Семантический компьютер на 64 нейронах и обучение на шуме
В предыдущей статье о машинном обучении как алхимии я говорил о том, что можно найти новые решения, не используя GPU или дорогие видеокарты. В этой статье я расскажу, о том, как я экспериментировал с continual learning и композициональностью мышления на микронейросетях, и причем здесь философ Лев Выготский.Все гипотезы основывались на философских предпосылках, изложенных в статье апофатический ИИ.Continual learning
Deep Atomic предложила Минэнергетики США строительство кампуса ЦОД на ядерной энергии рядом с INL
В конце прошлого года Deep Atomic предложила Министерству энергетики США (DOE) построить «первый в мире кампус центров обработки данных для искусственного интеллекта и высокопроизводительных вычислений, работающий на ядерной энергии». Объект должен расположиться рядом с Национальной лабораторией Айдахо (INL), где были впервые внедрены коммерческие атомные электростанции.
ByteDance представила BitDance с 14 миллиардами параметров
Новая open-source модель для генерации картинок от ByteDance с 14 миллиардами параметров. По производительности BitDance обогнала всех, включая Z-Image-Turbo, Z-Image, Seedream 3.0, GPT Image, Flux и там еще много других, почти обогнала Qwen-Image.
Из «песочницы» в Production: как мы масштабировали RAG-систему для эксперта по охране труда
Привет, Habr! Наша команда LLM-разработки подготовила статью о реальном практическом опыте тюнинга и тонкой настройке RAG-системы в области охраны труда. Каждый, кто начинал работать с LLM, проходил через этот «медовый месяц»: вы берете LangChain, загружаете с десяток PDF-файлов в ChromaDB, пишете простенький промпт — и происходит магия. Бот отвечает, эксперты в восторге, MVP готов за выходные.
Вузы США столкнулись с оттоком студентов с факультетов компьютерных наук на ИИ-направления
Впервые со времен краха доткомов количество студентов, обучающихся информатике в США, сократилось. В масштабах всей системы в 2025 году оно упало на 6% после снижения на 3% в 2024-м.
LLM вместо «прочитаем потом»: анализ постмортемов и паттерны инцидентов
Ваши инциденты содержат основу для самых стратегических улучшений инфраструктуры — если вы умеете правильно их «слушать».TL;DR: Мы подключили LLM как ассистента для SRE и прогнали через него тысячи постмортемов, чтобы вытащить из архива повторяемые причины и сценарии отказов. Конвейер автоматически находит паттерны инцидентов — в нашем случае в основном вокруг хранилищ данных: Postgres, AWS DynamoDB, AWS ElastiCache, AWS S3 и Elasticsearch. Это заметно ускоряет разбор, подсвечивает скрытые точки напряжения и помогает формировать список приоритетных инвестиций в надёжность.
