Машинное обучение. - страница 245

Бизнес в эпоху LLM: успешные кейсы и дальнейшие перспективы

продолжить чтение

В Forbes проанализировали интервью Воложа своим финансовым партнёрам

Бывший глава и сооснователь «Яндекса» Аркадий Волож дал интервью партнёру венчурной фирмы Accel Мэтту Вейганту и рассказал

продолжить чтение

Google продолжает использовать контент для обучения ИИ, несмотря на отказы издателей

Издатели отозвали 80 миллиардов обучающих токенов из Google DeepMind, но Google по-прежнему использует их контент для обучения ИИ поиску. Google использует контент со всего интернета для обучения своих моделей искусственного интеллекта для поиска, даже если владельцы сайтов прямо говорят «нет». Об этом заявил Эли Коллинз, вице-президент Google DeepMind, во время слушаний в суде Вашингтона, согласно Bloomberg.

продолжить чтение

40 открытых уроков мая: куда движется мир IT в 2025 году

продолжить чтение

GPT с миллионным контекстом, провальная Llama 4 и открытие исходного кода AlexNet: главные события апреля в области ИИ

продолжить чтение

Представлена ИИ-модель, вдохновлённая нейронными колебаниями в мозге человека

Исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (CSAIL) разработали новую модель искусственного интеллекта, вдохновлённую нейронными колебаниями в мозге. Цель работы — усовершенствовать процессы обработки длинных последовательностей данных алгоритмами машинного обучения.

продолжить чтение

Будущее трансформеров: от громоздких моделей к персональным обучаемым агентам

Современные большие языковые модели (LLM) достигли впечатляющих результатов, но остаются громоздкими и статичными. Они требуют огромных вычислительных ресурсов и не умеют самостоятельно запоминать новый опыт в долгосрочной перспективе. В ближайшие годы нас ожидает переход от этих монолитных систем к персональным интеллектуальным агентам – компактным и адаптивным моделям, способным учиться на ходу. Ниже мы рассмотрим ключевые направления развития архитектур LLM, которые открывают путь к таким агентам: долговременная память на основе «mem-векторов», модульные трансформеры,

продолжить чтение

Меня заставили повайбкодить

продолжить чтение

Юнит тесты роя агентов

Исходный код, разобранный в статье, опубликован в этом репозиторииПри разработке роя агентов встает вопрос юнит тестирования. Рой агентов позволяет использовать разные LLM с выбором другой активной модели исходя из действий пользователя. Как следствие, обрабатывать идентичную переписку может любой агент из роя, например, был сделан Redis FLUSHALL и активный агент потерялся: чат продолжается с корневого Triage agent

продолжить чтение

Обработка аудио на ESP32

В этой статье я хочу поделиться своим опытом портирования проекта распознавания музыкальных жанров аудиозаписей на ESP32-C3. Исходный проект взят из репозитория книги TinyML-Cookbook_2E.При анализе речи или других звуков важно выделить такие характеристики, которые отражают строение сигнала, но при этом не зависят от конкретных слов, громкости и других мешающих факторов. Для этого используют cepstrum, mel-cepstrum и MFCC - это шаги преобразования, которые переводят звук в удобную для анализа форму.Краткое описание алгоритма

продолжить чтение

Rambler's Top100