Блог об AI
Заметки о нейросетях, промпт-инжиниринге и том, как искусственный интеллект меняет всё вокруг.
Последние записи
TokenSpeed-kernel: многосиликоновый LLM-инференс без боли
Ядерная система TokenSpeed-kernel решает главную проблему гетерогенного инференса: вместо того чтобы плодить AMD-специфичные пути в рантайме, она разделяет код на общее API и плагинные бэкенды. AMD MI355X с Gluon-ядрами достигает 3.6× ускорения против Triton.
Почему высокая вероятность ответа LLM не гарантирует его правильность
LLM, которые выдают высокую вероятность ответа, не всегда правы. Новое исследование объясняет, почему.
RiVER: как учить LLM без правильных ответов — и получать лучше
Reinforcement Learning without Ground-Truth Solutions: фреймворк RiVER тренирует LLM на задачах без эталонных ответов, используя ранговое сравнение решений и калибровку reward shaping.
Как выбрать правильный ML-алгоритм: практический фреймворк от Тим Мок
Суть алгоритмов ML можно уложить в простую схему: сначала определяете тип задачи, потом смотрите на объём данных, и нужный инструмент находится сам.
Claude Tag: третья революция в работе с ИИ
Anthropic научила Claude работать внутри Slack: тегать как человека, разбивать проекты на шаги и писать 65% кода компании. Карпати говорит — это третья революция в интерфейсах ИИ.
Hallucination in World Models: как генеративные модели «видят» то, чего нет
Модели мира генерируют визуально убедительные траектории, которые тем не менее отклоняются от реальной физики. Исследователи из UC San Diego нашли способ предсказывать и предотвращать такие галлюцинации.
VISE: как заставить мультимодальную модель действительно смотреть на картинку
Новая архитектура VISE борется с системной проблемой мультимодальных LLM: модели «видят» не то, что на картинке, а то, что ожидают услышать. Два reward — геометрический и семантический — заставляют decoder обращать внимание на визуал. Результат: COCO +16.85 CIDEr, снижение галлюцинаций на 5 баллов Chair-I.
Sakana Fugu: модель-роутер, которая обходит Fable 5
Японский стартап Sakana AI выпустил Fugu — модель, которая выступает диспетчером других моделей и при этом бьёт Fable 5 на Live Code Bench. Разбираемся, как это работает и зачем это нужно.
Multimodal LLM чувствительны к порядку данных: результаты аудита 18 моделей
Аудит 18 мультимодальных LLM показал: ни одна не даёт одинаковый ответ при перестановке одних и тех же данных. Лучшая модель всё ещё меняет 13,4% ответов. Facet-Probe — пять метрик, которые стандартные бенчмарки не измеряют.
Как выбрать алгоритм машинного обучения: практический гид
Линейная регрессия, KNN, SVM, случайный лес, градиентный бустинг и нейросети — в одном гиде. Без воды, с интуицией.