This media is not supported in your browser
VIEW IN TELEGRAM
#эксперименты
Проектируем план 2 комнатной квартиры с ChatGPT
Часть 2
Первоначальный запрос:
"Напиши SVG с планировкой 2-комнатной квартиры: спальня с лоджией, гостиная, совмещённая с кухней, совмещённый санузел (туалет и ванная), а у входа добавь гардеробную. Подпиши комнаты."
Проектируем план 2 комнатной квартиры с ChatGPT
Часть 2
Первоначальный запрос:
"Напиши SVG с планировкой 2-комнатной квартиры: спальня с лоджией, гостиная, совмещённая с кухней, совмещённый санузел (туалет и ванная), а у входа добавь гардеробную. Подпиши комнаты."
👍4⚡1💩1
This media is not supported in your browser
VIEW IN TELEGRAM
Text2BIM: Создание моделей зданий с использованием многоагентной среды на основе LLM
⚡2👍1
GSDiff
Новая генеративная модель для проектирования векторных планов с помощью генерации структурных графов. Генерация фокусируется на стыке стен и прогнозировании сегментов стен для захвата как геометрических, так и семантических аспектов структурных графов.
Новая генеративная модель для проектирования векторных планов с помощью генерации структурных графов. Генерация фокусируется на стыке стен и прогнозировании сегментов стен для захвата как геометрических, так и семантических аспектов структурных графов.
⚡5👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Автоматизация поиска искусственной жизни с помощью фундаментальных моделей
Примеры симуляций, обнаруженных алгоритмом "Автоматизированный поиск искусственной жизни" ASAL
https://sakana.ai/asal/
Примеры симуляций, обнаруженных алгоритмом "Автоматизированный поиск искусственной жизни" ASAL
https://sakana.ai/asal/
⚡3👍1
This media is not supported in your browser
VIEW IN TELEGRAM
#эксперименты
играюсь с генераторами
играюсь с генераторами
⚡5❤3👎2
Forwarded from Наука, Техника и нейровайб
This media is not supported in your browser
VIEW IN TELEGRAM
Новейшая ИИ-модель Claude 3.7 Sonnet может на ходу генерировать игры. Её попросили создать платформер о космосе, и она выдала 3200 строк кода — результат на видео.
Игровые разработчики идут на завод
Игровые разработчики идут на завод
🤯2😱2
This media is not supported in your browser
VIEW IN TELEGRAM
#эксперименты
делаю генератор планировок вместе с Claude
делаю генератор планировок вместе с Claude
🐳4🦄2
This media is not supported in your browser
VIEW IN TELEGRAM
#эксперименты
делаю интерактивные эффекты с Claude
делаю интерактивные эффекты с Claude
⚡4🦄2
Forwarded from NN
Microsoft Copilot открыли для всех пользователей Voice и Think Deeper. Инструменты на базе модели OpenAI o1 теперь бесплатные и вообще без ограничений.
Голосовой режим Voice знает русский язык, можно задавать любые вопросы или использовать для изучения язков.
Think Deeper включает бесконечное размышление — ИИ будет перепроверять ответ на запрос, пока он не станет максимально точным.
Забираем по ссылке.
Голосовой режим Voice знает русский язык, можно задавать любые вопросы или использовать для изучения язков.
Think Deeper включает бесконечное размышление — ИИ будет перепроверять ответ на запрос, пока он не станет максимально точным.
Забираем по ссылке.
👍2🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
Всего 3 дня с тех пор, как вышел Claude 3.7 Sonnet и уже столько крутых результатов и экспериментов
Вот примеры: симулятор 3D-города
Вот примеры: симулятор 3D-города
🤯3👍2
#вкопилкуэрудита
В архитектуре Transformer к каждому эмбеддингу токена добавляется позиционный эмбеддинг (Positional Embedding) . Это позволяет модели знать позиции токенов в исходном тексте, как абсолютные, так и относительные. Позиции слов играет важную роль при передаче смысла исходного текста. Они имеют ту же размерность что и эмбеддинг токена. Они вычисляются с помощью синусоидальных функций. На рисунке схема, чтобы понять, как это работает.
Почему они вычисляются именно так?
Такое математическое представление позволяет описывать положение элементов оставаясь в пределах значений от -1 до 1 и при этом условно без ограничений максимальной позиции (ограничение все же есть и оно зависит от размерности эмбеддингов).
Пример позиционного кодирования, иллюстрирующий ПОДХОД - двоичная система исчисления, где комбинация символов "0" и "1" могут иллюстрировать уникальные представления.
В архитектуре Transformer к каждому эмбеддингу токена добавляется позиционный эмбеддинг (Positional Embedding) . Это позволяет модели знать позиции токенов в исходном тексте, как абсолютные, так и относительные. Позиции слов играет важную роль при передаче смысла исходного текста. Они имеют ту же размерность что и эмбеддинг токена. Они вычисляются с помощью синусоидальных функций. На рисунке схема, чтобы понять, как это работает.
Почему они вычисляются именно так?
Такое математическое представление позволяет описывать положение элементов оставаясь в пределах значений от -1 до 1 и при этом условно без ограничений максимальной позиции (ограничение все же есть и оно зависит от размерности эмбеддингов).
Пример позиционного кодирования, иллюстрирующий ПОДХОД - двоичная система исчисления, где комбинация символов "0" и "1" могут иллюстрировать уникальные представления.
🤔4🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
Процесс диффузии в новой моделе LlaDa (первая языковая диффузионная модель)
🔥3❤2
#пытаюсьпонять
Память трансформеров: почему размер имеет значение?
Трансформеры — мощные модели, но их память ограничена. Механизм внимания требует O(n^2)
памяти, где n
— длина текста. Чем длиннее контекст, тем больше ресурсов нужно: для 4096 токенов это уже серьезная нагрузка! А что за пределами? Ничего — классические трансформеры "забывают" все, что не помещается ...
Решения вроде Sparse Attention или внешней памяти спасают ситуацию, но идеала пока нет. С человеком не сравниться...
Память трансформеров: почему размер имеет значение?
Трансформеры — мощные модели, но их память ограничена. Механизм внимания требует O(n^2)
памяти, где n
— длина текста. Чем длиннее контекст, тем больше ресурсов нужно: для 4096 токенов это уже серьезная нагрузка! А что за пределами? Ничего — классические трансформеры "забывают" все, что не помещается ...
Решения вроде Sparse Attention или внешней памяти спасают ситуацию, но идеала пока нет. С человеком не сравниться...
🤔3⚡2
This media is not supported in your browser
VIEW IN TELEGRAM
Появился AI BIM асситсент для Revit - Pele AI
AI помощник понимает инструкции на простом языке.
Pele AI анализирует запрос, определяет необходимые шаги, а затем выполняет задачу в Revit. Если команда неясна или слишком сложна, программное обеспечение попытается выполнить ее повторно. Если он все еще не может выполнить задачу, он уведомит пользователя и предложит, что уточнение ввода может улучшить результаты.
https://www.pele-assistant.online/
AI помощник понимает инструкции на простом языке.
Pele AI анализирует запрос, определяет необходимые шаги, а затем выполняет задачу в Revit. Если команда неясна или слишком сложна, программное обеспечение попытается выполнить ее повторно. Если он все еще не может выполнить задачу, он уведомит пользователя и предложит, что уточнение ввода может улучшить результаты.
https://www.pele-assistant.online/
❤3👍3