Тот самый тимлид, у которого список статей размером с Войну и Мир и PhD в 19

Привет всем тем, кто хотел поглубже познакомиться с новым хайповым KAN, но осилить статью на 50 страниц с формулами не сумел

Для вас, любимые подписчики, мы менее чем за сутки с момента выхода статьи написали на нее обзор! В нем вы найдете:

– Легкое и непринужденное объяснение теоремы Колмогорова-Арнольда
– Ответ на вопрос «а почему до этого раньше никто не додумался?»
– Объяснение архитектуры KAN на пальцах
– Сравнение KAN с перцептроном
– Туториал по запуску KAN из коробки на Python

Прочитать разбор можно на нашем сайте: https://datasecrets.ru/articles/9

Да, мы запускаем сайт Data Secrets!

Там мы будем публиковать еще больше новостей, статей, разборов, полезных материалов, туториалов... В общем, все, что только может быть нужно Data Scientist'у.

Для нас это большой шаг в развитии проекта. Мы надеемся, что теперь будем вносить еще больший вклад в сообщество.

В знак поддержки принимаются 🔥

Качки 🤝 математики

А какой сегодня ты? 😎🤓

OpenAI, возможно, скоро выйдут на рынок с собственным поисковиком. Работать будет на основе GPT, конечно же. Движок будет анализировать источники, уточнять информацию и составлять на основе всего это суммаризированный ответ.

Такой опыт для OpenAI не первый. Прошлым летом они уже внедрили в своего бота ответ на базе поиска в Bing, то есть полноценный сёрчер станет просто расширением уже существующей технологии.

Сочувствуем акциям Google

Как собрать свой GPU с нуля за две недели, не имея никакого опыта:

Шаг 1: Изучить фундаментальную теорию устройства GPU
Шаг 2: Разработать собственную архитектуру GPU
Шаг 3: Написать собственный низкоуровневый язык для своей GPU
Шаг 4: Написать на этом языке два мат.ядра
Шаг 5: Забилдить GPU в Verilog и запустить ядра
Шаг 6: Спроектировать микросхему и верифицировать ее в OpenLane EDA
Шаг 7: Вы великолепны

Если вы подумали, что мы сошли с ума, то (пока еще) нет. Это реальная история инженера по имени Адам Маджмудар. Он действительно с нуля, без опыта проектирования GPU, за две недели разработал мини-видеокарту.

Полное описание всех этапов разработки можно найти в репозитории или в треде на X.

Вы знаете, что делать.

Вы просили постоянную рубрику «что почитать на выходных». Что ж, чего не сделаешь ради подписчиков: советуем любимую книгу админа

Недавно мы с вами обсуждали MT-bench – бенчмарк, который напрямую коррелирует с результатами моделей на LMSYS Arena. Однако, как замена оценки на основе человеческих мнений от все же не идеален.

В связи с этим создатели арены решили создать что-то посвежее – и выкатили Arena Hard v.0.1. Этот бенчмарк тоже проверяет способность модели вести сознательный диалог, но делает это качественнее.

В частности, его ответы почти в три раза чаще, чем у MT-bench, мэтчатся с тем, что предпочитают люди на самом деле. Оказалось, с его помощью можно отсортировать модели гораздо точнее, и получится с приемлемой погрешностью примерно так же, как это делает человеческое голосование.

Но это не все. Создатели арены запустили конкурс на Kaggle "Chatbot Arena Human Preference Predictions". Участникам нужно создать модель, которая будет предсказывать, какой ответ из нескольких, данных разными LLM, будет предпочтен человеком.

Призовой фонд – $100тыс. Можно внести мощный вклад в оценивание LLM и неплохо заработать. Любителям RL точно стоит попробовать.