SRT-H: A Hierarchical Framework for Autonomous Surgery via Language Conditioned Imitation Learning
📚 Read
@datascienceiot
📚 Read
@datascienceiot
🧠 А вы уверены, что датасет, на котором вы тестируете GNN, вообще имеет смысл?
В обзоре с ICML 2025 команда AI VK разбирает свежую статью о том, как оценивать качество графовых датасетов для задач машинного обучения.
В обзоре с ICML 2025 команда AI VK разбирает свежую статью о том, как оценивать качество графовых датасетов для задач машинного обучения.
Telegram
AI VK Hub
Всем привет! Продолжаем обозревать статьи, представленные на ICML.
Сегодня кратко рассмотрим статью, которая посвящена проблемам оценки качества наборов данных для графового машинного обучения.
В машинном обучении принято сравнивать новые алгоритмы с предыдущими…
Сегодня кратко рассмотрим статью, которая посвящена проблемам оценки качества наборов данных для графового машинного обучения.
В машинном обучении принято сравнивать новые алгоритмы с предыдущими…
Forwarded from 📚Python Books
Audio, Video, and Webcams in Python (Lost Chapter from Automate the Boring Stuff)
📕 Book
@pythonlbooks
📕 Book
@pythonlbooks
Открыт приём статей в научный журнал Международной конференции по ИИ — AI Journey.
Главный приз за лучшую статью — 1 миллион рублей. Ключевые работы опубликуют в спецвыпуске «Доклады Российской академии наук. Математика, информатика, процессы управления» и его англоязычной версии Doklady Mathematics.
Что даёт участие:
• Шанс выиграть 1 000 000₽
• Публикация в авторитетном журнале с индексацией Scopus/WoS
• Возможность представить исследование на площадке конференции AI Journey 2025
Условия:
— Статья должна быть оригинальной (не опубликована ранее)
— Принимаются работы на русском и английском
— Дедлайн — 20 августа 2025
Как подать заявку: https://aij.ru/science
Главный приз за лучшую статью — 1 миллион рублей. Ключевые работы опубликуют в спецвыпуске «Доклады Российской академии наук. Математика, информатика, процессы управления» и его англоязычной версии Doklady Mathematics.
Что даёт участие:
• Шанс выиграть 1 000 000₽
• Публикация в авторитетном журнале с индексацией Scopus/WoS
• Возможность представить исследование на площадке конференции AI Journey 2025
Условия:
— Статья должна быть оригинальной (не опубликована ранее)
— Принимаются работы на русском и английском
— Дедлайн — 20 августа 2025
Как подать заявку: https://aij.ru/science
Anthropic just released a research paper.
Inverse Scaling in Test-Time Compute
📚 Читать
@datascienceiot
Inverse Scaling in Test-Time Compute
📚 Читать
@datascienceiot
Forwarded from AI VK Hub
В рекомендациях есть две точки зрения:
1. Бигтех: закинем в нейросеть пару петабайт данных, добавим побольше трансформерных блоков, тысячи видеокарт — и вот вам рексис нового поколения. Но вы не сможете это проверить, потому что только у нас столько данных.
2. Академия: пораскинем мозгами, добавим inductive bias в линейный автоэнкодер и получим соту на всех открытых датасетах. Обучаем на макбуке 19 года.
Мы любим оба подхода, но на ридинг-группе поговорим про второй. Роман Логойда, ML-инженер AI VK, представит статью Why is Normalization Necessary for Linear Recommenders?
🔹 Начало встречи 24 июля в 18:00.
Зум: ссылка
ID: 313 292 5940
Код: 473906
Параллельно запустим стрим прямо в канале AI VK Hub.
1. Бигтех: закинем в нейросеть пару петабайт данных, добавим побольше трансформерных блоков, тысячи видеокарт — и вот вам рексис нового поколения. Но вы не сможете это проверить, потому что только у нас столько данных.
2. Академия: пораскинем мозгами, добавим inductive bias в линейный автоэнкодер и получим соту на всех открытых датасетах. Обучаем на макбуке 19 года.
Мы любим оба подхода, но на ридинг-группе поговорим про второй. Роман Логойда, ML-инженер AI VK, представит статью Why is Normalization Necessary for Linear Recommenders?
Зум: ссылка
ID: 313 292 5940
Код: 473906
Параллельно запустим стрим прямо в канале AI VK Hub.
Please open Telegram to view this post
VIEW IN TELEGRAM
Разработан метод, который позволяет видеть, как внутри ИИ появляются смыслы и менять их в процессе генерации без переобучения модели
Исследователи из T-Bank AI Research представили на ICML 2025 метод, позволяющий анализировать и управлять поведением языковых моделей без переобучения. Он отслеживает, как смыслы формируются внутри модели, и позволяет точечно усиливать или подавлять темы в генерации текста. Метод не требует дополнительных расходов и применим для уже обученных LLM.
📚Paper
@datascienceiot
Исследователи из T-Bank AI Research представили на ICML 2025 метод, позволяющий анализировать и управлять поведением языковых моделей без переобучения. Он отслеживает, как смыслы формируются внутри модели, и позволяет точечно усиливать или подавлять темы в генерации текста. Метод не требует дополнительных расходов и применим для уже обученных LLM.
📚Paper
@datascienceiot
Deep Research Agents with Test-Time Diffusion
Google keeps pushing on diffusion.
📚Paper
@datascienceiot
Google keeps pushing on diffusion.
📚Paper
@datascienceiot
Андрей Рыбинцев, более 10 лет развивавший ИИ в Авито, стал управляющим директором по ИИ и вошел в состав правления. Сейчас платформа масштабирует внедрение ИИ в продукты, сервисы и внутренние процессы компании.
Теперь все ключевые ИИ-команды компании — около 900 специалистов из департаментов Data Science, Поиска и Рекомендаций, Аналитики данных — объединятся под его управлением. Также в компании будет сформирован новый кластер AI Experience, который сосредоточится на развитии ассистентов на базе генеративного ИИ.
По словам Рыбинцева, он с командой планирует масштабировать уже работающие решения и внедрить новые технологии, которые будут ощутимы для миллионов пользователей и тысяч бизнесов по всей стране.
Рыбинцев стоял у истоков построения ИИ-инфраструктуры в компании: внедрял Trust & Safety, антифрод, развивал ML-модерацию, масштабировал Data Science. Под его руководством также было запущено семейство генеративных моделей — текстовая A-Vibe и мультимодальная A-Vision.
Теперь все ключевые ИИ-команды компании — около 900 специалистов из департаментов Data Science, Поиска и Рекомендаций, Аналитики данных — объединятся под его управлением. Также в компании будет сформирован новый кластер AI Experience, который сосредоточится на развитии ассистентов на базе генеративного ИИ.
По словам Рыбинцева, он с командой планирует масштабировать уже работающие решения и внедрить новые технологии, которые будут ощутимы для миллионов пользователей и тысяч бизнесов по всей стране.
Рыбинцев стоял у истоков построения ИИ-инфраструктуры в компании: внедрял Trust & Safety, антифрод, развивал ML-модерацию, масштабировал Data Science. Под его руководством также было запущено семейство генеративных моделей — текстовая A-Vibe и мультимодальная A-Vision.
Schmidhuber’s Fast-Weight work of 1991-92 introduced an explicit mechanism for token-to-token interaction inside recurrent neural networks (RNNs).
Each time step wrote an outer-product fast weight that linked the current hidden state (a “key”) with a “value.”
📚Статья
@datascienceiot
Each time step wrote an outer-product fast weight that linked the current hidden state (a “key”) with a “value.”
📚Статья
@datascienceiot