вышла довольно интересная статья про self-supervised RL, тут суть сводится к тому, чтобы генерировать инструкцию, которая улучшает ответ на определенный ответ и обучении на этой инструкции (первая картинка)

на второй картинке показано, как проходит процесс дообучения; а вот на третьей - результат этой петли обратной связи, качество на более ранних задачах постепенно ухудшается; я ранее высказывал сомнение по этому поводу (для другой работы на схожую тему), теперь оно подтвердилось

@valuableai

молодцы китайские товарищи: у них у самих еще роботакси еще не вышли в промышленную эксплуатацию, а они уже экспортировали технологию в Саудовскую Аравию (на первой картинке министр транспорта Саудовской Аравии приобщается к светлому будущему)

по первой ссылке кстати много интересного, в частности можно узнать, что сейчас в Китае порядка нескольких тысяч роботакси уже ездят в тестовом режиме (вторая картинка)

что еще хочется отметить, Саудовская Аравия не первый раз воспринимает передовые технологии из Китая: робогражданка София сделана именно здесь

@valuableai

вышло интересное исследование от Microsoft, в котором они проанализировали запросы к Bing Copilot на тему частоты и качества ответов; точнее они сделали даже больше, они посмотрели, как эти запросы покрывают круг вопросов для разных областей; первая картинка - это верхние 40 профессий с наибольшим покрытием (весь этот наш дата саенс ожидаемо как раз здесь), вторая картинка - нижние 40; в нижние 40 ожидаемо попали несколько медицинских специальностей, но почему-то также водители грузовиков, хотя даже у нас уже идет обкатка грузовиков-беспилотников

в верхние 40 попали внезапно историки, хотя мне совершенно неясно, как ИИ может выполнять такую работу, а также - стюардессы, здесь тоже для меня загадочно - кто вам в полете выдаст чай с бутербродом?

интерпретировать результаты надо на мой взгляд в том смысле, что услуги специалистов из верхней части списка станут доступнее в ближайшие годы, т.к. ИИ сможет автоматизировать большую часть работы, для остальных придется подождать

@valuableai

вышла интересная статья в Nature от Google, посвященная предсказанию землетрясений; в нашей стране землетрясения штука довольно редкая за пределами Камчатки и в небольшой степени горных регионов - Саян, Кавказа, но например в Киргизии и Таджикистане землетрясения вполне себе частое явление; на первой картинке показаны серым места, где землетрясения были зафиксированы, а желтым и красным, где о них предупредили заранее; на второй картинке как раз распределение времени уведомлений

о чем вообще статья? о довольно простой идейно вещи - можно собирать данные акселерометров с 2,5 миллиардов Android-смартфонов по всему миру и предсказывать землетрясения засчет хорошего пространственного покрытия; но как это реализовать технически, это интересно, и про это как раз в статье не написано, я ставлю на то, что там есть ML-алгоритмы, хотя бы кластеризация

@valuableai

тут вышла работа CUDA-L1, посвященная тому, как обучить модель писать более эффективный код на CUDA (ускорение и пример на первой картинке); на мой вкус сама по себе данная работа не настолько интересна: авторы придумали, как более эффективно выбирать варианты для GRPO, а в остальном все стандартно, сгенерировали варианты, отобрали рабочие и быстрые, научились на них (вторая картинка); более интересно другое, что авторы нашли, что модели учатся хитрить с учетом времени, чтобы получать награду за ускорение, например, можно учитывать только завершение главного треда и не ждать дочерних

а что еще важнее, из той я узнал о существовании KernelBench (третья картинка) - собственно на нем и производятся все замеры; мне кажется, его можно считать эталонным бенчом для программирования именно по методологии

@valuableai