Машинное обучение

Актуальные новости машинного обучения и нейронных сетей. Прорывы в области ML, новые алгоритмы, исследования от ведущих лабораторий. Практические применения машинного обучения в бизнесе, науке и повседневной жизни. Deep learning, computer vision, NLP и другие направления. Туториалы, гайды и экспертные материалы для специалистов.

Druva создает мультиагентный Copilot

Druva создает мультиагентный Copilot для защиты данных на базе Amazon Bedrock

Druva разрабатывает мультиагентного ИИ-копилота для защиты данных на базе Amazon Bedrock, который упрощает управление резервным копированием через естественноязыковый интерфейс.

Нейросети с человеческим восприятием

Нейросети с человеческим восприятием оказались надежнее и стабильнее

Исследование показывает, что ИИ-модели, выровненные по человеческому восприятию, становятся не только более «человечными», но и технически лучше — устойчивее к новым ситуациям и точнее в сложных тестах.

OpenAI предлагает разреженные цепи

OpenAI предлагает новый подход к интерпретации нейросетей через разреженные цепи

OpenAI представила метод обучения разреженных нейросетей с ограниченными связями между нейронами, что упрощает анализ внутренних вычислений моделей и повышает их прозрачность.

Добавить интеллект компьютерному зрению

Три способа добавить интеллект компьютерному зрению с помощью агентных моделей

Агентные системы на основе VLM-моделей превращают компьютерное зрение из пассивного наблюдателя в активного аналитика, способного объяснять сцены и предсказывать события.

ИИ-карта природных лесов

Google и DeepMind создали ИИ-карту природных лесов для борьбы с вырубкой

Google и DeepMind разработали ИИ-систему, которая отличает природные леса от плантаций с точностью 92%. Технология поможет выполнять экологические нормативы и бороться с незаконными вырубками.

Прямое редактирование весов

Новый метод улучшения языковых моделей через прямое редактирование весов

Эксперимент с прямой модификацией тензоров языковой модели показал 5-кратное улучшение производительности без традиционного обучения. Новый подход может изменить методы оптимизации ИИ.