Машинное обучение. - страница 8

Вайбкодим конфигурацию MDM, а ядро — нет: три ИИ‑агента, 100+ правил и подогнанные автотесты

Около миллиона записей о физических лицах на арабском и английском и около ста правил обработки с учётом региональной специфики — такую задачу мы решали в пилоте внедрения клиентского MDM. Мы — команда Data Sapience, разработчика Data Ocean Governance MDM.Правила готовили три ИИ‑агента: больше ста правил очистки и больше двадцати пяти правил поиска дублей. Простое правило занимало около 10 минут, сложное — до часа, на каждое уходило от одной до трёх итераций. Пилот сдали. Но по дороге агент автотестов начал подгонять результаты под желаемые, и всплыло это только на очередной проверке.

продолжить чтение

Microsoft запатентовала платформу для обучения ИИ на видеокартах пользователей

Microsoft опубликовала

продолжить чтение

Может ли ИИ писать автотесты за QA-инженера? Проверили на реальных задачах

продолжить чтение

Как Microsoft предлагает обучать модели на игровых ПК

На домашнем ПК освободилась видеокарта. Сервер отправил ей часть расчёта, а через минуту владелец запустил игру. Если к этому моменту результат ещё загружается, серверу придётся решать, ждать ли его и что делать, если параметры модели уже успели обновиться. Для распределённого обучения это гораздо важнее паспортных TFLOPS видеокарты.

продолжить чтение

Два месяца я учил нейросеть заполнять опросные листы. Главное оказалось не в нейросети

Первая версия. Верной оказалась примерно треть ответов.

продолжить чтение

Пять способов ускорить локальный инференс MoE-модели: один я написал сам

В предыдущей статье я разбирался, какие эксперты реально живут в VRAM у Strata, пока она крутит Qwen3.8-Flash-Next на GTX 1070. На этот раз - короче и практичнее: несколько конкретных приёмов ускорения, которые стоит проверить, если вы гоняете большую MoE-модель на домашнем железе. Один из них - патч, который я написал и прогнал сам, с цифрами “было/стало” на реальном движке. Остальные - то, что уже работает в Strata “из коробки”, просто не всегда включено и не всегда замечено.1. Спекулятивное декодирование (MTP/drafting)

продолжить чтение

Пространственное внимание на RTX 3050: эксперимент с контекстом 16K

Можно ли ускорить обучение небольшой языковой модели на длинных последовательностях, если заменить полное внимание разреженным графом, а веса связей определять расстояниями между обучаемыми координатами?Для проверки появился SpatialLM-Mini — прототип на Python и PyTorch с тремя архитектурами: пространственным вниманием, обычным Transformer и гибридом. На RTX 3050 с 8 ГБ VRAM пространственный вариант обучался в 2,47 раза быстрее нашего Transformer при контексте 16 384 токена. Но он использовал больше выделенной памяти, а отдельную пользу геометрии этот опыт пока не доказывает.

продолжить чтение

Какие GPU выбрать для обучения ИИ, инференса и работы с графикой: обзор возможностей Рег.облака

продолжить чтение

В штате Нью‑Йорк запустят первую в стране государственную программу тестирования ИИ‑систем

В американском штате Нью‑Йорк запустят первую в США государственную программу независимого тестирования систем искусственного интеллекта и подготовки нового поколения экспертов безопасности в области нейросетей. Об этом сообщила губернатор штата Кэти Хокул.

продолжить чтение

Приглашаем на ML-митап hh.ru

Если вы ML-разработчик или дата-сайентист и работаете с поиском и рекомендациями — приходите обсудить, как LLM и агенты помогают искать вакансии, кандидатов и недвижимость: от понимания запросов на естественном языке до оценки качества и работы в проде. После докладов продолжим общение за вкусной едой и напитками!Регистрируйтесь по ссылке и присоединяйтесь к митапу 19 ноября в 19:00 мск в офисе hh.ru или онлайн.

продолжить чтение