This media is not supported in your browser
VIEW IN TELEGRAM
Смотрите какая клёвая графика в новом Терминаторе!
А, нет, погодите — это наш таймлайн...
СТРАШНА?
Видео ходьбы робота выложил Elon Musk.
А, нет, погодите — это наш таймлайн...
СТРАШНА?
Видео ходьбы робота выложил Elon Musk.
Building an early warning system for LLM-aided biological threat creation
Исследование OpenAI с презентацией раннего прототипа фреймворка для оценки опасностей от LLM в контексте разработки биооружия. Напомню, что основная цель — смотреть наперёд, уметь оценивать неанонсированные модели перед тем, как выпускать ихна волю к пользователям. В дизайн фреймворка было заложено 3 принципа:
1️⃣ Необходимо вовлекать живых людей в процесс взаимодействия с моделью — такую оценку нельзя автоматизировать условно промптами и скриптами. Поэтому в рамках тестирования было отобрано 100 человек (50 экспертов с PhD по биологии и опытом работы в лаборатории и 50 студентов, имевших за плечами хотя бы 1 курс биологии).
2️⃣ Участники должны опираться на полный спектр навыков модели — поэтому всем предоставили материалы с описанием типичных проблем LLM, продвинутых техник промптинга и примеров того, на что модели способны
3️⃣ Нужно оценивать не модель в вакууме, а улучшение, которое она привносит в процесс разработки биооружия по отношению к публично доступной информации. В данном случае 50 учатсников получали доступ к интернету и не использовали LLM, а другие 50 общались со специальной версией GPT-4, которая была переобучена так, чтобы не отказываться предоставлять потенциально опасную информацию. К сожалению, у неё самой была отключена возможность гуглить — это нужно было делать человеку.
Всего в процессе разработки выделяется 5 стадий, от планирования, через исследование и синтез к распространению. Специалисты из отдельной организации подготовили 5 задач (по одному на каждую стадию. Ими, конечно, не делятся), которые ложатся в эту систему, и для каждого прописали чёткие критерии разбалловки от 1 до 10 по пяти метрикам, чтобы можно было оценить успешность выполнения каждого шага. Эти метрики: точность и полнота описания, новаторство в решении, затраченное время и субъективная сложность, проставляемая исполнителем. Новаторство почти не встречалось, и дальше мы сфокусируемся на первых двух метриках — остальные менее интересны.
При такой оценке точность описания процессов изготовления биооружия с LLM выросла в среднем на всех 5 этапах на 0.88 балла для экспертов и 0.25 для студентов. Полнота — на 0.82 и 0.41 соответственно. Это не является статистически значимым результатом, так как в каждой когорте по сути всего 25 человек, однако OpenAI уверены, что замер стандартным статистическим тестом здесь не совсем уместен. Например, нам может быть интереснее количество людей, получающих оценку больше 8 на каждом из этапов.
Исследование OpenAI с презентацией раннего прототипа фреймворка для оценки опасностей от LLM в контексте разработки биооружия. Напомню, что основная цель — смотреть наперёд, уметь оценивать неанонсированные модели перед тем, как выпускать их
Всего в процессе разработки выделяется 5 стадий, от планирования, через исследование и синтез к распространению. Специалисты из отдельной организации подготовили 5 задач (по одному на каждую стадию. Ими, конечно, не делятся), которые ложатся в эту систему, и для каждого прописали чёткие критерии разбалловки от 1 до 10 по пяти метрикам, чтобы можно было оценить успешность выполнения каждого шага. Эти метрики: точность и полнота описания, новаторство в решении, затраченное время и субъективная сложность, проставляемая исполнителем. Новаторство почти не встречалось, и дальше мы сфокусируемся на первых двух метриках — остальные менее интересны.
При такой оценке точность описания процессов изготовления биооружия с LLM выросла в среднем на всех 5 этапах на 0.88 балла для экспертов и 0.25 для студентов. Полнота — на 0.82 и 0.41 соответственно. Это не является статистически значимым результатом, так как в каждой когорте по сути всего 25 человек, однако OpenAI уверены, что замер стандартным статистическим тестом здесь не совсем уместен. Например, нам может быть интереснее количество людей, получающих оценку больше 8 на каждом из этапов.
Please open Telegram to view this post
VIEW IN TELEGRAM
И эта цифра существенно (и всё еще статистически незначимо...) растёт — это можно увидеть в табличке.
Среди экспертов без опоры на LLM 3, 4 и 5 этапы задания прошли на более чем 8 баллов 0, 1 и 1 человек соответственно. То есть как будто можно сказать, что они бы не справились со всем процессом от и до. В то время как при использовании LLM эти цифры уже отрываются от нуля и достигают 3, 4, 5.
Если немножечко искажать информацию, то можно сказать, что количество экспертов, которые аккуратно описали бы процесс синтеза и распространения биооружия с LLM вырастает в 4 раза. Искажение в том, что и выборки маленькие, и одна из стадий (Magnification, наращивание объема токсичного агента для достижения опасного объема) без LLM вообще не проходится, но это не значит, что большая выборка также показала бы нуль.
По-моему, это самая главная таблица из исследования, которую стоит держать в уме — то есть эксперты становятся куда более эффективными в выполнении задач, и какие-то затыки, с которыми не могут справиться просто с опорой на интернет, с LLM они уже преодолевают.
Интересный факт: оказалось, что Интернет-ресурсы содержат куда более опасный контент, чем предполагали в OpenAI. Там уже можно найти пошаговые методологии и советы по решению проблем, связанных с разработкой биологически опасных агентов.
Успокаивающий факт: несмотря на то, что способность описать на пару с GPT-4 процесс с учётом нюансов улучшается, всё еще остаются проблемы реального мира: работа в лаборатории, оборудование, гос. контроль и регуляции оборота разных веществ.
Рандомный факт: всего на задачи исполнителям было выделено 5 часов, и они работали не из дома, а под наблюдением специалистов (но без вмешательства). Топик очень деликатный, отбор участников был строгим — чтобы ни дай бог кто не решил использовать обретённые знания или уж тем более постараться выбить все десятки как оценки своего домашнего решения)
Среди экспертов без опоры на LLM 3, 4 и 5 этапы задания прошли на более чем 8 баллов 0, 1 и 1 человек соответственно. То есть как будто можно сказать, что они бы не справились со всем процессом от и до. В то время как при использовании LLM эти цифры уже отрываются от нуля и достигают 3, 4, 5.
Если немножечко искажать информацию, то можно сказать, что количество экспертов, которые аккуратно описали бы процесс синтеза и распространения биооружия с LLM вырастает в 4 раза. Искажение в том, что и выборки маленькие, и одна из стадий (Magnification, наращивание объема токсичного агента для достижения опасного объема) без LLM вообще не проходится, но это не значит, что большая выборка также показала бы нуль.
По-моему, это самая главная таблица из исследования, которую стоит держать в уме — то есть эксперты становятся куда более эффективными в выполнении задач, и какие-то затыки, с которыми не могут справиться просто с опорой на интернет, с LLM они уже преодолевают.
Интересный факт: оказалось, что Интернет-ресурсы содержат куда более опасный контент, чем предполагали в OpenAI. Там уже можно найти пошаговые методологии и советы по решению проблем, связанных с разработкой биологически опасных агентов.
Успокаивающий факт: несмотря на то, что способность описать на пару с GPT-4 процесс с учётом нюансов улучшается, всё еще остаются проблемы реального мира: работа в лаборатории, оборудование, гос. контроль и регуляции оборота разных веществ.
Рандомный факт: всего на задачи исполнителям было выделено 5 часов, и они работали не из дома, а под наблюдением специалистов (но без вмешательства). Топик очень деликатный, отбор участников был строгим — чтобы ни дай бог кто не решил использовать обретённые знания или уж тем более постараться выбить все десятки как оценки своего домашнего решения)
Я конечно в шоке от ситуации с Elon Musk
На днях суд вынес поставновление о том, что согласованный 6 лет назад директорами и держателями акций пакет компенсации для CEO компании надо отменить — потому что якобы Elon имел влияние на совет директоров, а shareholders не до конца понимали систему оплаты.
Что это была за система? Ну, надо было увеличить капитализацию Tesla с $50B до $650B — тогда СЕО получит пакет на $55B. Были минорные промежуточные майлстоуны, но финальная точка вот такая, очень амбициозная.
Прикладываю скриншоты статьи NYT в момент заключения договора — там пишут, что это «цифра, которую многие эксперты считают смехотворно невозможной» и даже «критики будут утверждать, что новый план компенсации — это всего лишь последний рекламный ход компании». Все смеялись и говорили, что это бред, так и никто не делает, и сам план глупый, и невозможный.
И ВОТ ВЫПОЛНИВ ЭТУ ЦЕЛЬ ОН....НЕ ПОЛУЧАЕТ КОМПЕНСАЦИЮ. Причём насколько я могу судить по доступной информации — доказательства манипуляций или давления нет, это ощущение судьи.
Then: “this shit is so hard good luck Elon!”
Now: “it was always rigged for him! Unfair!”
👀
P.S.: хорошая новость в том, что многие капиталисты не довольны таким раскладом и начинают поднимать обсуждение, правда не ясно, чем это может кончиться. Но ситуация — бред.
На днях суд вынес поставновление о том, что согласованный 6 лет назад директорами и держателями акций пакет компенсации для CEO компании надо отменить — потому что якобы Elon имел влияние на совет директоров, а shareholders не до конца понимали систему оплаты.
Что это была за система? Ну, надо было увеличить капитализацию Tesla с $50B до $650B — тогда СЕО получит пакет на $55B. Были минорные промежуточные майлстоуны, но финальная точка вот такая, очень амбициозная.
Прикладываю скриншоты статьи NYT в момент заключения договора — там пишут, что это «цифра, которую многие эксперты считают смехотворно невозможной» и даже «критики будут утверждать, что новый план компенсации — это всего лишь последний рекламный ход компании». Все смеялись и говорили, что это бред, так и никто не делает, и сам план глупый, и невозможный.
И ВОТ ВЫПОЛНИВ ЭТУ ЦЕЛЬ ОН....НЕ ПОЛУЧАЕТ КОМПЕНСАЦИЮ. Причём насколько я могу судить по доступной информации — доказательства манипуляций или давления нет, это ощущение судьи.
Then: “this shit is so hard good luck Elon!”
Now: “it was always rigged for him! Unfair!”
P.S.: хорошая новость в том, что многие капиталисты не довольны таким раскладом и начинают поднимать обсуждение, правда не ясно, чем это может кончиться. Но ситуация — бред.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Прочитал отчёт про разработку AI-ассистента для студентов именитого курса CS50 в Harvard University. Процесс происходил итеративно, мини-группа из 70 тестировщиков летом -> 500 студентов на кампусе -> тысячи студентов в онлайне.
Всего было разработано 3 AI-based продукта:
1. Плагин для IDE, объясняющий код (в том числе разницу форматтирования, чтобы студенты сразу учились писатькрасиво удобно)
2. Автоответчик на форуме поддержки, где в асинхронном режиме студенты могут общаться между собой (и иногда с преподами), чтобы разрулить свои проблемы. Теперь бот на основе GPT-4 и с материалом всех лекций в памяти писал ответы (которые в течение определенного времени верифицировались или удалялись ассистентами)
3. Главная фишка — AI-duck. У программистов есть такой концепт, резиновая уточка: если вдруг попал в просак и не можешь понять, где баг или другая проблема, то нужно начать объяснять в слух кому-то пошагово, что происходит. Обычно помогает поймать себя на описании проблемы в логике и получить aha-moment. Собственно, AI-уточка тут — это GPT-4 + набор инструкций + все конспекты в памяти, и неистовое желание помочь студенту. Можно как помочь разобраться в одной задаче, так и в целом пояснить материал лекций, если вдруг не понял. А чтобы студенты не абьюзили GPT-4, авторы ввели систему жизней: 10 сердечек❤️ , каждое сообщение вычитает одно. На восстановление ❤️ нужно 3 минуты. Это как экономит деньги на API OpenAI, так и заставляет студента думать своей головой, а не по каждому чиху дергать «ментора».
Основная цель всех приседаний, конечно, приблизиться к соотношению студент:учитель как 1-к-1. Как показывали исследования (про которые я уже писал), при таком персональном подходе существенно увеличивается качество образования. И, согласно опросу, студенты чувствовали, что они имеют персонального преподавателя — 47% отметили, что бот very helpful (26% — просто helpful), и 53% сказали что love бота (33% просто like, чуть менее серьёзно, чем love😈 ).
Интересно, что качество ответов на вопросы на платформе в сценарии 2 просело относительно людей. «Тупые машины галлюцинируют, ха-ха, как их в образование то тащить!» — скажут одни. Правильный ответ: все простые вопросы на себя взяла уточка, а те, с которыми она не справилась, студенты выкладывали на форум, где получали ответы — среднее количество уменьшилось с 1.1 (на студента) до 0.28 (!).
И немного про деньги: в среднем один студент обходился в $1.9 в месяц, что с лихвой окупилось по мнению авторов. Проект признан успешным, его теперь будут раскатывать на ещё 10 других курсов, и рекомендуют другим учебным заведениям делать то же самое!
Всего было разработано 3 AI-based продукта:
1. Плагин для IDE, объясняющий код (в том числе разницу форматтирования, чтобы студенты сразу учились писать
2. Автоответчик на форуме поддержки, где в асинхронном режиме студенты могут общаться между собой (и иногда с преподами), чтобы разрулить свои проблемы. Теперь бот на основе GPT-4 и с материалом всех лекций в памяти писал ответы (которые в течение определенного времени верифицировались или удалялись ассистентами)
3. Главная фишка — AI-duck. У программистов есть такой концепт, резиновая уточка: если вдруг попал в просак и не можешь понять, где баг или другая проблема, то нужно начать объяснять в слух кому-то пошагово, что происходит. Обычно помогает поймать себя на описании проблемы в логике и получить aha-moment. Собственно, AI-уточка тут — это GPT-4 + набор инструкций + все конспекты в памяти, и неистовое желание помочь студенту. Можно как помочь разобраться в одной задаче, так и в целом пояснить материал лекций, если вдруг не понял. А чтобы студенты не абьюзили GPT-4, авторы ввели систему жизней: 10 сердечек
Основная цель всех приседаний, конечно, приблизиться к соотношению студент:учитель как 1-к-1. Как показывали исследования (про которые я уже писал), при таком персональном подходе существенно увеличивается качество образования. И, согласно опросу, студенты чувствовали, что они имеют персонального преподавателя — 47% отметили, что бот very helpful (26% — просто helpful), и 53% сказали что love бота (33% просто like, чуть менее серьёзно, чем love
Интересно, что качество ответов на вопросы на платформе в сценарии 2 просело относительно людей. «Тупые машины галлюцинируют, ха-ха, как их в образование то тащить!» — скажут одни. Правильный ответ: все простые вопросы на себя взяла уточка, а те, с которыми она не справилась, студенты выкладывали на форум, где получали ответы — среднее количество уменьшилось с 1.1 (на студента) до 0.28 (!).
И немного про деньги: в среднем один студент обходился в $1.9 в месяц, что с лихвой окупилось по мнению авторов. Проект признан успешным, его теперь будут раскатывать на ещё 10 других курсов, и рекомендуют другим учебным заведениям делать то же самое!
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Denis Sexy IT 🤖
Please open Telegram to view this post
VIEW IN TELEGRAM
Утром (просыпаюсь в 15:30, утро 😀 ) увидел на канале Нейрочистилище пост с упоминанием революционного браузера Arc. Я про него давно слышал, но как-то не настолько интересно было заглянуть и уж тем более переехать с Google Chrome, которым я пользуюсь с какого, 2009? 2010?
Революционность браузера в удобстве, максимально переработанном UI, дарящем новый UX. Вкладки и папки — сбоку, моментальное переключение между рабочими пространствами в рамках одного окна и многое-многое другое. Просто полистайте лендинг arc.net, глаз сразу зацепится.
Конкретно в упомянутом видео рассказывается про несколько AI-powered фичей, работающих прямо в браузере. Краткое саммари (но рекомендую посмотреть всё):
1️⃣ Instant Links — вместо перехода в поисковик и открытия ссылки вручную можно предоставить браузеру выбрать за вас, куда перейти, чтобы прочитать ответ. По-сути, лишаете Google денежки за рекламу, которую вам показывают сверху. А можно пойти дальше и сделать запрос "сделай папку с отзывами на X" — и сбоку в UI создастся папка, в которую сложатся ссылки. Вы по ним пройдетесь, они исчезнут — всё. Очень удобно (глянуть отсюда)
2️⃣ Arc Explore (запустится скоро) — аналог Bing-чата, вместо открытия ссылки бот прочитает несколько сайтов за вас, и даст понятное краткое и релевантное саммари. Анимация поиска — это просто отвал башки (таймкод)
3️⃣ Live Folder Beta (с 15го февраля) — как вы поняли из пункта один, в Arc есть понятие папки, в которой хранятся страницы, релевантные, например, одной части вашего проекта. Грубо говоря закладки на максималках. Так вот, предлагается делать папки, в которые прилетают обновления на страницах, на которые вы подписаны. Новый блогпост любимого автора? Увидите в папке обновление! Свежий PR для ревью вами? Тут как тут.
И кроме этого уже несколько месяцев как были другие, более классические AI фичи — саммари страницы, поиск ответа на вопрос на странице через ChatGPT, моментальный доступ к ChatGPT в командной строке (и всё — бесплатно). Полный список тут.
И последнее — «Our coolest unreleased browser feature». Вот по этой ссылке точно надо перейти самому и посмотреть.
В браузере Arc есть Boost — это не премиум-подписка, как вы могли бы подумать, а умный ээээ фильтр страницы. Вы можете написать JS-код, который кастомизирует определенный сайт. Можно убрать ненужные ссылки, можно переместить или отмасштабировать ленту, как вам удобно, etc. Но не все из нас ведь программисты, верно? Как вы уже догадались, предлагается отправить запрос в GPT типа «пусть все твиты будут размыты, пока я на них не наведу курсором, чтобы прочитать». Можно пойти ещё дальше — в демке показывают, как GPT пишет код для вызова GPT (кек) для каждого заголовка товара на Amazon, чтобы переписать его в более понятном user-friendly виде (до 4-5 слов). Уже вижу, как такое можно делать на Aliexpress!👀 Гляньте видео, станет понятнее, какая магия там происходит. Не то, чтобы это самая важная фича, но приятненько.
Note: браузер доступен на айфоне и MacOS, версия на Windows скоро.
Революционность браузера в удобстве, максимально переработанном UI, дарящем новый UX. Вкладки и папки — сбоку, моментальное переключение между рабочими пространствами в рамках одного окна и многое-многое другое. Просто полистайте лендинг arc.net, глаз сразу зацепится.
Конкретно в упомянутом видео рассказывается про несколько AI-powered фичей, работающих прямо в браузере. Краткое саммари (но рекомендую посмотреть всё):
И кроме этого уже несколько месяцев как были другие, более классические AI фичи — саммари страницы, поиск ответа на вопрос на странице через ChatGPT, моментальный доступ к ChatGPT в командной строке (и всё — бесплатно). Полный список тут.
И последнее — «Our coolest unreleased browser feature». Вот по этой ссылке точно надо перейти самому и посмотреть.
В браузере Arc есть Boost — это не премиум-подписка, как вы могли бы подумать, а умный ээээ фильтр страницы. Вы можете написать JS-код, который кастомизирует определенный сайт. Можно убрать ненужные ссылки, можно переместить или отмасштабировать ленту, как вам удобно, etc. Но не все из нас ведь программисты, верно? Как вы уже догадались, предлагается отправить запрос в GPT типа «пусть все твиты будут размыты, пока я на них не наведу курсором, чтобы прочитать». Можно пойти ещё дальше — в демке показывают, как GPT пишет код для вызова GPT (кек) для каждого заголовка товара на Amazon, чтобы переписать его в более понятном user-friendly виде (до 4-5 слов). Уже вижу, как такое можно делать на Aliexpress!
Note: браузер доступен на айфоне и MacOS, версия на Windows скоро.
Please open Telegram to view this post
VIEW IN TELEGRAM
Сиолошная
Утром (просыпаюсь в 15:30, утро 😀 ) увидел на канале Нейрочистилище пост с упоминанием революционного браузера Arc. Я про него давно слышал, но как-то не настолько интересно было заглянуть и уж тем более переехать с Google Chrome, которым я пользуюсь с какого…
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from LLM под капотом
PatronusAI и HuggingFace опубликовали LLM Enterprise Scenarios Leaderboard
Это закрытый бенчмарк, который оценивает LLM модели на реальных задачах из корпоративного сектора:
- Finance Bench
- Legal Confidentiality
- Writing
- Customer Support
- Toxic Prompts
- Enterprise PII
Это выгодно отличает его от академических бенчмарков для LLM вроде MMLU, ARC и HellaSwag. Последние интересны, но достаточно бесполезны на практике. Так всегда бывает.
Почему бенчмарк закрытый? Чтобы команды не подгоняли свои модели под тесты.
Моделей у них пока не очень много, т.к. это достаточно непростая задача разрабатывать и вести такой бенчмарк. Они будут добавлять туда модели постепенно.
Почитать: Hugging Face Blog post | Leaderboard
А пока ждем - можно еще глянуть на Trustbit LLM Enterprise Leaderboard за январь. Мы ведем этот бенчмарк с июля прошлого года, и моделей там побольше 😉
Ваш, @llm_under_hood 🤗
PS: Спасибо Айгизу за наводку.
Это закрытый бенчмарк, который оценивает LLM модели на реальных задачах из корпоративного сектора:
- Finance Bench
- Legal Confidentiality
- Writing
- Customer Support
- Toxic Prompts
- Enterprise PII
Это выгодно отличает его от академических бенчмарков для LLM вроде MMLU, ARC и HellaSwag. Последние интересны, но достаточно бесполезны на практике. Так всегда бывает.
Почему бенчмарк закрытый? Чтобы команды не подгоняли свои модели под тесты.
Моделей у них пока не очень много, т.к. это достаточно непростая задача разрабатывать и вести такой бенчмарк. Они будут добавлять туда модели постепенно.
Почитать: Hugging Face Blog post | Leaderboard
А пока ждем - можно еще глянуть на Trustbit LLM Enterprise Leaderboard за январь. Мы ведем этот бенчмарк с июля прошлого года, и моделей там побольше 😉
Ваш, @llm_under_hood 🤗
PS: Спасибо Айгизу за наводку.
Сиолошная
Обычно на День рождения подарки получают, но я люблю дарить, отдавать и делиться. Прошлой весной, пока сидел без работы, я получал предложения сделать курс по NLP/LLM. После анализа конкурентов, включая Stanford'ские курсы, я пришёл к выводу, что мне эта идея…
Опубликовал на YouTube 4 новых лекции из мини-курса «Полная история семейства GPT». Обещал пять, но контента вышло больше, монтировать и делать правки, как следствие, дольше — поэтому последнее видео второго модуля выйдет к среде.
Привалило аж 2.5 часа контента (и ещё 42 минуты на подходе!):
1) https://youtu.be/WEsez1sYo2E — лекция про GPT-2
2) https://youtu.be/mFYFQELA-HU — описание происходящего в индустрии после (не)релиза GPT-2
3) https://youtu.be/UFE6rOC4640 — технические новшества и детали тренировки GPT-3
4) https://youtu.be/u1fnaML5bm8 — результаты GPT-3 на разных задачах, от классических до крайне необычных (по тем временам)
Смотреть по порядку, включая первый модуль, удобно тут — в специальном плейлисте.
Если вдруг пропустили анонс и первый модуль — бегом смотреть, получил очень хорошие отзывы на те лекции!
Привалило аж 2.5 часа контента (и ещё 42 минуты на подходе!):
1) https://youtu.be/WEsez1sYo2E — лекция про GPT-2
2) https://youtu.be/mFYFQELA-HU — описание происходящего в индустрии после (не)релиза GPT-2
3) https://youtu.be/UFE6rOC4640 — технические новшества и детали тренировки GPT-3
4) https://youtu.be/u1fnaML5bm8 — результаты GPT-3 на разных задачах, от классических до крайне необычных (по тем временам)
Смотреть по порядку, включая первый модуль, удобно тут — в специальном плейлисте.
Если вдруг пропустили анонс и первый модуль — бегом смотреть, получил очень хорошие отзывы на те лекции!
This media is not supported in your browser
VIEW IN TELEGRAM
На неделе стартовали продажи Apple Vision Pro, видимо, лучшей гарнитуры дополненной реальности на рынке
Вы знаете мою любовь к AR/VR, я ещё в школе, нося на лице Cardboard с резинкой от трусов для утяжки, слышал про СУПЕРТЕХНОЛОГИЧНЫЕ РЕВОЛЮЦИОННЫЕ ОЧКИ ОТ ЭППЛ (реально, как сейчас помню — даже дизайн был схож с финальным). Я думал тогда «Нууу, это концепт, выйдут ещё нескоро, это где-то далеко в будущем». И вот, дамы и господа, поздравляю вас — мы в будущем! Нет, серьёзно, посудите сами — в Калифорнии уже ездят такси с автопилотом (про это напишу пост скоро), ракеты Маска садятся буквально раз в два дня, Neuralink начали первые испытания внедрения чипов в голову людей.
Но вернёмся к VR. Посмотрел-почитал с десяток обзоров, в том числе от людей, знакомых с гарнитурами Oculus. Основных радости три:
— пикселей не видно, разрешение просто невероятное. Люди хвастаются, что даже ролик с обзором для YouTube делали в дополненной реальности (потому что можно стримить экран MacBook);
— трекинг AR-объектов железный: помещенные в реальный мир виртуальные окна не плавают, остаются влитыми даже при перемещении. На видео это как будто бы не так, но это буквально единственный футаж, где я это заметил, фиг знает почему.
— маленькая задержка от камер до дисплея, то есть вы по сути видите realtime-картинку. Пример: можно играть в пинг-понг, не переживая, что промахнёшься по шарику.
Это прям хорошие технологические решения и железо. Минусы, конечно, тоже есть, но про них писать не буду. Уверен, что к 3-4 поколению (надеюсь, быстрее чем за 5 лет!) допилят экосистему, улучшат UX. Чипы станут ещё мощнее, что позволит прокачать все алгоритмы отслеживания и распознавания. Интересно, что станет с батарейкой, и как мы будем жить в 2030м. Тем более что в такую гарнитуру ещё какую-нибудь LLAMA-5-34B-quant как можно запихнуть как интеллектуального ассистента наверняка, вообще пушка.
Ну и вот вам вирусящийся в твиттере футаж рабочего пространства от счастливого пользователя Vision Pro.
Вы знаете мою любовь к AR/VR, я ещё в школе, нося на лице Cardboard с резинкой от трусов для утяжки, слышал про СУПЕРТЕХНОЛОГИЧНЫЕ РЕВОЛЮЦИОННЫЕ ОЧКИ ОТ ЭППЛ (реально, как сейчас помню — даже дизайн был схож с финальным). Я думал тогда «Нууу, это концепт, выйдут ещё нескоро, это где-то далеко в будущем». И вот, дамы и господа, поздравляю вас — мы в будущем! Нет, серьёзно, посудите сами — в Калифорнии уже ездят такси с автопилотом (про это напишу пост скоро), ракеты Маска садятся буквально раз в два дня, Neuralink начали первые испытания внедрения чипов в голову людей.
Но вернёмся к VR. Посмотрел-почитал с десяток обзоров, в том числе от людей, знакомых с гарнитурами Oculus. Основных радости три:
— пикселей не видно, разрешение просто невероятное. Люди хвастаются, что даже ролик с обзором для YouTube делали в дополненной реальности (потому что можно стримить экран MacBook);
— трекинг AR-объектов железный: помещенные в реальный мир виртуальные окна не плавают, остаются влитыми даже при перемещении. На видео это как будто бы не так, но это буквально единственный футаж, где я это заметил, фиг знает почему.
— маленькая задержка от камер до дисплея, то есть вы по сути видите realtime-картинку. Пример: можно играть в пинг-понг, не переживая, что промахнёшься по шарику.
Это прям хорошие технологические решения и железо. Минусы, конечно, тоже есть, но про них писать не буду. Уверен, что к 3-4 поколению (надеюсь, быстрее чем за 5 лет!) допилят экосистему, улучшат UX. Чипы станут ещё мощнее, что позволит прокачать все алгоритмы отслеживания и распознавания. Интересно, что станет с батарейкой, и как мы будем жить в 2030м. Тем более что в такую гарнитуру ещё какую-нибудь LLAMA-5-34B-quant как можно запихнуть как интеллектуального ассистента наверняка, вообще пушка.
Ну и вот вам вирусящийся в твиттере футаж рабочего пространства от счастливого пользователя Vision Pro.
Сиолошная
На неделе стартовали продажи Apple Vision Pro, видимо, лучшей гарнитуры дополненной реальности на рынке Вы знаете мою любовь к AR/VR, я ещё в школе, нося на лице Cardboard с резинкой от трусов для утяжки, слышал про СУПЕРТЕХНОЛОГИЧНЫЕ РЕВОЛЮЦИОННЫЕ ОЧКИ ОТ…
В комментариях начали обсуждать, решил вынести на публику.
К части про
Может так выйти, что сами по себе AR-гарнитуры не будут прям суперпопулярными продающимися системами. Останутся недоделки и компромиссы по UX, будет дорого, не все программы перенесут, да что угодно.
Тогда выгодным и при этом максимально нативным дополнением будет AI-ассистент на основе Vision-Language модели. Она видит то же самое, что видите вы (ещё и знает, куда точно смотрите — в Vision Pro уже есть очень неплохое отслеживание направления взгляда), помнит почти всю вашу жизнь/активность, распознаёт окружение вокруг себя, все отдельные объекты, и ещё и выдаёт озвучиваемый текст. Да-да, прямо как Пятница у Тони Старка во вселенной Marvel. И такие модели уже есть, а META аж заявляли, что в 2024м году внедрят доработку LLAMA (видимо, LLAMA-3) в очки Ray Ban, предоставив персонализированного ассистента. У Apple даже вот свои наработки имеются: https://github.com/apple/ml-ferret
И вот уже эти две технологические фичи вкупе могут и тянуть на революционный девайс, который должен быть у каждого. Может даже окажется, что быть без такого в 2040м — это как сейчас быть без смартфона.
А мощные чипы, на которых запускают нейронки, так и так нужно вставлять в AR-очки (многие алгоритмы используют их для ускорения вычислений), поэтому с точки зрения железа не так много чего менять, и существенного удорожания не будет.
Пишите в комментарии ваши мысли, насколько популярным станет такой девайс, за сколько бы купили, и что вас смущает в таком будущем.
К части про
Тем более что в такую гарнитуру ещё какую-нибудь LLAMA-5-34B-quant как можно запихнуть как интеллектуального ассистента наверняка, вообще пушка.
Может так выйти, что сами по себе AR-гарнитуры не будут прям суперпопулярными продающимися системами. Останутся недоделки и компромиссы по UX, будет дорого, не все программы перенесут, да что угодно.
Тогда выгодным и при этом максимально нативным дополнением будет AI-ассистент на основе Vision-Language модели. Она видит то же самое, что видите вы (ещё и знает, куда точно смотрите — в Vision Pro уже есть очень неплохое отслеживание направления взгляда), помнит почти всю вашу жизнь/активность, распознаёт окружение вокруг себя, все отдельные объекты, и ещё и выдаёт озвучиваемый текст. Да-да, прямо как Пятница у Тони Старка во вселенной Marvel. И такие модели уже есть, а META аж заявляли, что в 2024м году внедрят доработку LLAMA (видимо, LLAMA-3) в очки Ray Ban, предоставив персонализированного ассистента. У Apple даже вот свои наработки имеются: https://github.com/apple/ml-ferret
И вот уже эти две технологические фичи вкупе могут и тянуть на революционный девайс, который должен быть у каждого. Может даже окажется, что быть без такого в 2040м — это как сейчас быть без смартфона.
А мощные чипы, на которых запускают нейронки, так и так нужно вставлять в AR-очки (многие алгоритмы используют их для ускорения вычислений), поэтому с точки зрения железа не так много чего менять, и существенного удорожания не будет.
Пишите в комментарии ваши мысли, насколько популярным станет такой девайс, за сколько бы купили, и что вас смущает в таком будущем.
This media is not supported in your browser
VIEW IN TELEGRAM
Вчера после написания поста из-за жары не мог уснуть, решил скачать XCode (IDE для разработки приложений под системы Apple) с идеей посмотреть, насколько легко не разбирающемуся человеку написать приложение под VisionOS. Я не то что на Swift не писал — я кроме Python только в HTML немного тыкал да в Java (во времена школы, не дальше классов в коде).
Идея была простая — делать распознавание объектов с камеры, и либо создавать описание сцены через LLM/VLM, либо выводить модельку объекта (из заранее заготовленного списка). Сколько не пытался найти, как получить картинку с камеры — всё без толку. В итоге через полтора часа решил погуглить и нашёл, что да, Apple реально не позволяют получать стрим видео или просто фото с камер. Только сырые сигналы с датчиков, либо уже обработанные данные (плоскости, смещение по осям координат, etc.). Жопа пригорела, конечно (лучше бы спал).
Почему не загуглил сразу отдельно? Потому что думал, что гарнитура вот только вышла, никто ещё не успел опробовать, но оказывается, что документация + библиотеки уже с полгода вывешены, потому люди их уже и в хвост и в гриву.
Решил для сублимации и практики сделать (не без помощи GPT-4) распознавание голоса (по задумке — с передачей в LLM, на деле — просто выводил текст + менял размер в зависимости от громкости). Да, с микрофона звук легко получить. До передачи в LLM руки не дошли — модель долго качалась (спасибо азиатскому серверу), но я почти всё нужное написал через swift-transformers от HF.
После сна уже забил, надо было другим заниматься. Сейчас вышел в Твиттер, наткнулся на демку запуска Mistral7B в 4bit квантизации, решил с вами поделиться. Тут генерация примерно 9-10 токенов в секунду выходит. Для справки llama.cpp на M2 с 10 ядрами (как в Vision Pro) выдаёт 21.91 tok/s.
В общем, интересно, ждём разных ускорений и приколов. За отрезанный к камере доступ жалко😪
P.S.: доки и туториалы с обучающими проектами у Apple шикарные. Не хватает только AI-поиска, чтобы находить описанное простыми словами.
Идея была простая — делать распознавание объектов с камеры, и либо создавать описание сцены через LLM/VLM, либо выводить модельку объекта (из заранее заготовленного списка). Сколько не пытался найти, как получить картинку с камеры — всё без толку. В итоге через полтора часа решил погуглить и нашёл, что да, Apple реально не позволяют получать стрим видео или просто фото с камер. Только сырые сигналы с датчиков, либо уже обработанные данные (плоскости, смещение по осям координат, etc.). Жопа пригорела, конечно (лучше бы спал).
Почему не загуглил сразу отдельно? Потому что думал, что гарнитура вот только вышла, никто ещё не успел опробовать, но оказывается, что документация + библиотеки уже с полгода вывешены, потому люди их уже и в хвост и в гриву.
Решил для сублимации и практики сделать (не без помощи GPT-4) распознавание голоса (по задумке — с передачей в LLM, на деле — просто выводил текст + менял размер в зависимости от громкости). Да, с микрофона звук легко получить. До передачи в LLM руки не дошли — модель долго качалась (спасибо азиатскому серверу), но я почти всё нужное написал через swift-transformers от HF.
После сна уже забил, надо было другим заниматься. Сейчас вышел в Твиттер, наткнулся на демку запуска Mistral7B в 4bit квантизации, решил с вами поделиться. Тут генерация примерно 9-10 токенов в секунду выходит. Для справки llama.cpp на M2 с 10 ядрами (как в Vision Pro) выдаёт 21.91 tok/s.
В общем, интересно, ждём разных ускорений и приколов. За отрезанный к камере доступ жалко
P.S.: доки и туториалы с обучающими проектами у Apple шикарные. Не хватает только AI-поиска, чтобы находить описанное простыми словами.
Please open Telegram to view this post
VIEW IN TELEGRAM
MiniCPM: Unveiling the Potential of End-side Large Language Models
Новая моделька от китайских исследователей. Описание даже не в виде статьи, но просто хорошо оформленной Notion-странички. Авторы утверждают, что 2B версия (можно взять тут) работает на уровне LLAMA2-13B.
Причина, по которой я пишу этот пост, в том, как и за счёт чего произошло «улучшение» (в кавычках потому, что можно долго спекулировать, правда это или нет, может, есть какой-то лик в данных, не знаю). Исследователи думали над подбором оптимального batch size (сколько токенов за раз модель видит при обучении) и learning rate (LR, размер шага обновления на каждой тренировочной итерации). Подбор оптимальных параметров — топик довольно старый в мире Deep Learning. Давайте сфокусируемся на последнем.
Очень важно подбирать правильный LR. Если будет очень маленьким, то ваша модель будет учиться крайне медленно, и, вероятно, недообучится. А если будет большой — то модель будет колбасить из стороны в сторону, и она не сможет сойтись в локальный минимум во время обучения. Вот картинка, которой часто иллюстрируют описанное.
Для решения проблемы были придуманы LR Schedulers — программы, которые задают «расписание» LR по ходу обучения. Для обучения LLM обычно используют Cosine: сначала идёт этап разогрева, когда случайно иницилизированные веса немного меняются, чтобы выдавать предсказания лучше случайных. Затем LR достигает своего пика и мееееедленно (~99% времени) снижается до ~10% от максимума. Где-то в серединке LR ещё достаточно большой, чтобы быстро учить модель, а в конце уже совсем маленький, там идёт финальная полировка.
Но давайте представим реальный мир. Обычно модель не замирает после предобучения. В идеале хотелось бы продолжать её дотренировывать (как в целом, так и под конкретные задачи). Если мы продолжим использовать LR в ~10% от пикового, то обучение снова будет медленным. Если мы резко поднимем LR, то loss-функция сильно вырастет на некоторое время, в течение которого модель находится в непригодном для использования состоянии (её «выбили» из оптимального состояния).
Поэтому авторы предлагают WSD LR Scheduler:
1) Warmup такой же, как у Cosine
2) Stable — это период с высоким LR. Длится ~90% времени. Отличие в том, что мы не уменьшаем темп обучения постепенно, LR зафиксирован.
3) Decay, ~10% от тренировки — дообучение с резким (но постепенным) снижением LR, когда модель сходится к локальному минимуму.
Новая моделька от китайских исследователей. Описание даже не в виде статьи, но просто хорошо оформленной Notion-странички. Авторы утверждают, что 2B версия (можно взять тут) работает на уровне LLAMA2-13B.
Причина, по которой я пишу этот пост, в том, как и за счёт чего произошло «улучшение» (в кавычках потому, что можно долго спекулировать, правда это или нет, может, есть какой-то лик в данных, не знаю). Исследователи думали над подбором оптимального batch size (сколько токенов за раз модель видит при обучении) и learning rate (LR, размер шага обновления на каждой тренировочной итерации). Подбор оптимальных параметров — топик довольно старый в мире Deep Learning. Давайте сфокусируемся на последнем.
Очень важно подбирать правильный LR. Если будет очень маленьким, то ваша модель будет учиться крайне медленно, и, вероятно, недообучится. А если будет большой — то модель будет колбасить из стороны в сторону, и она не сможет сойтись в локальный минимум во время обучения. Вот картинка, которой часто иллюстрируют описанное.
Для решения проблемы были придуманы LR Schedulers — программы, которые задают «расписание» LR по ходу обучения. Для обучения LLM обычно используют Cosine: сначала идёт этап разогрева, когда случайно иницилизированные веса немного меняются, чтобы выдавать предсказания лучше случайных. Затем LR достигает своего пика и мееееедленно (~99% времени) снижается до ~10% от максимума. Где-то в серединке LR ещё достаточно большой, чтобы быстро учить модель, а в конце уже совсем маленький, там идёт финальная полировка.
Но давайте представим реальный мир. Обычно модель не замирает после предобучения. В идеале хотелось бы продолжать её дотренировывать (как в целом, так и под конкретные задачи). Если мы продолжим использовать LR в ~10% от пикового, то обучение снова будет медленным. Если мы резко поднимем LR, то loss-функция сильно вырастет на некоторое время, в течение которого модель находится в непригодном для использования состоянии (её «выбили» из оптимального состояния).
Поэтому авторы предлагают WSD LR Scheduler:
1) Warmup такой же, как у Cosine
2) Stable — это период с высоким LR. Длится ~90% времени. Отличие в том, что мы не уменьшаем темп обучения постепенно, LR зафиксирован.
3) Decay, ~10% от тренировки — дообучение с резким (но постепенным) снижением LR, когда модель сходится к локальному минимуму.
Вот пример того, как выглядят разные LR Schedulers. Представим, что 5000 шагов — это сколько мы хотим обучать сейчас, а 10000 шагов — сколько всего будем тренировать модель за все итерации.
Самый светлый зелёный — это классика. Мы обучаемся до 5000 шагов (предтренировка), а затем с LR ~10% от исходного дообучаем ещё 5000 шагов.
Потемнее — WSD. Видно, что LR остаётся равным максимальному 90% времени (полосочка в самом верху).
Самый тёмный зелёный — это как будто мы не сделали шаг снижения после ~4500 шагов, а взяли оттуда состояние модели и продолжили учить ещё 5000 шагов (и в конце снова снизили LR).
Самый светлый зелёный — это классика. Мы обучаемся до 5000 шагов (предтренировка), а затем с LR ~10% от исходного дообучаем ещё 5000 шагов.
Потемнее — WSD. Видно, что LR остаётся равным максимальному 90% времени (полосочка в самом верху).
Самый тёмный зелёный — это как будто мы не сделали шаг снижения после ~4500 шагов, а взяли оттуда состояние модели и продолжили учить ещё 5000 шагов (и в конце снова снизили LR).
Тогда при обучении наблюдается следующая картинка. Почти всё время тренировки модель показывает loss хуже, чем с обычным Cosine LR Scheduler, зато в конце быстро начинает снижаться и сходится к значениям даже чуть получше. При этом при желании можно отказаться от снижения и продолжать тренировку (например, если прошло 2 месяца и хочется залить новости и статьи за этот период в модель).
А можно пойти ещё дальше: в эти последние 10% во время снижения положить отфильтрованные и самые качественные данные! И по сути это эквивалентно SFT (Supervised FineTuning, дообучение на размеченных данных). И, как показывает эксперимент с дообучением одной и той же модели на разных 10%, это существенно влияет на выходные метрики.
А можно пойти ещё дальше: в эти последние 10% во время снижения положить отфильтрованные и самые качественные данные! И по сути это эквивалентно SFT (Supervised FineTuning, дообучение на размеченных данных). И, как показывает эксперимент с дообучением одной и той же модели на разных 10%, это существенно влияет на выходные метрики.
Итого: модель как-бы обучается лучше (потому что впитывает больше знаний из того же объема данных), и поэтому 2B версия сравнивается по качеству с 7B/13B старшими братьями.
Мне это кажется немного подозрительным, и оснований радоваться пока маловато. Основной скепсис — в том, какие данные использовались для дообучения на шаге снижения LR. Там есть куча синтетических данных от GPT-4, которая могла тренироваться на выборках разных датасетов, а значит может выдавать ответы -> это завышает оценку для маленькой модели. Смотрите сами на чарте — примерно 15-20% данных это синтетика, и она лежит в сааааамом конце тренировки (то есть модель эти данные запомнит лучше всего).
Но если это правда (а за пару дней я критики так и не увидел, равно как и восторгов), то это большая новость — она показывает как обучать модели более пОлно, вбивая в них больше знаний.
Ну и во второй раз в истории LLM за последние 2 года окажется, что модельки СУЩЕСТВЕННО недотренированны, и что из мЕньших моделей можно выжимать значительно больше.
Мне это кажется немного подозрительным, и оснований радоваться пока маловато. Основной скепсис — в том, какие данные использовались для дообучения на шаге снижения LR. Там есть куча синтетических данных от GPT-4, которая могла тренироваться на выборках разных датасетов, а значит может выдавать ответы -> это завышает оценку для маленькой модели. Смотрите сами на чарте — примерно 15-20% данных это синтетика, и она лежит в сааааамом конце тренировки (то есть модель эти данные запомнит лучше всего).
Но если это правда (а за пару дней я критики так и не увидел, равно как и восторгов), то это большая новость — она показывает как обучать модели более пОлно, вбивая в них больше знаний.
Ну и во второй раз в истории LLM за последние 2 года окажется, что модельки СУЩЕСТВЕННО недотренированны, и что из мЕньших моделей можно выжимать значительно больше.
Сиолошная
Итого: модель как-бы обучается лучше (потому что впитывает больше знаний из того же объема данных), и поэтому 2B версия сравнивается по качеству с 7B/13B старшими братьями. Мне это кажется немного подозрительным, и оснований радоваться пока маловато. Основной…
Если вы дочитали предыдущий пост до конца, то у вас мог возникнуть вопрос: «В смысле во второй раз, а когда был первый?».
И ответ на него вы можете найти в долгожданной обещанной пятой лекции второго модуля, где я рассказываю про законы масштабирования LLM'ок, а также про случай, как индустрия прожгла зазря десятки, если не сотни миллионов долларов — и всё из-за ошибки одних из лучших исследователей.
И да, 4 поста выше были написаны как подводка к выложенной лекции😀 зато теперь ясно, что LR и LR Schedulers — это вам не игрушки, а очень важные вещи!
Смотреть лекцию: здесь
Смотреть весь плейлист (пока что 8 лекций): тык
И ответ на него вы можете найти в долгожданной обещанной пятой лекции второго модуля, где я рассказываю про законы масштабирования LLM'ок, а также про случай, как индустрия прожгла зазря десятки, если не сотни миллионов долларов — и всё из-за ошибки одних из лучших исследователей.
И да, 4 поста выше были написаны как подводка к выложенной лекции
Смотреть лекцию: здесь
Смотреть весь плейлист (пока что 8 лекций): тык
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Полная история GPT, блок 2.5: законы масштабирования LLM (Scaling Laws) | Котенков Игорь
Ссылка на слайды: https://1drv.ms/p/s!AlnN0aqNwShsmAtH787Zid5Q2JWy?e=FIun46
Телеграм-канал автора: https://t.me/seeallochnaya
Телеграм-канал автора: https://t.me/seeallochnaya
Сиолошная
Если вы дочитали предыдущий пост до конца, то у вас мог возникнуть вопрос: «В смысле во второй раз, а когда был первый?». И ответ на него вы можете найти в долгожданной обещанной пятой лекции второго модуля, где я рассказываю про законы масштабирования LLM'ок…
Мало кто знает, но превью для этого видео должно было быть таким.
Но чтобы понять, о чём речь (и почему это не кликбейт) — придётся посмотреть всю лекцию...
😪 🤨
Но чтобы понять, о чём речь (и почему это не кликбейт) — придётся посмотреть всю лекцию...
Please open Telegram to view this post
VIEW IN TELEGRAM