Новости и статьи об искусственном интеллекте и нейросетях. Мы собираем и обрабатываем самую актуальную информацию из мира AI. О проекте
Китайская модель DeepseekMath-V2 достигла уровня золотой медали на престижных математических олимпиадах, обойдя человеческие результаты в некоторых тестах. Она использует многоэтапную проверку доказательств без внешних инструментов и построена на базе Deepseek-V3.2-Exp-Base. Это усиливает конкуренцию с OpenAI и Google DeepMind, подчеркивая открытость Deepseek и влияние на глобальный рынок ИИ.
В этой статье разбирается функция softmax — ключевой элемент нейронных сетей, ее реализация в Triton с учетом градиентов и оптимизаций. Рассматриваются версии на одном и нескольких блоках, тестирование и сравнение производительности с PyTorch. Материал помогает понять, как создавать эффективные ядра для GPU.
Вероятностное мышление на основе ожидаемой ценности помогает командам ИИ эффективно выявлять возможности, управлять портфелем продуктов и противодействовать поведенческим предубеждениям. Статья разбирает применение инструментов вроде NPV, DCF, ROIC и реальных опционов в стратегических решениях, а также влияние ажиотажа вокруг генеративного ИИ. Это способствует рациональному подходу в VUCA-среде бизнеса.
Большие языковые модели (LLM) можно считать рандомизированными алгоритмами, поскольку они используют случайность для генерации ответов, повышая устойчивость к атакам и распределяя ошибки. Это дизайн помогает избежать повторяемых неудач, хотя и снижает предсказуемость. Понимание такой природы позволяет эффективнее применять LLM в практике.
В третьей части серии о метриках оценки извлечения в RAG рассматриваются градированные меры DCG@k и NDCG@k, которые учитывают спектр релевантности результатов. Объясняется их расчет, преимущества и применение в Python для улучшения конвейеров RAG. Эти метрики позволяют сравнивать качество ранжирования независимо от размера набора результатов.
Модель Gemini 2.5 Deep Think достигла уровня золотой медали на финале ICPC 2025, решив 10 из 12 задач, включая одну, которую не справились человеческие команды. Это успех подчеркивает прорыв в абстрактном мышлении ИИ, опираясь на недавнюю победу на IMO. Инновации усиливают потенциал Gemini как партнера в программировании и науке.
В статье разбирается реализация умножения матриц в Triton с акцентом на оптимизации вроде блочного разбиения и согласованности памяти. Рассматривается иерархия памяти GPU на примере A100 и влияние параллелизации на производительность. Эксперименты показывают, как профилирование помогает выявлять bottlenecks в ядрах.
Продвинутая версия Gemini с Deep Think официально достигла уровня золотой медали на Международной математической олимпиаде, решив пять из шести задач. Это представляет значительный прогресс по сравнению с прошлогодним результатом и демонстрирует возможности ИИ в сложных математических рассуждениях.
Начинающие data scientists часто совершают ошибки, которые замедляют их прогресс: игнорируют математику, ищут идеальный курс, застревают в туториалах, делают много простых проектов и сразу рвутся в ИИ. Избегать этих ловушек помогает фокус на основах и практике через глубокие личные проекты. Так путь к первой работе становится короче и эффективнее.
Руководство демонстрирует создание рекомендательной системы на основе графов с использованием EDG для управления таксономией и Neo4j для хранения данных. Описываются шаги по интеграции, импорту таксономии STEM, загрузке статей и построению запросов для рекомендаций. Подход позволяет выводить связи автоматически и легко корректировать структуру без перемаркировки данных.
ShaTS представляет собой инновационный метод объяснимости моделей временных рядов на основе значений Шэпли, учитывающий временные зависимости через стратегии группировки. Метод повышает эффективность и интерпретируемость по сравнению с традиционными подходами вроде SHAP. Эксперименты на наборе SWaT подтверждают его преимущества в точности и скорости.
В этой статье разбирается использование второй производной изображения для обнаружения краев с помощью оператора Лапласа. Рассматриваются дискретные приближения, влияние шума и роль гауссова фильтра для повышения устойчивости. Показана реализация в OpenCV с примерами кода и визуализацией результатов.
Инициатива AI для математики, запущенная Google DeepMind и Google.org, объединяет ведущие исследовательские институты для применения ИИ в математических исследованиях. Она предоставляет доступ к передовым технологиям, таким как Gemini Deep Think, AlphaEvolve и AlphaProof, чтобы ускорить открытия. Недавние достижения ИИ, включая золотую медаль на IMO, подчеркивают потенциал для дальнейшего прогресса в науке.
В этой статье разбираются основы обнаружения признаков в компьютерном зрении через производные изображений, градиенты и операторы Собеля и Шарра. Обсуждаются интенсивность пикселей, преобразование в оттенки серого и применение конволюционных ядер для оценки изменений яркости. Приводятся примеры кода на OpenCV для практического понимания.
Эта загадка демонстрирует значительный прогресс больших языковых моделей за год: то, что занимало часы с GPT-4o, Sonnet 4.5 решила мгновенно. Модель сгенерировала точный код на Python, нашедший все 21 квадрат на крестообразной сетке. Эксперимент подчеркивает эволюцию ИИ в решении сложных задач.
Показаны все статьи (15)