#unrealneural #AILAB #ЛабораторияИИ
GPT 5
Генерация геометрии в obj

Тестирую на архитектурные способности новую модель.
"Сгенерируй 5-этажное здание с террасами в стиле Ф. Л. Райта с окнами и деталями фасада."

#unrealneural
R-Zero

От лаборатория Tencent AI
Структура, позволяющая большим языковым моделям самостоятельно развивать свои способности к рассуждению без использования данных, отобранных человеком, через автономный цикл "Испытатель-Решатель".
https://github.com/Chengsong-Huang/R-Zero

#unrealneural
From GPT-2 to gpt-oss: Analyzing the Architectural Advances

Автор-исследователь анализирует новые открытые модели OpenAI — gpt-oss-120b и gpt-oss-20b, подчеркивая их архитектурные усовершенствования, включая оптимизацию памяти и механизмов внимания, по сравнению с GPT-2. Модели адаптированы для локального использования, что делает их доступными для разработчиков с ограниченными ресурсами. Информативный обзор, демонстрирующий стремительное развитие архитектуры моделей до нового уровня.

https://magazine.sebastianraschka.com/p/from-gpt-2-to-gpt-oss-analyzing-the?r=1csfkw

#unrealneural
Одна из лучших визуализаций работы LLM

#unrealneural
CAD-Judge — верифицируемый text2CAD генератор

Описывается система с верифицируемым модулем оценки качества text2CAD моделей. Архитектура сочетает быстрый прямой сигнал вознаграждения (Compiler-as-a-Judge) и проверку результатов (Compiler-as-a-Review), а также агентный цикл для исправления ошибок генерации. Эксперименты подтверждают высокую точность и эффективность метода.
https://arxiv.org/html/2508.04002v1

#unrealneural
Bifrost-1

Объединение мультимодальных моделей LLM и моделей диффузии с латентными элементами CLIP на уровне патчей

https://huggingface.co/papers/2508.05954

#unrealneural
MolmoAct

Модели действий, которые могут рассуждать в пространстве.

Через восприятие, планирование и управление создаются точные действия, превосходя конкурентов в симуляциях и реальных задачах. Модель легко адаптируется к новым условиям и демонстрирует выдающиеся результаты в сложных операциях.

https://huggingface.co/papers/2508.07917

#unrealneural #пытаюсьпонять
Registration beyond Points: General Affine Subspace Alignment via Geodesic Distance on Grassmann Manifold

Статья представляет новый метод для точного выравнивания объектов (прямых и плоскостей) в компьютерном зрении с использованием геодезического расстояния на многообразии Грассмана. Авторы разработали формулу, которая явно измеряет расстояние между подпространствами с учетом поворотов и смещений, используя базисы подпространств. Метод избегает неоднозначностей, находит глобально оптимальное решение и превосходит существующие подходы в задачах компьютерного зрения, улучшая сходимость и производительность.

Проще говоря, этот метод позволяет точно выравнивать объекты в компьютерном зрении, вычисляя оптимальное расстояние между подпространствами с учетом их поворотов и смещений, обеспечивая более эффективное решение по сравнению с предыдущими подходами.

* Многообразие Грассмана — это пространство всех ( k )-мерных линейных подпространств в ( n )-мерном векторном пространстве.

https://www.arxiv.org/abs/2507.17998

#unrealneural
Matrix-Game 2.0

Интерактивная модель мира с открытым исходным кодом в реальном времени с большой продолжительностью действия.

На прошлой неделе Genie 3 от DeepMind выпустил интерактивные модели мира, работающие в режиме realtime.

Но они не были в открытом доступе.

25 кадров в секунду. Интерактивное взаимодействие длится несколько минут. Полностью открытый исходный код.

https://matrix-game-v2.github.io/
https://huggingface.co/Skywork/Matrix-Game-2.0

#unrealneural
VertexRegen
Вместо типичных неполных меш моделей, которые получаются при их генерации с помощью авторегрессии, VertexRegen генерирует всё более подробные сетки по мере увеличения длины генерируемой последовательности.

vertexregen.github.io

#unrealneural
GLEAM: развитие 3D-картографирования

На ICCV 2025 представлена GLEAM — универсальная модель исследования для автономного картографирования сложных помещений.

GLEAM-Bench - Датасет из 1152 сцен для обучения и тестирования

https://github.com/zjwzcx/GLEAM

#unrealneural #назадвбудущее
1910: Год, когда современный мир сошёл с ума

На рубеже XIX–XX веков Европа жила в состоянии «головокружения».
Технологии меняли мир быстрее, чем люди успевали к этому адаптироваться: электричество, автомобили, радио, кино, новые научные открытия.
Филипп Блом в книге «Годы головокружения: Европа 1900–1914» пишет, что именно эта эпоха впервые породила массовую тревожность:
1. страх, что технологии лишают нас человечности,
2. ощущение, что скорость перемен разрушает привычный мир,
3. поиск новых смыслов в искусстве и культуре.

Звучит знакомо? Сегодня мы живём в очень похожем моменте: ИИ, биотех, климатические вызовы, ускорение темпов жизни. И снова — тревога, растерянность, но одновременно — рождение нового искусства и новых форм мышления.

История показывает: периоды «нервного срыва» часто становятся источником величайших культурных прорывов.
https://www.derekthompson.org/p/1910-the-year-the-modern-world-lost

#unrealneural
Кровеносный сосуд, пронизывающий сому нейрона 😱😱😱

#unrealneural
ArtiScene: Language-Driven Artistic 3D Scene Generation Through Image Intermediary

Генерация Художественных 3D-сцен с помощью LLM

https://github.com/NVlabs/ArtiScene

#unrealneural
LL3M

Large Language 3D Modelers

https://huggingface.co/papers/2508.08228

#unrealneural
Диффузионные языковые модели (DLMs)

Диффузионные языковые модели (DLMs) быстро набирают популярность как мощная альтернатива доминирующей авторегрессионной парадигме. Благодаря параллельной генерации токенов через итеративный процесс удаления шума, DLMs обеспечивают снижение задержки при выводе, захват двунаправленного контекста и точное управление процессом генерации. Современные достижения позволили DLMs достичь производительности, сравнимой с авторегрессионными моделями, что делает их привлекательным выбором для задач обработки естественного языка.
https://github.com/VILA-Lab/Awesome-DLMs