, преодолела важный рубеж: она победила в видеоигре 29-летней давности. Вчера вечером генеральный директор Google Сундар Пичаи с триумфом опубликовал на X: «Какой финиш! Gemini 2.5 Pro только что прошел Pokémon Blue!»

продолжить чтение

Послание

продолжить чтение

Gemini 2.5 Flash от Google показала худшие результаты по безопасности

Согласно внутреннему сравнительному анализу компании, недавно выпущенная модель искусственного интеллекта Google показала худшие результаты в некоторых тестах безопасности, чем ее предшественница. В 

продолжить чтение

Способен ли ИИ «понимать» и как доказать, что Я не «зомби»

Более-менее подробное введение в проблематику показано в этой статье. Там же уютно расположились ссылки на источники. Ну а данная часть являет собой не столько продолжение, сколько дорисовку и, в каком-то смысле, представляет более расширенный и несколько упрощённый взгляд на то же самое. Так что, скорее всего будет понятно и без особой предыстории. Но, если что – ссылка выше.СтруктураКонтекстМысленный эксперимент «Философский Боксёр»Финальный раундИтак...КонтекстНесмотря на то, что у нас тут всё-таки именно

продолжить чтение

OpenAI обещает внести изменения, чтобы предотвратить дальнейшее подхалимство ChatGPT

OpenAI заявляет, что внесет изменения в способ обновления моделей искусственного интеллекта, лежащих в основе ChatGPT, после инцидента, из-за которого платформа стала чрезмерно льстивой для многих пользователей.

продолжить чтение

Как обогнать 99% Python-разработчиков, с фокусом на эру ИИ — по версии ИИ ((гайд) но это не точно)

🔰 ЦЕЛЬ: Создать разработчика, который является архитектором и оптимизатором сложных систем, способным эффективно использовать ИИ как мощный инструмент, но не зависящим от него для критических инженерных решений. НачалоАнтихейт от гиков по версии ИИЭТАП 1: Мастерский Фундамент Core Python и Чистого КодаЭТАП 2: Глубокая Инженерная Оптимизация и Производительность ЭТАП 3:

продолжить чтение

Глубокое Q-обучение (DQN)

вкалывают роботы...Немного контекстаПодходит к завершению серия моих заметок про использование идей искусственного интеллекта для решения задачи коммивояжера (TSP). Я последовательно разобрал некоторые классические решения TSP и далее рассказал

продолжить чтение

Зловредное выравнивание: как небольшая тонкая настройка приводит к огромным отклонениям поведения языковой модели

продолжить чтение

Сравнение нейросетей для создания ПО. Для сканирования хостов и поиска никнеймов

Введение

продолжить чтение

Mem-векторы: как сохранить 1500 токенов в одном векторе и зачем это нужно

От сжатия текста к mem-векторам: новая веха в языковых моделяхКаждый, кто работал с большими языковыми моделями (LLM), знает про ограничение длины контекста: модель не может напрямую обработать текст, превышающий определённое число токенов. Это накладывает ограничения на работу с длинными документами и обширным контекстом. Но что если бы мы могли упаковать длинный текст в один-единственный вектор и скормить его модели как обычный токен? Звучит фантастично, однако свежие исследования показывают, что это возможно – такие “mem-векторы” позволяют сохранить сотни и даже полторы тысячи токенов

продолжить чтение