Visual-ARFT: новый метод обучения AI-агентов обходит GPT-4o в мультимодальных задачах
22 мая 2025
Visual-ARFT: новый метод обучения AI-агентов обходит GPT-4o в мультимодальных задачах
Исследовательская группа из Шанхайского университета Цзяо Тонг и Шанхайской лаборатории искусственного интеллекта представила Visual Agentic Reinforcement Fine-Tuning (Visual-ARFT) — новый подход к обучению крупных мультимодальных моделей агентным возможностям. Методика демонстрирует…
NVIDIA Isaac 5.0: обучение роботов с продвинутой физикой сенсоров и генерацией синтетических данных с открытым кодом
19 мая 2025
NVIDIA Isaac 5.0: обучение роботов с продвинутой физикой сенсоров и генерацией синтетических данных с открытым кодом
NVIDIA представила обновления своей экосистемы Isaac для разработки роботов на выставке COMPUTEX 2025, которые улучшают возможности генерации синтетических данных и совершенствуют тестирование моделей на всех этапах разработки. Isaac Sim 5.0:…
ZEROSEARCH: открытый фреймворк, снижающий затраты на обучение LLM поиску на 88%
9 мая 2025
ZEROSEARCH: открытый фреймворк, снижающий затраты на обучение LLM поиску на 88%
Исследовательская команда NLP Alibaba официально открыла исходный код ZEROSEARCH, полноценного фреймворка для обучения LLM способности к поиску в интернете без использования реальных поисковых систем. ZEROSEARCH основан на ключевом наблюдении: LLM…
Phi-4-reasoning: 14B модель от Microsoft превосходит масштабные модели в задачах сложного рассуждения
4 мая 2025
Phi-4-reasoning: 14B модель от Microsoft превосходит масштабные модели в задачах сложного рассуждения
Microsoft представила модель Phi-4-reasoning с 14 миллиардами параметров, которая демонстрирует исключительную производительность на сложных задачах рассуждения, превосходя модели, превышающие её по размеру в 5-47 раз, и требуя значительно меньше вычислительных…
DeepMath-103K: датасет для обучения с подкреплением моделей рассуждения от Tencent
21 апреля 2025
DeepMath-103K: датасет для обучения с подкреплением моделей рассуждения от Tencent
Исследователи из Tencent и Шанхайского университета Цзяо Тонг опубликовали DeepMath-103K — крупный математический датасет, созданный для разработки продвинутых моделей рассуждения с помощью обучения с подкреплением. Создание набора данных стоило исследователям…
MedSAM2: открытая SOTA модель сегментации медицинских 3D-изображений и видео
13 апреля 2025
MedSAM2: открытая SOTA модель сегментации медицинских 3D-изображений и видео
В последние годы был достигнут значительный прогресс в разработке как специализированных, так и универсальных моделей сегментации 2D медицинских изображений, однако область 3D и видеосегментации остается недостаточно исследованной. Группа исследователей из…
Fractal TechDocs: русскоязычный ИИ-ассистент для работы с техдокументацией для инженеров и проектировщиков
9 апреля 2025
Fractal TechDocs: русскоязычный ИИ-ассистент для работы с техдокументацией для инженеров и проектировщиков
ИИ-стартап Аватар Машина выпустил Fractal TechDocs — ИИ-ассистента для строителей, инженеров, архитекторов и проектировщиков, которым требуется точная работа с нормативными документами: ГОСТы, СП, СНиПы. В эпоху ChatGPT и других универсальных…
Anthropic представил образовательную версию Claude для внедрения в университетах и колледжах
3 апреля 2025
Anthropic представил образовательную версию Claude для внедрения в университетах и колледжах
Anthropic выпустил версию Claude для образования, разработанную специально для внедрения в университеты и другие высшие учебные заведения. В то время как классический чат-бот выдает прямые ответы на вопросы, Claude for…
Llama Nemotron: семейство открытых моделей от Nvidia обходит DeepSeek R1 в рассуждении и математике
19 марта 2025
Llama Nemotron: семейство открытых моделей от Nvidia обходит DeepSeek R1 в рассуждении и математике
NVIDIA анонсировала семейство открытых моделей Llama Nemotron с продвинутыми возможностями в задачах рассуждения. Дообучение моделей Llama 3.3 и 3.1 позволило Nvidia улучшить их точность на 20% при достижении в 5…
Метод Chain-of-Experts повышает эффективность MoE моделей, снижая потребление памяти до 42%
11 марта 2025
Метод Chain-of-Experts повышает эффективность MoE моделей, снижая потребление памяти до 42%
Chain-of-Experts (CoE) — новый подход, фундаментально изменяющий обработку информации в разреженных языковых моделях (sparse language models), увеличивающий производительность модели при значительно меньшем потреблении памяти. Метод решает ключевые ограничения Mixture-of-Experts моделей,…
R1-Onevision: открытая мультимодальная 7B модель обходит GPT4o в рассуждениях и математике
27 февраля 2025
R1-Onevision: открытая мультимодальная 7B модель обходит GPT4o в рассуждениях и математике
Исследователи из Чжэцзянского университета представили R1-Onevision, открытую мультимодальную модель рассуждений с 7 миллиардами параметров. R1-Onevision решает сложные математические, научные и инженерные задачи с показателями производительности, превосходящими GPT-4o в математике и…
Step-Video-T2V: генератор видео из текста с коэффициентом сжатия 16x
20 февраля 2025
Step-Video-T2V: генератор видео из текста с коэффициентом сжатия 16x
Исследователи из Stepfun AI представили Step-Video-T2V, text-to-video модель с 30 миллиардами параметров, способную генерировать видео длиной до 204 кадров, с разрешением 544×992. Модель принимает промпты на китайском и английском языках.…
Adobe Firefly: первое коммерчески безопасная модель для генерации видео
13 февраля 2025
Adobe Firefly: первое коммерчески безопасная модель для генерации видео
Adobe выпустила модель генерации видео Firefly в открытый доступ. Firefly Video была разработана специально для коммерческого использования. Firefly решает ключевые проблемы бизнеса, связанные с авторскими правами и юридической безопасностью сгенерированного…
На каком языке «мыслят» большие языковые модели
30 января 2025
На каком языке «мыслят» большие языковые модели
Новое исследование EPFL проливает свет на внутренние механизмы обработки многоязычных данных в LLM, что критично для понимания принципов работы современных языковых моделей и их оптимизации. Исследователи применили метод Logit lens…
Токенизатор TA-TiTok от Bydedance обновил бенчмарки в генерации изображений при обучении на открытых данных
19 января 2025
Токенизатор TA-TiTok от Bydedance обновил бенчмарки в генерации изображений при обучении на открытых данных
ByteDance и POSTECH представили токенизатор TA-TiTok (Text-Aware Transformer-based 1-Dimensional Tokenizer), новый подход к созданию доступных и эффективных text-to-image моделей. Маскированная генеративная модель MaskGen с токенизотором TA-TiTok достигла SOTA для text-to-image…
MiniMax-01: открытая языковая модель с Lightning Attention лидирует на бенчмарках с контекстом 4M
15 января 2025
MiniMax-01: открытая языковая модель с Lightning Attention лидирует на бенчмарках с контекстом 4M
MiniMax выложил в open source модели MiniMax-01 с 456 миллиардами параметров: MiniMax-Text-01 для текстовых и MiniMax-VL-01 для визуально-языковых задач. MiniMax-01 стабильно обходит GPT-4o и Gemini-2 на бенчмарках с длинным контекстом,…
На CES 2025 Nvidia представила серию GPU RTX 50 и микросервисы NIM для локального запуска ИИ-пайплайнов
7 января 2025
На CES 2025 Nvidia представила серию GPU RTX 50 и микросервисы NIM для локального запуска ИИ-пайплайнов
Nvidia анонсировала крупное обновление на выставке CES 2025, включающее новые графические процессоры RTX 50 и микросервисами NIM для локального развертывания крупных моделей от таких провайдеров, как Black Forest Labs, Meta…
ArtAug: мультиагентный открытый фреймворк для улучшения генерации изображений
18 декабря 2024
ArtAug: мультиагентный открытый фреймворк для улучшения генерации изображений
Исследователи Alibaba Group представили фреймворк ArtAug для улучшения качества генерации изображений из текста без дополнительных вычислительных затрат на этапе инференса, используя взаимодействие между генеративными и понимающими (understanding) моделями. Архитектура ArtAug…
Sora Turbo: состоялся публичный релиз новой модели OpenAI для создания видео
10 декабря 2024
Sora Turbo: состоялся публичный релиз новой модели OpenAI для создания видео
OpenAI объявила о публичном релизе Sora Turbo, значительно улучшенной версии своей гиперреалистичной text-to-video, image-to-video и video-to-video модели. Презентация прошла на конференции «12 дней OpenAI», спустя почти 10 месяцев после первой…
Vinteo AI — нейросеть, которая создает реалистичные визуализации товаров за 2 минуты
7 декабря 2024
Vinteo AI — нейросеть, которая создает реалистичные визуализации товаров за 2 минуты
Vinteo AI — SAAS на основе ИИ специализирующуюся на разработке решений в области искусственного интеллекта для визуальной презентации товаров. Нейросеть обеспечивает оперативное и экономически рациональное создание фотореалистичных изображений товаров в…
Создание игр на основе искусственного интеллекта: новый бесплатный курс от DeepLearning.AI
2 декабря 2024
Создание игр на основе искусственного интеллекта: новый бесплатный курс от DeepLearning.AI
DeepLearning.AI представил образовательный курс Building an AI-Powered Game. Программа курса фокусируется на практическом применении языковых моделей в разработке игр и предназначена для разработчиков разного уровня подготовки. Длительность курса — 1…