math.
Спустя 6 лет я докопался до ядра компьютера, и там была математическая формула
UPD: Это значительно переработанная новая версия статьи. Прошлая статья получила плохой фидбек (3 минуса, 0 лайков, 3 закладки, и 1 умеренно комплиментарный коммент от юзера-математика, который получил на 4 плюса больше чем моя статья). Мне показалось это довольно загадочным, ибо сама идея статьи мне кажется довольно интересной, но я заметил, что глава про автобиографию явно перегружена, многочисленные детали в ней не помогают повествованию, так что я решил ее ужать до нескольких абзацев, плюс добавил оглавление, и небольшое дополнение в самом начале, остальное в статье не менялось.
Правда ли KAN лучше MLP? Свойство разделения глубины между двумя архитектурами
ВведениеПрошлым летом в свет вышла новая архитектура нейронных сетей под названием Kolmogorov-Arnold Networks (KAN). Основная статья есть в открытом доступе на архиве по следующей ссылке. На момент выхода статьи эта новость произвела фурор в мире машинного обучение, так как KAN показывали существенный прирост в качестве аппроксимации различных сложных функций. На фото ниже видно, что ошибка новых сетей падает значительно быстрее при увеличении числа параметров.
Математики не смогли превзойти нейросеть в решении сложных задач
В Беркли (Калифорния, США) состоялось двухдневное закрытое мероприятие с участием 30 ведущих математиков мира. Целью тайной встречи, о которой ученым запрещено было распространяться, стало испытание новой разработки компании OpenAI — чат-бота o4-mini, обладающего способностью к сложным логическим рассуждениям.Организатором эксперимента выступила некоммерческая организация Epoch AI, которая занимается тестированием и сравнением больших языковых моделей, о событии спустя три недели после завершения тестов сообщил портал Scientific American.
Создание искусственных сомнений значительно повышает точность математических вычислений ИИ
Языковые модели лучше справляются с математикой при использовании "верифицируемой траектории рассуждений" (обзор модели rStar-Math)Что делает ИИ-систему хорошей в математике? Не сырая вычислительная мощность, а нечто почти противоречивое: невротичная тщательность в проверке своей правоты.
Исследователи обнаружили, что больше не нужна тонна данных, чтобы обучить LLM выполнению логических задач
Согласно новому исследованию, проведенному исследователями Шанхайского университета Цзяо Тун, большие языковые модели (LLM) могут выполнять сложные задачи рассуждения, не полагаясь на большие наборы данных. Результаты исследования демонстрируют, что при использовании ограниченного количества тщательно отобранных образцов можно подготовить специалиста в области юриспруденции к выполнению задач, которые, как предполагалось, требуют огромного количества учебных материалов.
Виды бесконечностей и вынос мозга
Эта статья — продолжение статьи про громадные числа. Но сейчас мы пойдем еще дальше — в бесконечности бесконечностей.
