DeepDigest

// AI-дайджест с западных источников

Главное об ИИ — уже на русском

▸ LIVE: Vivo X Fold6: складной экран для «телефона-агента»
@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
Как агенты трансформируют работу
2495 просм.
#2
Ускорение Gemini Nano на Pixel с мультитокеновым прогнозированием
2459 просм.
#3
Викторина по вводу-выводу 2026 от Google AI Studio
2391 просм.
#4
Использование искусственного интеллекта для помощи врачам в ди...
2371 просм.
#5
Daybreak: инструменты для обеспечения безопасности любой орган...
2355 просм.
Все Google AI Blog Google DeepMind Google Research Meta AI Blog OpenAI Blog Apple Machine Learning arXiv cs.AI arXiv cs.CL arXiv cs.CV arXiv cs.LG AWS Machine Learning Berkeley AI (BAIR) Hugging Face Blog LangChain Blog Mistral AI Blog NVIDIA AI Blog Synced (机器之心 EN) Together AI Blog Weaviate Blog 量子位 (QbitAI) 雷峰网 (Leiphone) Ahead of AI (Raschka) AI Snake Oil AI Supremacy Analytics Vidhya Ars Technica AI Fortune AI IEEE Spectrum AI Import AI Interconnects (Nathan Lambert) Last Week in AI MIT Technology Review AI NYT AI TechCrunch AI The Algorithmic Bridge The Gradient The Sequence The Verge AI Towards Data Science VentureBeat AI WIRED AI 苏剑林 AI博客
|
Все темы Research114 LLM114 Vision29 Safety21 Business19 Multimodal17 Agents13 Hardware6 Audio2 Robotics1
НОВОЕ
Towards Data Science

Логистическая регрессия превзошла XGBoost в прогнозировании результатов матчей

Ари Джури сравнил несколько моделей машинного обучения для прогнозирования результатов футбольных матчей. Логистическая регрессия превзошла XGBoost благодаря лучшему балансу смещения и дисперсии в условиях ограниченного объёма данных. Проблема XGBoost — неверная калибровка из‑за чрезмерной уверенности в ошибочных прогнозах.

Research
читать →
~2 мин 17 просмотра
Towards Data Science

Корпоративный RAG: философия построения системы на основе экспертных знаний

Анджела Ши описывает философию построения корпоративных систем RAG, подчёркивая, что такие системы должны усиливать, а не заменять экспертов. В основе архитектуры — четыре элемента (синтаксический анализ, анализ вопросов, поиск, генерация), каждый из которых должен отражать действия эксперта. Автор выделяет четыре условия и три принципа для эффективной реализации системы.

LLM Research Business
читать →
~2 мин 39 просмотра
Towards Data Science

GPT-агенты и маршрутизация: ловушка Парето при оптимизации затрат

Команда сократила расходы на ИИ за счёт маршрутизации запросов между дешёвой и дорогой моделями, но через несколько месяцев заметила падение удовлетворённости клиентов и рост оттока. Проблема в том, что существующая система измерений не позволяла отследить разрыв в качестве на разных уровнях маршрутизации. В качестве решения предложен каскадный подход к обработке запросов.

LLM Agents Research
читать →
~2 мин 76 просмотра
// еженедельный дайджест на email
темы:
// помочь проекту