Forwarded from Data Secrets
DeepSeek предложили новый способ улучшить мультимодальные модели
Сейчас модели нормально “видят” изображение, но рассуждают о нем через текст. Из-за этого они теряют точную привязку к объектам и начинают путаться в сложных сценах. В статье это называют Reference Gap.
Решение довольно прямое. Вместо чисто текстового ризонинга модель вставляет в процесс координаты. Это точки, чтобы вести путь по изображению, и рамки вокруг объектов. Сначала модель фиксирует, на что смотрит, потом строит рассуждение уже на этих привязках.
Архитектура при этом стандартная. ViT кодирует изображение, дальше все идет в MoE LLM. Новое именно в том, что визуальные примитивы становятся частью chain-of-thought, а не просто выходом модели.
Лучше всего это работает в задачах, где важна структура. Подсчет объектов, пространственные сравнения, лабиринты, трассировка линий.
Интересно, что DeepSeek довольно быстро удалил статью без объяснения причин. Скорее всего случился преждевременный релиз, а может и финальные результаты будут изменены. В любом случае (зеркало):
https://github.com/ailuntx/Thinking-with-Visual-Primitives/blob/main/Thinking_with_Visual_Primitives.pdf
Сейчас модели нормально “видят” изображение, но рассуждают о нем через текст. Из-за этого они теряют точную привязку к объектам и начинают путаться в сложных сценах. В статье это называют Reference Gap.
Решение довольно прямое. Вместо чисто текстового ризонинга модель вставляет в процесс координаты. Это точки, чтобы вести путь по изображению, и рамки вокруг объектов. Сначала модель фиксирует, на что смотрит, потом строит рассуждение уже на этих привязках.
Архитектура при этом стандартная. ViT кодирует изображение, дальше все идет в MoE LLM. Новое именно в том, что визуальные примитивы становятся частью chain-of-thought, а не просто выходом модели.
Лучше всего это работает в задачах, где важна структура. Подсчет объектов, пространственные сравнения, лабиринты, трассировка линий.
Интересно, что DeepSeek довольно быстро удалил статью без объяснения причин. Скорее всего случился преждевременный релиз, а может и финальные результаты будут изменены. В любом случае (зеркало):
https://github.com/ailuntx/Thinking-with-Visual-Primitives/blob/main/Thinking_with_Visual_Primitives.pdf
Forwarded from Анализ данных (Data analysis)
Джек Кларк из Anthropic написал один из самых тревожных прогнозов про ближайшие годы AI.
Полностью автоматизированный AI R&D, где frontier-модель сама обучает следующую версию себя, может появиться гораздо раньше, чем многие думают.
Его оценка: около 30% вероятности к концу 2027 года и больше 60% к концу 2028-го.
Речь о системе, которая может сама пройти полный цикл: поставить исследовательскую задачу, запустить эксперименты, улучшить архитектуру, обучить преемника, проверить результат и повторить процесс.
Кларк не считает, что это почти наверняка случится уже в 2026-м. Но он допускает, что в ближайшие 1-2 года мы можем увидеть первый proof-of-concept: AI, который end-to-end обучает не frontier-модель, но уже полноценного «наследника» без постоянного ручного управления.
Почему прогноз стал таким агрессивным?
Модели резко усилились в coding, long-horizon agents, работе с subagents, оптимизации kernel, fine-tuning, воспроизводимости экспериментов и даже alignment research. То, что раньше выглядело как отдельные навыки, постепенно складывается в одну цепочку AI-исследователя.
Модель улучшает инструменты, инструменты ускоряют исследования, исследования рождают новую модель, а новая модель повторяет цикл еще быстрее.
https://x.com/jackclarkSF/status/2051312759594471886
Полностью автоматизированный AI R&D, где frontier-модель сама обучает следующую версию себя, может появиться гораздо раньше, чем многие думают.
Его оценка: около 30% вероятности к концу 2027 года и больше 60% к концу 2028-го.
Речь о системе, которая может сама пройти полный цикл: поставить исследовательскую задачу, запустить эксперименты, улучшить архитектуру, обучить преемника, проверить результат и повторить процесс.
Кларк не считает, что это почти наверняка случится уже в 2026-м. Но он допускает, что в ближайшие 1-2 года мы можем увидеть первый proof-of-concept: AI, который end-to-end обучает не frontier-модель, но уже полноценного «наследника» без постоянного ручного управления.
Почему прогноз стал таким агрессивным?
Модели резко усилились в coding, long-horizon agents, работе с subagents, оптимизации kernel, fine-tuning, воспроизводимости экспериментов и даже alignment research. То, что раньше выглядело как отдельные навыки, постепенно складывается в одну цепочку AI-исследователя.
Модель улучшает инструменты, инструменты ускоряют исследования, исследования рождают новую модель, а новая модель повторяет цикл еще быстрее.
https://x.com/jackclarkSF/status/2051312759594471886
❤1
Ну крутяк же. Про этого робота есть крутые видосы на запрещенном сервисе - фишка в том, что у него все суставы одинаковы, там только 2 типа моторчиков в сочленениях. Пассивное охлаждение. Заменяемость узлов такая, что даже рука у него одна - работает и как правая, и как левая. А самое сложное - голова и ее защита. Чтобы каждый раз, когда он наверачивается (а это частая история для всех роботов), не везти его в ремонт. В общем, очень крутая и интересная штука
https://t.me/data_secrets/9171
https://t.me/data_secrets/9171
Telegram
Data Secrets
Калистеника от Boston Dynamics
Новое вирусное видео робота Atlas они выложили с подписью:
Балансировать коммерческие цели и исследования в робототехнике непросто, но с Atlas мы заставляем это работать.
Кстати, вполне возможно, что экземпляр на видео…
Новое вирусное видео робота Atlas они выложили с подписью:
Балансировать коммерческие цели и исследования в робототехнике непросто, но с Atlas мы заставляем это работать.
Кстати, вполне возможно, что экземпляр на видео…
Forwarded from Tips AI | IT & AI
This media is not supported in your browser
VIEW IN TELEGRAM
OpenAI еще вчера выкатили ChatGPT как расширение для Excel и Google Sheets
Я веду в гугл таблицах много статистики по маркетингу.
Да, у гугла есть свой Gemini, но я за нее не плачу, а в Exсеl их Copilot, если честно туповат, поэтому для тех, кто часто живёт в таблицах и уже платит за GPT, просто отлично.
Работает GPT-5.5. Перед каждым изменением просит разрешение и показывает, в каких ячейках копается, любое действие можно отменить.
Что мне точно пригодится:
• Создавать таблицы с нуля по описанию
• Объяснять формулы и находить ошибки в конкретных ячейках
• Чистить форматирование и убирать дубли
• Писать сводки по вкладкам
Тема AI и таблиц, была в канале и раньше, я писал про Shortcut, Endex.ai, в который вложились OpenAI, и Ramp Sheets.
Плюс десятки сторонних расширений с твоим API ключом, а тут все в рамках твоей подписки.
Так что время потестить и GPT для Excel | Google Sheets
@tips_ai #tools
Я веду в гугл таблицах много статистики по маркетингу.
Да, у гугла есть свой Gemini, но я за нее не плачу, а в Exсеl их Copilot, если честно туповат, поэтому для тех, кто часто живёт в таблицах и уже платит за GPT, просто отлично.
Работает GPT-5.5. Перед каждым изменением просит разрешение и показывает, в каких ячейках копается, любое действие можно отменить.
Что мне точно пригодится:
• Создавать таблицы с нуля по описанию
• Объяснять формулы и находить ошибки в конкретных ячейках
• Чистить форматирование и убирать дубли
• Писать сводки по вкладкам
Тема AI и таблиц, была в канале и раньше, я писал про Shortcut, Endex.ai, в который вложились OpenAI, и Ramp Sheets.
Плюс десятки сторонних расширений с твоим API ключом, а тут все в рамках твоей подписки.
Так что время потестить и GPT для Excel | Google Sheets
@tips_ai #tools
Весь твиттер забит сообщениями, как Gemma 4 ускорили в 2 раза. Интересно, на больших моделях тоже будет работать?
https://t.me/data_secrets/9179
https://t.me/data_secrets/9179
Telegram
Data Secrets
Gemma-4 теперь умеет предсказывать токены не по одному, а партиями
Google только что выпустили Multi-Token Prediction (MTP) драфтеры. Это штука, которая позволяет Gemma-4 предсказывать сразу несколько токенов вперед.
Обычно LLM генерируют строго по одному…
Google только что выпустили Multi-Token Prediction (MTP) драфтеры. Это штука, которая позволяет Gemma-4 предсказывать сразу несколько токенов вперед.
Обычно LLM генерируют строго по одному…
Grok сдулся, Маск отдает мощности Антропику, чтобы тот удвоил лимиты. И это хорошо. Хоть GPT и нормально программирует, пишет Claude все-таки сильно лучше. Так что, полностью от него отказываться не хочу, тем более, что за старую подписку деньги вернул - потратил их на новый эккаунт Claude, правда, с дешевым тарифом.
https://t.me/seeallochnaya/3609
https://t.me/seeallochnaya/3609
Telegram
Сиолошная
МАСК — ВСЁ!
Anthropic объявили о том, что они удвоят 5-часовые лимиты на Pro Max Team и других тарифах.
Как? Они заключили партнёрство со SpaceX на предоставление ВСЕХ мощностей датацентра Colossus 1 — около 220,000 видеокарт NVIDIA, ~300MW.
Как вы понимаете…
Anthropic объявили о том, что они удвоят 5-часовые лимиты на Pro Max Team и других тарифах.
Как? Они заключили партнёрство со SpaceX на предоставление ВСЕХ мощностей датацентра Colossus 1 — около 220,000 видеокарт NVIDIA, ~300MW.
Как вы понимаете…
Антропик запустил кучу новых скиллов. Codex, где же твои новинки? Впрочем, наверняка эти скиллы можно переиспользовать…
Плюс можно GPT из Claude code запускать. Как минимум, таблички markdown будут нормально выводиться на экран - почему-то Claude code это умеет, а Codex - нет
Плюс можно GPT из Claude code запускать. Как минимум, таблички markdown будут нормально выводиться на экран - почему-то Claude code это умеет, а Codex - нет
GitHub
skills/skills/claude-api at main · anthropics/skills
Public repository for Agent Skills. Contribute to anthropics/skills development by creating an account on GitHub.
Forwarded from Анализ данных (Data analysis)
This media is not supported in your browser
VIEW IN TELEGRAM
Фермерская машина на базе NVIDIA использует ИИ и точные лазеры, чтобы уничтожать сорняки за миллисекунды без гербицидов. Это может стать шагом к сельскому хозяйству без химикатов.
😱2🤩1
Ну что, будем пробовать? Типа SOTA на 8B параметров, как раз для Mac mini.
https://t.me/ai_machinelearning_big_data/10076
https://t.me/ai_machinelearning_big_data/10076
Telegram
Machinelearning
Forwarded from Machinelearning
Media is too big
VIEW IN TELEGRAM
Api позволяет делать realtime-собеседников, которые могут слушать, рассуждать, перебивать себя по ходу диалога, вызывать инструменты и решать задачи прямо во время разговора.
Что вышло:
- GPT-Realtime-2 - модель для production voice agents с reasoning уровня GPT-5, обработкой перебиваний, tool calls и более живым диалогом;
- GPT-Realtime-Translate - потоковый перевод в реальном времени: более 70 входных языков и 13 выходных;
- GPT-Realtime-Whisper - потоковая транскрибация речи для субтитров, заметок и live-конспектов.
https://openai.com/index/advancing-voice-intelligence-with-new-models-in-the-api/
@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
Антропик добрался до всех офисных приложений. Жду, когда, наконец, они их полностью перепишут. Пора бы уже.
https://claude.com/claude-for-microsoft-365
https://claude.com/claude-for-microsoft-365
Claude
Claude for Microsoft 365 | Claude by Anthropic
Claude works inside Excel, PowerPoint, Word, and Outlook. Edit your files, carry context across all four apps, and stay in control of every change.
При этом сам Copilot теперь может работать на GPT 5.5 Instant. Впрочем, никому он не интересен, как мне кажется. Кто-то пользуется копайлотом в офисных приложениях?
Из других новостей от OpenAI - расширили функционал Codex по работе в браузере Google Chrome. Теперь он может сам создавать вкладки, работать в фоне и пр. Вот это любопытно, надо попробовать
https://developers.openai.com/codex/app/chrome-extension
https://developers.openai.com/codex/app/chrome-extension
ChatGPT Learn
Browser extension | ChatGPT Learn
Use Chrome, Edge, Brave, Opera, or Vivaldi with ChatGPT
Ах, да, еще маленькая и быстрая моделька от Google..
https://cloud.google.com/blog/products/ai-machine-learning/gemini-3-1-flash-lite-is-now-generally-available
https://cloud.google.com/blog/products/ai-machine-learning/gemini-3-1-flash-lite-is-now-generally-available
Google Cloud Blog
Gemini 3.1 Flash-Lite is now generally available | Google Cloud Blog
Gemini 3.1 Flash-Lite is now generally available. Designed for ultra-low latency, high-volume tasks, and unmatched cost-efficiency, Flash-Lite is already transforming how applications are built at scale.
Forwarded from Сергей Баранов: архитектура и ИТ-стратегия (Сергей Баранов)
Can I Run AI locally?
Задаете параметры своей локальной машины и получаете список моделей с оценкой их производительности на ваших мощностях.
Внутри каждой модели оценка в каждом доступном кванте.
https://www.canirun.ai
Задаете параметры своей локальной машины и получаете список моделей с оценкой их производительности на ваших мощностях.
Внутри каждой модели оценка в каждом доступном кванте.
https://www.canirun.ai