🔄🔄🔄Читаем статьи за вас №2:

Большой гайд по планированию. Как впихнуть в сутки 40 часов и оставить время на личную жизнь?

🗣Основы планирования времени

Планирование времени включает в себя определение приоритетов и распределение задач. Важно учитывать личные предпочтения и биологические ритмы. Определение "антагонистов" и "протагонистов" "Антагонисты" - это процессы, которые отнимают ресурсы, не принося взамен ничего. "Протагонисты" - это процессы, которые восстанавливают ресурсы и должны быть увеличены.

🗣Анализ текущего расписания
Необходимо определить, какие задачи являются "антагонистами" и "протагонистами". Важно минимизировать "антагонисты" и увеличить "протагонисты".

🗣Составление нормального расписания

Планирование должно включать в себя буферы, "съесть лягушку", дробление, режим дня, cheat day и протагонисты. Буферы помогают избежать неожиданных ситуаций и обеспечивают защиту от стресса. "Съесть лягушку" - это выполнение самых сложных задач в начале дня для повышения самооценки. Дробление учебных блоков помогает избежать переутомления.
Режим дня включает в себя 8 часов сна и стабильное время подъема и отхода ко сну. Cheat day - это эмоциональная разгрузка в выходные. Протагонисты включают спорт, работу, отдых и минимизацию "антагонистов".

🗣Поиск недостатков в расписании
Необходимо обратить внимание на высокую нагрузку, учебу в дороге, жаворонков и сов, спорт и бессонницу.

🗣Универсальные советы
Концентрация и баланс между вредным и приятным в жизни важны для эффективного планирования. Чередование задач помогает поддерживать интерес и избегать монотонности. Пересказана только часть статьи. Для продолжения перейдите к чтению оригинала.

➡️links: https://habr.com/ru/articles/774964/
#articles #ml #dl #read #analytics

🔠🔠🔠🔠🔠: Llama Recipes предоставляет набор методов для файнтюнинга Llama3 с использованием FSDP и PEFT для работы на одном/нескольких GPU.

Links: https://github.com/meta-llama/llama-recipes

*Meta - экстремисткая огранизация запрещена в РФ,

#tools #github #optimization #ml

⚡️⚡️⚡️https://github.com/CyberAlbSecOP/Awesome_GPT_Super_Prompting - невероятно огромный пак по работе с промптами для LLM. Очень много полезных инструментов, методик и подходов. Если вы занимаетесь LLM, то обязательно к прочтению.

#tools #github #optimization #ml #llm

Cotype Nano - русскоязычная SLM от МТС.

MTS AI опубликовала в открытый доступ легковесную модель генерации текста C otype Nano и ее квантованные вариации.

Cotype Nano построена на базе Qwen2.5-1.5B и обучалась методом SFT на датасете объемом 1 млн. инструкций из областей: математика, программирование, обобщение текста и текстовые диалоги. В создании датасета использовалась большая модель Cotype Pro 32k.

На первой стадии обучался слой MLP с LoRa на датасетах по математике и программированию. На второй стадии обучалась вся модель на инструктивных датасетах. Завершающим этапом стал alignment (DPO) на отдельно сгенерированном датасете.

Оценка модели проводилась автоматическим side-by-side с gpt-3.5-turbo и gpt-4 на внутреннем датасете и в бенчмарках RuGeneralArena, где Cotype-Nano показала лучший результат в своей весовой категории.

▶️Набор моделей:

🟢Cotype-Nano - 1.54 млрд. параметров;

🟠Cotype‑Nano-4bit - 403 млн. параметров, квантованная методом AWQ версия;

🟠Cotype‑Nano‑CPU - оптимизированная с помощью openVINO версия под CPU Intel;

🟠Cotype Nano GGUF - 1.54 млрд параметров, две версии в разрядности 16-bit (3. 09 Gb) и 8-bit (1.65 GB) под llama.cpp.

📌Лицензирование: Apache 2.0 License.

🟡Статья на Habr
🟡Набор моделей на HF

#AI #ML #SLM #RuLLM #MTS

🤗 Кто реально двигает open-source ИИ: анализ топ-50 самых скачиваемых моделей на Hugging Face

Исследование  показывает, какие организации и типы моделей определяют экосистему открытых моделей. 


🔥 Главное:
📦 Топ-50 - это всего 3.4% всех моделей на Hugging Face,  но именно они собирают более 80% из 45 миллиардов скачиваний. 

Подавляющее большинство активности сосредоточено вокруг небольшой группы лидеров - 
именно эти модели формируют лицо всего open-source ИИ.

📉 Размер имеет значение (и чем меньше — тем лучше):
- 92.5% загрузок — модели < 1B параметров 
- 86.3% — < 500M 
- 70% — < 200M 
- 40% — < 100M 

Очевидны выводы: в open-source побеждают малые и лёгкие модели, пригодные для локального развёртывания и edge-инференса.

🧠 Популярные направления:
- NLP — 58.1% 
- Computer Vision — 21.2% 
- Audio — 15.1% 
- Multimodal — 3.3% 
- Time Series — 1.7%

Кто создаёт самые скачиваемые модели:
-  Компании - 63.2%  (Google лидер)
-  Университеты - 20.7% 
-  Индивидуальные авторы - 12.1% 
-  НКО - 3.8% 
-  Прочие лаборатории - 0.3%

Какие типы моделей побеждают:
-  Текстовые энкодеры - 45% всех загрузок 
-  Декодеры - всего 9.5% 
-  Энкодер-декодеры - 3%

📌 Несмотря на хайп вокруг LLM, массово скачиваются не гиганты, а утилитарные модельки  для интеграции в собственные продукты.

🇺🇸 Лидеры по странам: 
США доминируют по всем категориям: 
- встречаются 18 раз среди топ-50 скачиваний 
- на США приходится 56.4% всех загрузок

Open-source ИИ живёт не за счёт гигантских LLM, а благодаря компактным, быстрым и практичным моделям,  мкоторые реально работают в продуктах и проектах.

🟠 Почитать полностью: https://huggingface.co/blog/lbourdois/huggingface-models-stats

#AI #HuggingFace #OpenSource #ML #Research #LLM #AITrends