Машинное обучение. - страница 33

Google открыла разработчикам доступ к Gemini 4 Argon через API и инструменты разработки

Google объявила о расширении доступа к Gemini 4 Argon — своей новой ИИ-модели, рассчитанной на сложные многоэтапные задачи. Разработчики теперь могут использовать её через Gemini API, в Google AI Studio, Android Studio и среде разработки Google Antigravity.Модель представили ещё в начале октября, но первоначально доступ к ней был ограничен. С 13 октября Gemini 4 Argon стала доступна более широкому кругу разработчиков и корпоративных пользователей. Рассмотрим немного подробнее.Что умеет Gemini 4 Argon

продолжить чтение

70 токенов в секунду в qwen3.8–27b на RTX 3090

На текущий момент qwen3.8–27b, без сомнений, лучшая модель для программирования, которую можно запускать на потребительских видеокартах. К сожалению, прямой путь — скачать модель с официального аккаунта qwen на huggingface → запустить в своем любимом инференс‑движке может не привести к хорошему результату, поэтому я решил написать эту статью.План действий такой:Установить необходимые пакеты для сборки llamAmpere (https://github.com/JakeATX/llamAmpere) — это форк llama.cpp, оптимизированный для запуска на поколении графических адаптеров Ampere.Скомпилировать llamAmpere.Установить huggingface client.

продолжить чтение

Октябрь ещё не закончился: 50 бесплатных уроков от падающего Spring Boot до мультиагентных систем

Spring Boot падает под нагрузкой, SQL‑запросы тормозят, а ИИ‑агентов уже пора интегрировать в рабочие процессы. Знакомые ситуации? Разбираться во всём самостоятельно долго, особенно когда параллельно нужно закрывать текущие задачи.До конца октября наши преподаватели проведут 50 бесплатных открытых уроков по разработке, архитектуре, инфраструктуре, тестированию, ИИ и другим направлениям. На встречах разберём конкретные инструменты и инженерные задачи, обсудим подходы к их решению и ответим на вопросы участников.

продолжить чтение

Вышла Gemini 4 Argon: разбираем бенчмарки и карточку модели

Gemini 4 Argon. Изображение: Google.

продолжить чтение

Период полураспада бенчмарка ИИ сократился вдвое: 19 месяцев вместо 38

В мае я подал OenoBench, винный бенчмарк для языковых моделей, на NeurIPS. В дискуссии с ревьюерами всплыл вопрос, на который ни у меня, ни у них не было опоры: какой результат на релизе считать достаточным для нового бенчмарка и сколько он вообще проживёт.

продолжить чтение

Выбирать цитаты в ELM и находить ошибки поиска

Если вы делаете поиск по документам, можно ли отвечать только словами из источника и отказываться, когда ответа нет? В ELM я проверил этот способ без дообучения. При заданном абзаце выбор цитаты дал близкий к генерации общий счёт на моей выборке. Если абзац надо найти, результат зависит от поиска и последующего выбора строки судьёй.Отделить поиск от формулирования ответа

продолжить чтение

Чат, который ничего не сочиняет: 43 гипотезы, четыре ошибки замера и одна честная стена

Препринт этой работы пока не опубликован на arXiv: для подачи мне нужен endorsement в категории cs.CL (Computation and Language). Если у вас есть право выдавать endorsement в этой категории и вы готовы помочь, буду благодарен — напишите мне в личные сообщения на Хабре.Код, файлы результатов, meta прогонов и реестр гипотез целиком, включая отрицательные: https://github.com/ADanMan/elm-research. Репозиторий пока приватный. Планирую открыть исходники после публикации статей.

продолжить чтение

Ответ цитатой вместо генерации: проверяю поиск по документам

Если вы делаете поиск по документам, можно ли отвечать только словами из источника и отказываться, когда ответа нет? Я решил проверить, насколько далеко можно зайти с таким ограничением.Для этих экспериментов я разрабатываю собственную систему и называю её ELM. Это рабочее название моего проекта. Его основная идея: код предлагает варианты, нейросеть выбирает и проверяет их, а код собирает результат. В этой статье результатом служит цитата из документа либо отказ, если подходящий ответ не найден.

продолжить чтение

В одном клике от Скайнета: что значит «самораспространение» нейросетей

12 октября Frontier Red Team Anthropic, внутренняя команда, которая проверяет модели на опасные возможности, опубликовала

продолжить чтение

Ещё один конкурент Jev: SubQ Snap обрабатывает 100K токенов примерно за секунду

Компания Subquadratic представила SubQ Snap, мультимодальную модель для принятия решений внутри AI-агентов. Контекстное окно составляет 384K токенов, в 12 раз больше, чем у Jev. По заявлению разработчиков, обработка запроса на 100K токенов и получение решения занимают примерно секунду.Это первый новый продукт компании после июньского анонса SubQ 1.1 Small

продолжить чтение