А вот это крайне интересно. Биток никто не покупает, объемы растут. Мда... ситуевина

https://arxiv.org/pdf/2211.07075 - новая ветка в развитии квантовые нейроморфрные нейронные сети ))) Юху !!!

https://arxiv.org/pdf/2508.05867 - мощнейшая работа...

https://arxiv.org/pdf/2411.02549#section.3 - это попытки доказательства на которые мы ссылаемся по нашим работам

Сервис "Умер?" для тех, кто живет один, занял первое место в рейтинге платных приложений в китайском App Store на фоне большого числа одиноких людей в стране, передает агентство Синьхуа.

Сервис является инструментом безопасности для тех, кто живет один. Система автоматически отправляет уведомление по электронной почте лицам, указанным на случай экстренной ситуации, если пользователь не отмечается в приложении в течение нескольких дней. Как поясняет агентство, в перспективе разработчики планируют расширить функционал, в частности добавив отправку SMS-уведомлений.

Агентство отметило, что взрывная популярность приложения обусловлена как шокирующим названием, так и проблемой одиноких людей в стране.

Epiplexity: Quantifying the Structural Value of Data for Bounded Observers
Marc Finzi, Shikai Qiu, Yiding Jiang, Pavel Izmailov, J. Zico Kolter, Andrew Gordon Wilson
Статья: https://arxiv.org/abs/2601.03220
Ревью: https://arxiviq.substack.com/p/from-entropy-to-epiplexity-rethinking

Ну и вечерние новости. Коротко о погоде в нашем регионе и ситуации на улице )))

❗️Генетические тесты для будущих родителей стали бесплатными в РФ, сообщила ТАСС главный внештатный специалист Минздрава по репродуктивному здоровью женщин Долгушина.

Тестирование на моногенные заболевания и структурные хромосомные перестройки с 2026 года включили в программу госгарантий бесплатного оказания медпомощи.

Глава Пентагона Пит Хегсет заявил, что чат-боты Grok и Google Gemini до конца января будут запущены в Минобороны США

Нейросетям предоставят «все необходимые данные» из военных IT-систем, включая базы данных разведки. Господин Хегсет также отметил, что модели искусственного интеллекта «будут внедрены во все несекретные и секретные сети» оборонного ведомства.

🚀 Новый подход к условной памяти: Engram от DeepSeek 🧠

💡 DeepSeek представил новую работу, посвященную решению проблемы эффективного хранения и извлечения знаний в больших языковых моделях (LLM).

Проще говоря, это попытка дать модели «встроенную энциклопедию», к которой она может обращаться мгновенно, освобождая вычислительные ресурсы для сложных рассуждений.

🔍 В чём проблема современных LLM?
Современные большие модели вроде GPT-4 или Gemini используют смесь экспертов (MoE) для экономии вычислений. Это называется «условные вычисления»: для каждого запроса активируется только часть параметров модели.

Но у Transformers до сих пор нет эффективного встроенного механизма для быстрого поиска готовых знаний. Модели вынуждены «изображать» поиск по памяти через медленные последовательные вычисления.

💡 Решение от DeepSeek: Engram
Новый модуль Engram — это и есть та самая «условная память». Его задача — хранить статические знания (факты, шаблоны) отдельно от динамической логики рассуждений.

Как это работает (упрощённо):
1. Для текущего слова или фразы (N-gram) модель вычисляет уникальный хэш (цифровой отпечаток).
2. По этому хэшу из специальной таблицы (памяти Engram) мгновенно (O(1)) извлекается заранее сохранённый вектор знаний.
3. Этот вектор корректируется с учётом контекста и добавляется к основным вычислениям модели.

📈 Экспериментальные результаты:
- Engram-27B и Engram-40B показали значительное улучшение на различных бенчмарках, включая MMLU (+3.4), CMMLU (+4.0), BBH (+5.0), ARC-Challenge (+3.7) и другие.
- В задачах с длинными контекстами, Engram также демонстрирует превосходство, например, точность Multi-Query NIAH увеличилась с 84.2 до 97.0.

🚀 Что это значит?
Работа явно указывает на архитектуру DeepSeek v4. Это будет гибридная модель, сочетающая:
1. Условные вычисления через MoE (для эффективности).
2. Условную память через Engram (для знаний и скорости их извлечения).

GitHub

#КитайскийИИ #КитайAI #УсловнаяПамять #Engram

Лол: безработных нанимают, чтобы они обучали ИИ, который потом заберёт их работу.

Схема простая: ты был видеоредактором, журналистом или юристом — теперь ты сидишь и проверяешь, как ИИ пишет тексты, ставит субтитры и анализирует данные. По факту ты становишься наставником для своего будущего цифрового заменителя.

Mercor уже набрал десятки тысяч подрядчиков и работает с крупными ИИ-компаниями. Но есть нюанс: проекты могут резко закончиться, людей увольняют, а потом снова набирают — иногда уже за меньшие денюжки.

Какой-то сюр, в пересчете на текущие процессы создается впечатление, что hr просто утопают в деньгах, ведь уволить и нанять это же дорого, или я чего-то не понимаю, плюс еще момент на отбивку денег при найме. Либо рынок настолько пресыщен, что без разницы кого нанимать и так покатит. Больше у меня идей нет )))

Soprano — это ультра-лёгкая on-device модель text-to-speech (TTS), созданная для выразительного, высокоточного синтеза речи с беспрецедентной скоростью. Soprano была спроектирована со следующими особенностями:

* До 2000x real-time generation на GPU и 20x real-time на CPU
* Lossless streaming с задержкой менее 15 ms на GPU и менее 250 ms на CPU
* Менее 1 GB memory usage благодаря компактной архитектуре на 80M parameters
* Infinite generation length с автоматическим text splitting
* Высокая выразительность и кристально чистая генерация аудио с частотой 32kHz
* Широкая поддержка CUDA, CPU и MPS devices на Windows, Linux и Mac
* Поддержка WebUI, CLI и OpenAI-compatible endpoint для простого и production-ready inference

HF: https://huggingface.co/ekwek/Soprano-80M
Demo: https://huggingface.co/spaces/ekwek/