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.

AI-агенты не готовы к внедрению

Эксперты скептически оценивают готовность AI-агентов к массовому внедрению компаниями

Эксперты выявили ключевые барьеры для внедрения AI-агентов: отсутствие чёткого ROI, проблемы с точностью и доверием, необходимость стандартов управления.

RunwayML представила модель A2D-VL

RunwayML представила диффузионную модель A2D-VL для параллельной генерации текста на изображениях

RunwayML представила диффузионную модель A2D-VL, которая преобразует авторегрессионные модели в параллельные декодеры с гибким балансом скорости и качества генерации.

Эмоциональные привязанности к ИИ

Исследование показывает непреднамеренное формирование эмоциональных связей с ИИ

Кембриджское исследование выявило, что пользователи непреднамеренно формируют эмоциональные связи с ИИ при решении практических задач, даже стараясь избежать этого.

Google трансформирует роль дата-сайентиста

Google трансформирует роль дата-сайентиста в архитектора автономных агентов

Google представляет новое поколение инструментов для дата-сайентистов, превращающих их из аналитиков в архитекторов автономных агентов с возможностью работы в реальном времени.

Smol2Operator от Hugging Face

Smol2Operator превращает легкие ИИ-модели в агентов по автоматизации графических интерфейсов

Hugging Face представляет Smol2Operator — методологию превращения легковесных vision-language моделей в агентов для автоматизации графических интерфейсов с открытым кодом и данными.

Google Research представила модель TimesFM-ICF

Google Research представила модель TimesFM-ICF для прогнозирования временных рядов с обучением на нескольких примерах

Google Research представила TimesFM-ICF — модель для прогнозирования временных рядов, которая обучается на нескольких примерах без дополнительного тонкого настроя, достигая точности специализированных моделей.