DeepDigest

// 50+ источников об ИИ в одном месте

Всё важное об ИИ — в одной ленте

▸ LIVE: Navos Pro от Тайтдун: первый Pro-Agent для AI for Work
@deepdigest
Статьи об ИИ в Telegram — подпишитесь
Подписаться →
@deepdigest · Макс
Статьи об ИИ в Макс — подпишитесь
Подписаться → Дзен
deepdigest · Дзен
Статьи об ИИ в Яндекс Дзен — подпишитесь
Подписаться →
// самые читаемые
#1
Ускорение Gemini Nano на Pixel с мультитокеновым прогнозированием
3737 просм.
#2
Викторина по вводу-выводу 2026 от Google AI Studio
3658 просм.
#3
Конфиденциальные данные в эпоху ИИ: как классифицировать актив...
3607 просм.
#4
Управляемое обучение с Gemini в Сьерра-Леоне: результаты иссле...
3576 просм.
#5
Google: дорожная карта управления ИИ для безопасности агентов
3406 просм.
Все Anthropic News Cursor Changelog GitHub Copilot Changelog Google AI Blog Google DeepMind Google Research Meta AI Blog Microsoft AI Blog Apple Machine Learning AWS Machine Learning Berkeley AI (BAIR) Character.AI Blog Databricks Blog Golem.de / KI Hugging Face Blog ITmedia AI+ LangChain Blog Leiphone Microsoft Research MindStudio Blog Mistral AI Blog Modular Blog NVIDIA AI Blog QbitAI Sakana AI Stability AI Blog Synced TechNews / AI The Robot Report Together AI Blog Weaviate Blog Ahead of AI (Raschka) AI Blog (spaces.ac.cn) AI News AINOW AI Snake Oil AI Supremacy AI Weekly Analytics Vidhya Ars Technica AI Computerwoche Fortune AI IEEE Spectrum AI Import AI Interconnects (Nathan Lambert) IT BOLTWISE Last Week in AI MIT Technology Review AI Simon Willison's Weblog TechCrunch AI Tech Monitor TechOrange The Gradient The Guardian / AI The Sequence The Verge AI VentureBeat AI WIRED AI
|
Все темы LLM1071 Research600 Business315 Safety209 Agents117 Multimodal110 Hardware110 Robotics76 Vision68 Audio4
cs.CL
arXiv
Cornell University Library
arXiv cs.CL

Новый подход к управлению памятью в LLM: как избежать ошибок в диалогах

Выявлена проблема использования устаревшей информации агентами LLM в диалогах. Создана среда Supersede для обучения моделей работать с актуальными данными — точность ответов выросла почти вдвое.

LLM Research
читать →
~1 мин 732 просмотра
cs.CL
arXiv
Cornell University Library
arXiv cs.CL

Как нейросети осваивают язык: неожиданные открытия о работе трансформаторов

Учёные выяснили, что трансформеры сначала усваивают общие языковые правила, а затем — локальные зависимости; предложена новая концепция обучения NLM.

LLM Research
читать →
~1 мин 706 просмотра
cs.CV
arXiv
Cornell University Library
arXiv cs.CV

Aloe-Vision: новые модели для анализа медданных по изображениям

Созданы модели Aloe-Vision для анализа медданных по изображениям, набор данных Aloe-Vision-Data и тест CareQA-Vision. Модели открыты, протестированы и готовы к использованию.

LLM Vision Research
читать →
~1 мин 732 просмотра
Leiphone

Cursor: почему оценка в 60 млрд долларов сохраняется при падении доли рынка

Доля рынка Cursor сократилась с 41 % до 26 %, однако компания сохраняет оценку в 60 млрд долларов. Маск приобрёл Cursor за акции SpaceX — сделка имеет стратегическое значение, поскольку данные, генерируемые Cursor, ценны для обучения моделей ИИ. Эксперты отмечают, что продукт стал частью «мышечной памяти» разработчиков, что затрудняет его замену.

LLM Business Research
читать →
~2 мин 732 просмотра
LangChain Blog

Динамические субагенты в Deep Agents: новая схема работы

В Deep Agents внедрены динамические субагенты, которые помогают агентам решать масштабные задачи за счёт программной оркестровки: вместо прямых вызовов инструментов агент пишет скрипт для организации работы субагентов. Механизм обеспечивает детерминированный охват и надёжную оркестровку сложных процессов. В материале описаны практические сценарии использования и шаблоны оркестровки.

LLM Agents
читать →
~1 мин 723 просмотра
Google AI Blog

Полный стек ИИ: объяснение от эксперта Google

Эксперт Google Ричард Серотер объяснил, что подход к ИИ с использованием «полного стека» объединяет все уровни технологий в единую систему. Такой подход повышает надёжность, снижает затраты и упрощает разработку. Google предлагает инструменты для работы с ИИ — от создания прототипов до автоматизации процессов.

LLM
читать →
~3 мин 1297 просмотра
cs.LG
arXiv
Cornell University Library
arXiv cs.LG

Тайные взаимодействия в GPT-2: новый взгляд на работу языковых моделей

Авторы показали, что при анализе языковых моделей нужно учитывать скрытые эффекты взаимодействия компонентов — это влияет на интерпретацию их работы.

LLM Research
читать →
~1 мин 728 просмотра
Leiphone

Документ Karpathy: 4 принципа для корректного написания кода с ИИ

Файл Markdown из 65 строк (проект andrej-karpathy-skills) набрал 176 000 звёздочек на GitHub и стал одной из самых обсуждаемых практик разработки ИИ. В документе сформулированы четыре принципа, которые помогают избежать систематических ошибок при написании кода с помощью ИИ. Тенденция породила ряд исследовательских проектов, в том числе систему автоматической оптимизации правил ИИ.

LLM
читать →
~3 мин 680 просмотра
Import AI

NVIDIA ENPIRE и ARGUS от Tencent: самосовершенствование роботов и обучение ИИ

NVIDIA представила ПО ENPIRE для автономного обучения роботов, а Tencent — систему ARGUS для отслеживания и анализа при обучении ИИ на больших наборах данных. Исследователи из Калифорнийского университета в Беркли создали корпус данных LOCUS с местными постановлениями США для работы с ИИ. Эти разработки показывают прогресс в автоматизации обучения и анализа данных.

LLM Robotics Research
читать →
~2 мин 438 просмотра
cs.CL
arXiv
Cornell University Library
arXiv cs.CL

EntMTP: новый способ ускорить работу больших языковых моделей

EntMTP — метод ускорения работы LLM за счёт адаптивного многотокенного прогнозирования с учётом энтропии; даёт ускорение в 1,15–1,36 раза в ряде тестов.

LLM Research
читать →
~1 мин 722 просмотра
// еженедельный дайджест на email
темы:
// помочь проекту