DeepDigest

// 50+ источников об ИИ в одном месте

Всё важное об ИИ — в одной ленте

▸ LIVE: PAYATHON 2026: хакерский марафон от платёжной системы Alipay
@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
3736 просм.
#2
Викторина по вводу-выводу 2026 от Google AI Studio
3658 просм.
#3
Конфиденциальные данные в эпоху ИИ: как классифицировать актив...
3606 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 LLM1070 Research600 Business314 Safety209 Agents116 Multimodal110 Hardware110 Robotics76 Vision68 Audio4
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
cs.CL
arXiv
Cornell University Library
arXiv cs.CL

Новый трансформатор: быстрее и эффективнее стандартных моделей

Представлена новая архитектура нейронной сети context-ready transformer, которая быстрее и эффективнее стандартных трансформаторов за счёт предварительной контекстуализации токенов. Модель хорошо работает с длинными текстами.

LLM Research
читать →
~1 мин 721 просмотра
Leiphone

Youdao Dictionary Pen X8: подписка на ИИ в словарных ручках

Netease Youdao представила словарную ручку X8 с моделью подписки на ИИ‑сервисы. Базовые функции доступны бесплатно, продвинутые — за доплату. Такой подход меняет логику конкуренции в сегменте обучающего оборудования: теперь важнее не технические параметры устройства, а возможности ИИ‑сервисов.

LLM
читать →
~2 мин 654 просмотра
cs.CV
arXiv
Cornell University Library
arXiv cs.CV

ReWorld: новый подход к обучению моделей автономного вождения

ReWorld — платформа для оптимизации представлений в моделях автономного вождения; улучшила качество генерации видео и производительность моделей на датасетах nuScenes и NAVSIM.

Vision Research
читать →
~1 мин 748 просмотра
cs.CV
arXiv
Cornell University Library
arXiv cs.CV

Новый тест DMV-Bench: как проверить зрительную память ИИ-агентов

DMV-Bench — тест для оценки зрительной памяти ИИ-агентов на основе каталога товаров; архитектура DualMem превзошла другие мультимодальные системы.

Multimodal Research Vision
читать →
~1 мин 726 просмотра
// еженедельный дайджест на email
темы:
// помочь проекту