Машинное обучение. - страница 129

Компании платят индийцам за работу по дому под цифровую запись действий

Компании платят индийцам за работу по дому под цифровую запись действий. Например, домохозяйка из штата Тамилнад Нагиредди Шрирамьячандра снимает видео на прикреплённый к голове смартфон, нарезая манго и выполняя другие обычные для дома задачи. Затем эти короткие ролики используют для обучения роботов с искусственным интеллектом двигаться подобно человеку. Такая деятельность приносит жителям Индии более $3 в час. 

продолжить чтение

Моя борьба (с LLM)

Что именно LLM делают не так, опытные разработчики прекрасно знают. А вот вкатуны, как правило, и не подозревают — именно в силу своей неопытности.Я решил поэкспериментировать с LLM в той ипостаси, в которой у меня недостаточно собственных компетенций для того, чтобы достигнуть желаемого результата — однако в силу того, что в детстве меня укусил программист, и теперь я с этим живу, вполне достаточно таковых, чтобы, с одной стороны, правильно cформулировать техническое задание, а с другой — оценить (не)годность результата.

продолжить чтение

Секретные команды Claude — миф или реальность: тестируем L99 и -ghost

Если вы хоть раз гуглили "как улучшить ответы Claude" - вы точно видели посты про "секретные команды". /ghost, L99, BEASTMODE, /godmode - звучит как читы из игры. Часть из них полная чушь. Но часть реально меняет то как модель отвечает. Сегодня проверяем на практике.Сначала важное: никаких скрытых команд не существует31 марта 2026 года Anthropic случайно слила исходный код Claude Code в открытый доступ. 1900 файлов, 512 тысяч строк кода. Разработчики и исследователи разобрали все по кусочкам - буквально каждую строку.Итог: ни L99, ни /ghost, ни /godmode нигде не нашли. Ни в списке команд, ни в системных промптах, ни вообще где-либо в коде.

продолжить чтение

Разбираемся в ML без воды: от базы до Attention. Часть 11: Градиентный бустинг

В десятой части при изучении случайного леса мы наткнулись на проблему: переход от одиночного дерева к лесу частично снизил дисперсию, но вопрос со смещением остался открытым. Сегодня мы перейдем к концепции градиентного бустинга, которая позволяет последовательно сводить смещение к нулю, и заодно разберем, как заставить деревья эффективно учиться на ошибках своих "предшественников".Градиентный бустинг

продолжить чтение

Более 150 ведущих мировых математиков опубликовали «Лейденскую декларацию»

Более 150 ведущих мировых учёных в области математики опубликовали «Лейденскую декларацию». По словам её авторов, крупные технологические компании превращают фундаментальную науку в маркетинговый инструмент.Учёные отмечают, что в настоящее время техгиганты и ИИ-лаборатории анонсируют «прорывы» через пресс-релизы и блог-посты, избегая научного рецензирования.Математики видят проблему в том, что нейросети научились генерировать очень правдоподобные, но ошибочные доказательства, а отличить галлюцинацию от реальной теоремы становится всё сложнее. 

продолжить чтение

Anthropic, Fable 5, Claude Code и большой отбор игрушек

Самая сильная общедоступная модель Anthropic прожила четыре дня. У меня абонемент в кофейню живёт дольше.9 июня Anthropic выкатила Claude Fable 5, он же Mythos 5 в закрытом контуре. 12 июня доступ к обеим версиям сняли. А между этими датами уместилось столько, сколько иная модель не набирает за год жизни: скрытое ухудшение ответов для ИИ-исследователей, крик "Fable взломали и вытащили системный промпт" (пост Pliny в X, архив на GitHub

продолжить чтение

Сжать четыре токена в один вектор: запускаем автоэнкодер CALM на доменных данных (и на одном CPU)

Взяли автоэнкодер из свежей работы CALM (Continuous Autoregressive Language Models), который учится упаковывать чанк из K=4 токенов в один непрерывный вектор и разворачивать обратно, и обучили его не на 15 миллиардах токенов Pile на 8 GPU, как в оригинале, а на 18 тысячах коротких строк с требованиями из IT-вакансий - на обычной машине без видеокарты. По дороге выгребли три классических грабли (flash-attn без CUDA, deepspeed, который не импортируется под NumPy 2.x, и тихий OOM на 33 ГБ логитов). Ниже - подробный разбор архитектуры, конфигов и честные результаты round-trip-реконструкции.💡 Зачем вообще что-то менять в языковых моделях

продолжить чтение

Правительство США заблокировало доступ к Fable 5

продолжить чтение

Как я мерил точность ИИ в распознавании еды: бенчмарк, LLM-as-judge и баг с варёной гречкой

Строю приложение для подсчёта калорий по фото. Пользователь снимает тарелку, модель определяет блюдо, считает КБЖУ. Идея не новая, но мне важно, чтобы это работало именно на русской еде — борщи, гречки, котлеты по-домашнему.В какой-то момент стало некомфортно: я не знал, насколько модель вообще точна. «Кажется, работает нормально» — плохой ответ, если хочешь что-то улучшать. Решил померять нормально.Расскажу, что и как мерил, что получил — и про неожиданный вывод в конце, ради которого, честно говоря, и стоило это всё делать.Три вещи, которые хотелось знать

продолжить чтение

Один ИИ против целого НИИ: DeepMind объяснила, где начинается сверхинтеллект

Google DeepMind опубликовала доклад "From AGI to ASI"

продолжить чтение