Maxime Labonne обновил курс и добавил инженерию агентских систем.
📚 Дополнительные ссылки:
Курс по агентам: Популярный курс по агентам ИИ от Hugging Face.
Сравнение агентов ИИ от Янника Майерхофера: Сравнение функций различных фреймворков агентов ИИ с открытым исходным кодом.
LangGraph: Обзор построения агентов ИИ с помощью LangGraph.
Агенты LlamaIndex: Примеры использования и ресурсы для создания агентов с помощью LlamaIndex.
smolagents: Документация с обзорным туром, практическими руководствами и более концептуальными статьями.
#обучение #maximeLabonne
———
@tsingular
📚 Дополнительные ссылки:
Курс по агентам: Популярный курс по агентам ИИ от Hugging Face.
Сравнение агентов ИИ от Янника Майерхофера: Сравнение функций различных фреймворков агентов ИИ с открытым исходным кодом.
LangGraph: Обзор построения агентов ИИ с помощью LangGraph.
Агенты LlamaIndex: Примеры использования и ресурсы для создания агентов с помощью LlamaIndex.
smolagents: Документация с обзорным туром, практическими руководствами и более концептуальными статьями.
#обучение #maximeLabonne
———
@tsingular
👍5✍2
Для книжки по вводному курсу в LLM появился официальный репозиторий примеров кода.
Глава 1: Введение в языковые модели
Глава 2: Токены и эмбеддинги
Глава 3: Взгляд внутрь Transformer LLM
Глава 4: Классификация текста
Глава 5: Кластеризация текста и тематическое моделирование
Глава 6: Инженерия подсказок
Глава 7: Расширенные методы и инструменты генерации текста
Глава 8: Семантический поиск и расширенная генерация поиска
Глава 9: Мультимодальные большие языковые модели
Глава 10: Создание моделей встраивания текста
Глава 11: Тонкая настройка моделей представления для классификации
Глава 12: Тонкая настройка моделей генерации
По всем этим разделам.
Заходим, развиваемся.
#обучение #курсы
———
@tsingular
Глава 1: Введение в языковые модели
Глава 2: Токены и эмбеддинги
Глава 3: Взгляд внутрь Transformer LLM
Глава 4: Классификация текста
Глава 5: Кластеризация текста и тематическое моделирование
Глава 6: Инженерия подсказок
Глава 7: Расширенные методы и инструменты генерации текста
Глава 8: Семантический поиск и расширенная генерация поиска
Глава 9: Мультимодальные большие языковые модели
Глава 10: Создание моделей встраивания текста
Глава 11: Тонкая настройка моделей представления для классификации
Глава 12: Тонкая настройка моделей генерации
По всем этим разделам.
Заходим, развиваемся.
#обучение #курсы
———
@tsingular
👍11✍1
Тут промпт Антропик Клода вирусится.
https://raw.githubusercontent.com/asgeirtj/system_prompts_leaks/refs/heads/main/claude.txt
Изучаем.
#prompts #Claude
------
@tsingular
https://raw.githubusercontent.com/asgeirtj/system_prompts_leaks/refs/heads/main/claude.txt
Изучаем.
#prompts #Claude
------
@tsingular
🔥5⚡1✍1
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
Media is too big
VIEW IN TELEGRAM
Вайб-Фракталинг.
Я пробежался по интернетику, в поисках быстрого визуализатора Мандельбалба и нашел либо старые ацкия программы для виндовс 10-летней давности. Либо хитрые примеры на ShaderToy, где его рендерят как 3Д-шейдер.
А так чтобы с крутилками и в вебе - не нашел.
Ну думаю, пора развайбкодироваться.
Лучше всего показал себя Gemini 2.5 - почти с первого раза, нормальные крутилки параметров, управление мышкой.
o4 тупила, 4o выдала корявый дизайн, без управления мышкой, плохими слайдерами в духе юникса из 90х.
Но я просто взял скриншот из Гемини и сунул его в o4 - и она быстро прозрела.
Короче, за часок на навайбкодил крутилку Мандельбалба прямо в браузере на стероидах WebGL. Учитывая, что Мандельбалб задается итеративно по формуле для следующей точки типа Z = Z**N + C, где Z и С просто 3Д-вектора, Гемини проделал отличную работу, написав аппроксиматор поверхностей. Явшоке.
Сейчас мы с Гемини разбираемся с шейдерами.
А пока вот результат работы:
https://cgevent.ru/man1.html
и
https://cgevent.ru/man3.html
На телефоне(андр) тоже работает, если лёжа.
Покрутите Power и Bailout угоните в 2-4, чтобы дырки пропали.
И да, это реалтайм, поэтому качество такое.
@cgevent
Я пробежался по интернетику, в поисках быстрого визуализатора Мандельбалба и нашел либо старые ацкия программы для виндовс 10-летней давности. Либо хитрые примеры на ShaderToy, где его рендерят как 3Д-шейдер.
А так чтобы с крутилками и в вебе - не нашел.
Ну думаю, пора развайбкодироваться.
Write three.js code for interactive webgl simulation of mandelbulb 3d. I want to change all typical parameters like Power or Bailout and see realtime render of mandelbulb.
Лучше всего показал себя Gemini 2.5 - почти с первого раза, нормальные крутилки параметров, управление мышкой.
o4 тупила, 4o выдала корявый дизайн, без управления мышкой, плохими слайдерами в духе юникса из 90х.
Но я просто взял скриншот из Гемини и сунул его в o4 - и она быстро прозрела.
Короче, за часок на навайбкодил крутилку Мандельбалба прямо в браузере на стероидах WebGL. Учитывая, что Мандельбалб задается итеративно по формуле для следующей точки типа Z = Z**N + C, где Z и С просто 3Д-вектора, Гемини проделал отличную работу, написав аппроксиматор поверхностей. Явшоке.
Сейчас мы с Гемини разбираемся с шейдерами.
А пока вот результат работы:
https://cgevent.ru/man1.html
и
https://cgevent.ru/man3.html
На телефоне(андр) тоже работает, если лёжа.
Покрутите Power и Bailout угоните в 2-4, чтобы дырки пропали.
И да, это реалтайм, поэтому качество такое.
@cgevent
🔥16👍1
🚀 MCP-серверы от GigaChain: добавляем ризонинг, ИИ-детектор, голос и генерацию изображений в AI-агента за 5 минут
Если вы работаете с генеративными моделями, вам пригодятся готовые MCP-серверы, которые можно развернуть за минуты и сразу подключить к своим проектам. Представляем готовые mcp-серверы от команды GigaChain:
🧠 Think MCP: LLM-ризонинг
GitHub 🔹 GitVerse
Помогает в решении сложных reasoning-задач
✅ MCP Giga Checker
GitHub 🔹 GitVerse
Инструмент для юрлиц, определяющий создан ли текст человеком или сгенерирован с помощью ИИ
🖼️ MCP Kandinsky: из промпта в PNG за 10 сек
GitHub 🔹 GitVerse
Генерации изображений с помощью API Kandinsky
🎙️ MCP SaluteSpeech: добавляем голос, синтез и распознавание в 3 строчки кода
GitHub 🔹 GitVerse
Голосовой ассистент на базе LLM
#Sberbank #Сбербанк #Gigachain #Gigachat #MCP
------
@tsingular
Если вы работаете с генеративными моделями, вам пригодятся готовые MCP-серверы, которые можно развернуть за минуты и сразу подключить к своим проектам. Представляем готовые mcp-серверы от команды GigaChain:
🧠 Think MCP: LLM-ризонинг
GitHub 🔹 GitVerse
Помогает в решении сложных reasoning-задач
GitHub 🔹 GitVerse
Инструмент для юрлиц, определяющий создан ли текст человеком или сгенерирован с помощью ИИ
🖼️ MCP Kandinsky: из промпта в PNG за 10 сек
GitHub 🔹 GitVerse
Генерации изображений с помощью API Kandinsky
🎙️ MCP SaluteSpeech: добавляем голос, синтез и распознавание в 3 строчки кода
GitHub 🔹 GitVerse
Голосовой ассистент на базе LLM
#Sberbank #Сбербанк #Gigachain #Gigachat #MCP
------
@tsingular
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥8✍3👍3
Когнитивный ИИ от ZAC: обучение на 5-50 примерах вместо тысяч
Z Advanced Computing, Inc. (ZAC), разработали Cognitive Explainable AI (CXAI).
Эта технология — шаг вперед в решении проблемы "черного ящика" и обучения на малых данных.
Технологические особенности ZAC:
* Concept-Learning: В основе — алгоритм "обучения на концепции", позволяющий машине понимать суть, а не просто корреляции.
* Few-Shot Learning: Основное преимущество — для обучения модели достаточно всего 5-50 примеров! Это радикально снижает требования к данным по сравнению с традиционными нейросетями (CNN, LLM).
* Объяснимость (XAI): Модели могут "объяснить" логику своих решений, что критически важно для надежности и отладки в приложениях.
🏆 Практическое применение и успехи:
Технология ZAC уже показала себя в проектах для:
* ВВС США (USAF): Распознавание сложных 3D-объектов на аэрофотоснимках.
* Bosch/BSH: Умная бытовая техника с улучшенным пониманием окружения.
Потенциальные сферы: Оборона, Медицина (диагностика), Автономные транспортные средства, Промышленный контроль качества, финтех, e-commerce, безопасность — везде, где данных мало, а цена ошибки высока.
🧠 Разработчики:
Сильная команда ученых (Dr. Saied Tadayon) и внушительный пул советников (включая Нобелевского лауреата David Lee и "отца нечеткой логики" Lotfi Zadeh).
Портфолио команды насчитывает более 450 изобретений и 14 выданных патентов в США.
Представьте: вместо сбора петабайтов данных достаточно показать ИИ пару десятков примеров. А в будущем, глядишь, и с первого раза поймет, - не то, что эти человеки.
Звучит максимально многообещающе.
#ZAC #xAI #ConceptLearning
———
@tsingular
Z Advanced Computing, Inc. (ZAC), разработали Cognitive Explainable AI (CXAI).
Эта технология — шаг вперед в решении проблемы "черного ящика" и обучения на малых данных.
Технологические особенности ZAC:
* Concept-Learning: В основе — алгоритм "обучения на концепции", позволяющий машине понимать суть, а не просто корреляции.
* Few-Shot Learning: Основное преимущество — для обучения модели достаточно всего 5-50 примеров! Это радикально снижает требования к данным по сравнению с традиционными нейросетями (CNN, LLM).
* Объяснимость (XAI): Модели могут "объяснить" логику своих решений, что критически важно для надежности и отладки в приложениях.
🏆 Практическое применение и успехи:
Технология ZAC уже показала себя в проектах для:
* ВВС США (USAF): Распознавание сложных 3D-объектов на аэрофотоснимках.
* Bosch/BSH: Умная бытовая техника с улучшенным пониманием окружения.
Потенциальные сферы: Оборона, Медицина (диагностика), Автономные транспортные средства, Промышленный контроль качества, финтех, e-commerce, безопасность — везде, где данных мало, а цена ошибки высока.
🧠 Разработчики:
Сильная команда ученых (Dr. Saied Tadayon) и внушительный пул советников (включая Нобелевского лауреата David Lee и "отца нечеткой логики" Lotfi Zadeh).
Портфолио команды насчитывает более 450 изобретений и 14 выданных патентов в США.
Представьте: вместо сбора петабайтов данных достаточно показать ИИ пару десятков примеров. А в будущем, глядишь, и с первого раза поймет, - не то, что эти человеки.
Звучит максимально многообещающе.
#ZAC #xAI #ConceptLearning
———
@tsingular
🔥11⚡2👍2
Forwarded from Denis Sexy IT 🤖
This media is not supported in your browser
VIEW IN TELEGRAM
ChatGPT обновили функцию Deep Research – теперь можно скачивать отчеты в формате красивого pdf
🔥9👍3🆒3
Forwarded from Анализ данных (Data analysis)
This media is not supported in your browser
VIEW IN TELEGRAM
Сэм Альтман:
2025 — год ИИ-агентов
2026 — год научных исследований и прорывов
2027 — год, когда ИИ и робототехника действительно начнут взаимодействовать с физическим миром
Погнали!
@data_analysis_ml
2025 — год ИИ-агентов
2026 — год научных исследований и прорывов
2027 — год, когда ИИ и робототехника действительно начнут взаимодействовать с физическим миром
Погнали!
@data_analysis_ml
✍8🔥1
Forwarded from Эксплойт
⚡️ Видеокарты будут отключать в странах под санкциями — в Конгрессе США разрабатывают закон, который заставит Nvidia отслеживать ВСЕ проданные карточки и банить их в случае нарушений.
Для того в видяхи хотят внедрить системы геолокации — если карточку включить в подсанкционной стране, она МОМЕНТАЛЬНО улетит в бан.
В первую очередь мера направлена против Китая — так конгрессмены хотят замедлить развитие ИИ в стране, но Россию тоже может задеть.
@exploitex
Для того в видяхи хотят внедрить системы геолокации — если карточку включить в подсанкционной стране, она МОМЕНТАЛЬНО улетит в бан.
В первую очередь мера направлена против Китая — так конгрессмены хотят замедлить развитие ИИ в стране, но Россию тоже может задеть.
@exploitex
🤨13✍5🤔5👍1
Forwarded from Machinelearning
которое опубликовал Илон Маск - выглядит интеерснее, чем может показаться на первый взгляд.
Впервые Optimus двигается в танце с участием нижней части тела —
раньше его ноги и ступни оставались неподвижными.
Если посмотреть последнее видео в замедленном режиме, можно заметить, что он не просто танцует — он подпрыгивает и держит равновесие на одной ноге.
Такой уровень динамического баланса и контроля невероятно сложно реализовать для человекоподобного робота.
С балансом у нового робота от Tesla — полный порядок!
Факты о роботе
🦿 1. Создан на базе автопилота Tesla
Optimus использует ту же систему обработки окружающего мира, что и автопилот Tesla — включая нейросети и камеры. Робот буквально «видит» как электромобиль Tesla.
⚙️ 2. Высота — 173 см, вес — около 56 кг
Это делает Optimus ростом со взрослого человека и достаточно лёгким, чтобы быть маневренным, но достаточно прочным для работы с физическими объектами.
🧠 3. Мозг — это Tesla FSD Chip
Внутри — собственный чип Tesla, разработанный для Full Self-Driving. Он обрабатывает видео в реальном времени и принимает решения, как вождения, так и манипуляций руками и телом.
🤖 4. Умеет поднимать до 20 кг и нести до 9 кг
Optimus спроектирован для выполнения задач, таких как переноска ящиков, компонентов на сборочных линиях и базовая логистика.
🎥 5. Первые версии уже помогают на фабрике Tesla
В 2023–2024 Tesla начала использовать Optimus на своих производственных линиях — например, для сортировки деталей и доставки мелких компонентов.
🕺 6. Новый уровень движения — он уже танцует и ходит
В 2025 году Optimus научился координировать движения нижней части тела. Ранее ноги были статичными — теперь он танцует, ходит и держит равновесие на одной ноге.
🔋 7. Полный день работы от одной зарядки
Цель — добиться автономной работы в течение рабочего дня на одном заряде, что делает его пригодным для фабрик и логистических центров.
🌍 8. Массовый рынок — конечная цель
Илон Маск заявил, что Optimus должен стоить меньше $20,000 — чтобы каждый мог позволить себе персонального робота.
@ai_machinelearning_big_data
#robots #ai #ml #Tesla #Optimus
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥9🤔7🤯2
Выкидываем DeepResearch в корзину.
Курсор + tavily search MCP - все, что нужно.
Результат в следующем посте.
#MCP #Cursor #DeepResearch
———
@tsingular
Курсор + tavily search MCP - все, что нужно.
Результат в следующем посте.
#MCP #Cursor #DeepResearch
———
@tsingular
👍6✍4🤔3
🚀 ИИ-Горизонты Науки: Якуб Пачоцки из OpenAI о Новой Эре Исследований
Интервью Якуба Пачоцки, Chief Scientist OpenAI (с мая 2024), для Nature (‘AI models are capable of novel research’: OpenAI’s chief scientist on what to expect) раскрывает перспективы ИИ в трансформации науки.
Пачоцки, стоявший у истоков GPT-4 и OpenAI Five, предвидит ИИ как полноценного участника исследований.
🧠 "Рассуждающие Модели" для Автономных Открытий
Ключевой вектор развития — "рассуждающие модели" (reasoning models), которые в ближайшие 5 лет смогут проводить новые научные исследования (novel research).
Это означает переход от ИИ-ассистентов к автономным агентам, способным к самостоятельной постановке задач, генерации гипотез и их верификации.
OpenAI Deep Research: Уже сейчас этот инструмент, базирующийся на будущей модели OpenAI o3, демонстрирует способность к автономному анализу и синтезу информации из сотен онлайн-источников, создавая отчеты уровня аналитика.
Он обучен с помощью сквозного обучения с подкреплением (end-to-end RL) для сложных исследовательских задач.
⚙️ Технологии: Обучение с Подкреплением и "Мышление" ИИ
Пачоцки акцентирует внимание на возросшей роли обучения с подкреплением (RL) в создании рассуждающих моделей, позволяя им "находить собственный способ мышления".
Важно, что ИИ-"мышление" отлично от человеческого: модели оперируют знаниями без осознания процесса их получения.
🌍 Открытость, Вызовы и Этика
OpenAI, реагируя на критику по энергопотреблению и использованию данных, планирует выпустить "open-weight" модель (с открытыми весами) "в ближайшие месяцы" (данные на март 2025).
Эта модель, первая со времен GPT-2, будет обладать "рассуждающими" способностями уровня OpenAI o3-mini.
Этот шаг направлен на повышение прозрачности и доступности технологий для исследователей, частично решая проблему доминирования проприетарных систем.
💡 Практическое Применение и Взгляд в Будущее
Развитие рассуждающих ИИ-систем, таких как Deep Research, сулит прорывы в:
- Ускорении научных открытий через анализ больших данных.
- Междисциплинарном синтезе знаний.
- Персонализированной медицине и материаловедении.
Интеграция ИИ в науку углубляется, предвещая эру ИИ-партнеров в исследованиях.
О чем, собственно, и говорит Альтман в предыдущем посте.
Ждем открытий при непосредственном лидирующем участии ИИ.
#OpenAI #JakubPachocki #AIinScience #ReasoningModels #DeepResearch #ReinforcementLearning #OpenWeightModels #AGI #FutureTech
———
@tsingular
Интервью Якуба Пачоцки, Chief Scientist OpenAI (с мая 2024), для Nature (‘AI models are capable of novel research’: OpenAI’s chief scientist on what to expect) раскрывает перспективы ИИ в трансформации науки.
Пачоцки, стоявший у истоков GPT-4 и OpenAI Five, предвидит ИИ как полноценного участника исследований.
🧠 "Рассуждающие Модели" для Автономных Открытий
Ключевой вектор развития — "рассуждающие модели" (reasoning models), которые в ближайшие 5 лет смогут проводить новые научные исследования (novel research).
Это означает переход от ИИ-ассистентов к автономным агентам, способным к самостоятельной постановке задач, генерации гипотез и их верификации.
OpenAI Deep Research: Уже сейчас этот инструмент, базирующийся на будущей модели OpenAI o3, демонстрирует способность к автономному анализу и синтезу информации из сотен онлайн-источников, создавая отчеты уровня аналитика.
Он обучен с помощью сквозного обучения с подкреплением (end-to-end RL) для сложных исследовательских задач.
⚙️ Технологии: Обучение с Подкреплением и "Мышление" ИИ
Пачоцки акцентирует внимание на возросшей роли обучения с подкреплением (RL) в создании рассуждающих моделей, позволяя им "находить собственный способ мышления".
Важно, что ИИ-"мышление" отлично от человеческого: модели оперируют знаниями без осознания процесса их получения.
🌍 Открытость, Вызовы и Этика
OpenAI, реагируя на критику по энергопотреблению и использованию данных, планирует выпустить "open-weight" модель (с открытыми весами) "в ближайшие месяцы" (данные на март 2025).
Эта модель, первая со времен GPT-2, будет обладать "рассуждающими" способностями уровня OpenAI o3-mini.
Этот шаг направлен на повышение прозрачности и доступности технологий для исследователей, частично решая проблему доминирования проприетарных систем.
💡 Практическое Применение и Взгляд в Будущее
Развитие рассуждающих ИИ-систем, таких как Deep Research, сулит прорывы в:
- Ускорении научных открытий через анализ больших данных.
- Междисциплинарном синтезе знаний.
- Персонализированной медицине и материаловедении.
Интеграция ИИ в науку углубляется, предвещая эру ИИ-партнеров в исследованиях.
О чем, собственно, и говорит Альтман в предыдущем посте.
Ждем открытий при непосредственном лидирующем участии ИИ.
#OpenAI #JakubPachocki #AIinScience #ReasoningModels #DeepResearch #ReinforcementLearning #OpenWeightModels #AGI #FutureTech
———
@tsingular
🔥6❤1
Forwarded from Анализ данных (Data analysis)
🔍 Что такое AssetGen 2.0?
AssetGen 2.0 — это новый фреймворк-от способный создавать высококачественные 3D-модели и текстуры на основе текстовых или визуальных запросов. Она объединяет два компонента:
- 3D-меши: создаются с использованием одностадийной диффузионной модели, обеспечивающей высокую детализацию и геометрическую точность.
Текстуры: генерируются с помощью модели TextureGen, которая обеспечивает высокое качество и согласованность текстур.
🆚 Улучшения по сравнению с AssetGen 1.0
Одностадийная генерация: AssetGen 2.0 использует одностадийную диффузионную модель, что позволяет напрямую создавать 3D-объекты из текстовых или визуальных запросов, улучшая качество и сокращая время генерации.
Повышенная детализация: новая архитектура обеспечивает более высокую детализацию и точность геометрии по сравнению с предыдущей версией.
Улучшенные текстуры: TextureGen обеспечивает более высокое качество текстур с улучшенной согласованностью между различными видами объекта.
🌍AssetGen 2.0 уже используется внутри компании для создания 3D-миров и будет доступна для разработчиков Horizon позже в этом году. Планируется также расширение возможностей модели для генерации целых 3D-сцен на основе текстовых или визуальных запросов.
🔗 Подробнее
@data_analysis_ml
AssetGen 2.0 — это новый фреймворк-от способный создавать высококачественные 3D-модели и текстуры на основе текстовых или визуальных запросов. Она объединяет два компонента:
- 3D-меши: создаются с использованием одностадийной диффузионной модели, обеспечивающей высокую детализацию и геометрическую точность.
Текстуры: генерируются с помощью модели TextureGen, которая обеспечивает высокое качество и согласованность текстур.
🆚 Улучшения по сравнению с AssetGen 1.0
Одностадийная генерация: AssetGen 2.0 использует одностадийную диффузионную модель, что позволяет напрямую создавать 3D-объекты из текстовых или визуальных запросов, улучшая качество и сокращая время генерации.
Повышенная детализация: новая архитектура обеспечивает более высокую детализацию и точность геометрии по сравнению с предыдущей версией.
Улучшенные текстуры: TextureGen обеспечивает более высокое качество текстур с улучшенной согласованностью между различными видами объекта.
🌍AssetGen 2.0 уже используется внутри компании для создания 3D-миров и будет доступна для разработчиков Horizon позже в этом году. Планируется также расширение возможностей модели для генерации целых 3D-сцен на основе текстовых или визуальных запросов.
🔗 Подробнее
@data_analysis_ml
👍4🔥2
📖 Хватит уже ходить на платные курсы :)
Общаюсь тут с некоторыми,- туда сходил, объяснили, не понял, тут деньги за курс содрали, - еще просят.
Держите коллекцию бесплатных обучающих материалов по промптам и агентам. :)
PDF в комментариях:
1. Руководство по промптам от Гугла
2. От OpenAI 3 руководства:
- как индентифицировать ИИ кейсы
- как строить агентов
- ИИ в крупных компаниях
и 2 ссылки на материалы Антропика:
- Промпт инжиниринг
- Как создавать агентов
Весь интернет уже в этих руководствах, а люди еще на платные курсы ходят, ну как так.
#обучение
———
@tsingular
Общаюсь тут с некоторыми,- туда сходил, объяснили, не понял, тут деньги за курс содрали, - еще просят.
Держите коллекцию бесплатных обучающих материалов по промптам и агентам. :)
PDF в комментариях:
1. Руководство по промптам от Гугла
2. От OpenAI 3 руководства:
- как индентифицировать ИИ кейсы
- как строить агентов
- ИИ в крупных компаниях
и 2 ссылки на материалы Антропика:
- Промпт инжиниринг
- Как создавать агентов
Весь интернет уже в этих руководствах, а люди еще на платные курсы ходят, ну как так.
#обучение
———
@tsingular
3🔥17✍10👍4😍4❤1💯1🆒1
Forwarded from Machinelearning
This media is not supported in your browser
VIEW IN TELEGRAM
После нескольких недель тестирования, функция Deep Research официально запущена и открыта для всех пользователей!
Как это работает?
Просто задай любой вопрос — например:
"Расскажи что-нибудь про робототехнику."
Qwen уточнит:
🔸 Хочешь узнать про историю, теорию или практическое применение?
🔸 Или скажи: "Не знаю… удиви меня!" 😄
Пока ты пьешь кофе ☕ — Qwen соберёт для тебя понятный, полезный и глубокий отчёт.
Попробовать💡
🔗 https://chat.qwen.ai/?inputFeature=deep_research
#Qwen
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10🔥3
INTELLECT-2: Революция в обучении ИИ через глобальную децентрализацию
Представлена INTELLECT-2 - первая 32B-параметровая модель, обученная через глобально распределенное обучение с подкреплением.
Разработан уникальный метод тренировки через асинхронный RL с использованием гетерогенных вычислительных ресурсов по всему миру без централизованного контроля.
Для реализации создана экосистема компонентов: PRIME-RL (фреймворк асинхронного обучения), TOPLOC (верификация результатов) и SHARDCAST (трансляция весов).
Проведены эксперименты TARGET-SHORT и TARGET-LONG, подтвердившие эффективность подхода.
В основе - Qwen2
По бенчам обгоняет Deepseek R1 и QwQ-32B
GitHub
HuggingFace
Теперь для создания мощного ИИ не нужен суперкомпьютер - достаточно объединить компьютеры добровольцев со всего мира.
Децентрализация наступает!
#INTELLECT #Decentralization
-------
@tsingular
Представлена INTELLECT-2 - первая 32B-параметровая модель, обученная через глобально распределенное обучение с подкреплением.
Разработан уникальный метод тренировки через асинхронный RL с использованием гетерогенных вычислительных ресурсов по всему миру без централизованного контроля.
Для реализации создана экосистема компонентов: PRIME-RL (фреймворк асинхронного обучения), TOPLOC (верификация результатов) и SHARDCAST (трансляция весов).
Проведены эксперименты TARGET-SHORT и TARGET-LONG, подтвердившие эффективность подхода.
В основе - Qwen2
По бенчам обгоняет Deepseek R1 и QwQ-32B
GitHub
HuggingFace
Теперь для создания мощного ИИ не нужен суперкомпьютер - достаточно объединить компьютеры добровольцев со всего мира.
Децентрализация наступает!
#INTELLECT #Decentralization
-------
@tsingular
👍12🔥6