Freepik выпускает «открытый» генератор изображений ИИ, обученный на лицензионных данных
Во вторник Freepik, онлайн-платформа для графического дизайна, представила новую «открытую» модель изображений на основе ИИ, которая, по словам компании, была обучена исключительно на изображениях с коммерческой лицензией, «безопасных для работы».
Разработчики из Стэнфорда представили FramePack — локальную систему генерации видео на потребительских видеокартах
Исследователи из Стэнфордского университета представили FramePack — архитектуру для локальной генерации видео на потребительски видеокартах. Разработчики отмечают, что для работы системе достаточно всего 6 ГБ видеопамяти.
Обновление JetBrains AI: новый тариф, поддержка MCP и поиск в Интернете
Разработчики JetBrains представили обновление фирменного нейросетевого помощника. Появилась поддержка MCP, возможность искать информацию в Интернете прямо в IDE, редактировать сразу несколько файлов. Также ассистент теперь входит в подписки All Products Pack и dotUltimate.
GigaHeisenberg или преступный ИИ
tl;dr: Обойдём цензуру у LLM (GigaChat от Sber) и сгенерируем запрещенный (разной тематики) контент. Опробуем очень простую технику jailbreak’а в одно сообщение (не мультишаговый/multi-turn), которая пока работает на любой LLM (проверим не только на GigaChat, но и на других). И небольшой бонус в самом конце от DeepSeek.
Как мы научили GigaChat слышать: погружение в аудиомодальность
В конце прошлого года мы рассказывали про эксперименты с аудиомодальностью GigaChat, эксклюзивно показывали стенд на нашей конференции. Теперь аудиомодальность GigaChat доступна всем — в веб-интерфейсе giga.chat и Telegram-боте!Сегодня мы расскажем, почему ушли от классической схемы ASR (Automatic Speech Recognition) + LLM и построили end-to-end модель, которая понимает речь; как устроена наша новая модель; на каких данных мы её обучали; и что из этого получилось.
Бинарная классификация одним простым искусственным нейроном. Личный опыт
Оказывается, всего одного простого искусственного нейрона достаточно, чтобы провести бинарную классификацию линейно-разделимого множества объектов. Исходные данныеВозьмем учебное множество "жуков" и "гусениц"
