Berkeley AI (BAIR)

K-Search: перенос CUDA-ядер в MLX для Apple Silicon

K-Search позволяет адаптировать CUDA-ядра для Apple Silicon без необходимости создавать их с нуля. Система использует эволюционный подход и LLM для оптимизации ядер. Благодаря слою перевода и детальному сопоставлению концепций между CUDA и MLX достигается производительность, близкая к экспертному уровню. В экспериментах K-Search показал значительное ускорение по сравнению с существующими решениями.

ABBEL: управление убеждениями в длинных взаимодействиях с LLM

Фреймворк ABBEL позволяет управлять убеждениями в длительных взаимодействиях с языковыми моделями, повышая их производительность. Оценка убеждений и сжатие контекста помогают сократить затраты ресурсов, хотя и сопряжены с определёнными сложностями. Эксперименты с CombinationLock и CollabBench показывают эффективность подхода.

Эра дешёвого ИИ: как агенты меняют системы обработки данных

Стоимость ИИ стремительно снижается, что открывает новые возможности для использования агентов в обработке данных. Авторы доклада выделяют три ключевых вызова: перепроектирование систем для агентов, разработка основ для управления тысячами агентов и создание доверенных систем, синтезированных агентами. В будущем границы между агентами и системами данных будут стираться.

Выставка выпускников BAIR 2026 года: достижения в ИИ

В Беркли прошла выставка выпускников BAIR 2026 года. Аспиранты представили результаты исследований в разных областях ИИ — от робототехники и компьютерного зрения до безопасности ИИ и взаимодействия человека и машины. Выпускники уже влияют на индустрию, работая в лабораториях, стартапах и крупных компаниях.