Компания Liquid AI представила LFM2-24B – языковую модель на 24 миллиарда параметров, способную работать эффективнее крупных конкурентов при значительно меньших требованиях к памяти.
ИИ: События
Как AliSQL хранит векторы и осуществляет поиск схожих данных: детали внутренней механики
Технический контекст • Инфраструктура
AliSQL теперь поддерживает работу с векторными данными. Рассказываем, как реализованы хранение и поиск схожих элементов в базе данных, разработанной для задач искусственного интеллекта.
ИИ: События
Нулевые «пузыри» и гибкие конвейеры: как AMD ускоряет обучение больших языковых моделей
Технический контекст • Инфраструктура
AMD представила Primus – реализацию параллельного конвейерного обучения для больших моделей, которая устраняет простои и гибко адаптируется под разные задачи.
Лаборатория
Когда алгоритм учится управлять хаосом: градиентные методы для нелинейных систем
Электротехника и системные науки
Разбираемся, как научить систему управления работать с неизвестными нелинейностями без идеальных данных – на примере реальных приговоров и численных экспериментов.
ИИ: События
Как защитить ИИ-агентов от угроз: разбор подходов к безопасности автономных систем
Безопасность
Разбираемся, какие угрозы несут автономные ИИ-агенты и как инженеры выстраивают защиту, чтобы системы не вышли из-под контроля.
ИИ: События
Как Cursor повысил безопасность ИИ-агентов: изоляция вместо постоянных запросов
Технический контекст • Безопасность
Cursor реализовал изолированную среду для ИИ-агентов на macOS, Linux и Windows, чтобы сократить количество прерываний и повысить безопасность работы.
Лаборатория
Как научить компьютер понимать, когда ваше имя важно, а когда – лишняя информация?
Компьютерная наука
Разбираемся, как малые языковые модели учатся различать важную и случайную личную информацию в вопросах, чтобы сохранить приватность без потери смысла.
ИИ: События
Как данные формируют мышление ИИ: роль метаданных и графов в «памяти» искусственного интеллекта
Инфраструктура
Почему современный ИИ не может быть по-настоящему умным без структурированных данных, и как метаданные, справочники и графы знаний формируют его «мозг».
Лаборатория
Когда нейросети боятся рисковать: почему генеративные модели застревают в прошлом при многокритериальной оптимизации
Компьютерная наука
Генеративные модели отлично работают с известными данными, но терпят провал, когда нужно выйти за их пределы – разбираемся, почему алгоритмы боятся экстраполяции.