Войти

Популярное за неделю

И исследования ·5 авг 2026

Как ИИ начал решать легендарные задачи Эрдёша — и почему это важно для математики и AI

В мае 2026 OpenAI анонсировала, что её внутренняя модель решила знаменитую задачу unit distance венгерского математика Пола Эрдёша (1946). Затем в августе модель Astra решила ещё 10 математических задач, включая три задачи Эрдёша. Всё началось с сайта erdosproblems.com, который британский математик Томас Блум создал в 2023 году, чтобы систематизировать тысячи задач Эрдёша — и превратил в площадку, где ИИ и люди вместе ломают проблемы.

0 107
Б бизнес ·5 авг 2026

Четыре легенды Google запускают Discovery Loop — автопилот для научных прорывов

Джефф Дин, Санджай Гхемават, Ориоль Виньялс и Куок Ле покидают Google после десятилетий работы и основывают Discovery Loop — стартап, который автоматизирует научный метод через AI-петли. Цель: создавать новые AI-модели, чипы, лекарства и материалы с минимальным участием людей. Фондируют Khosla Ventures и Radical Ventures, Google берёт долю, но теряет ключевых архитекторов Gemini и Google Brain.

0 95
И исследования ·13 авг 2026

Apple показала, как удалять данные из моделей в 2 раза быстрее — новый подход к machine unlearning

Исследователи Apple нашли способ удалять данные из обученных моделей вдвое быстрее. Суть: не все данные одинаково влияют на модель, поэтому можно пропускать точки с низким влиянием и экономить до 50% вычислений. Работает на задачах компьютерного зрения и NLP.

0 18
И исследования ·8 авг 2026

NeurIPS впервые провела рецензирование с AI: эксперимент провалился

На конференции NeurIPS 2024 впервые разрешили использовать LLM для рецензирования статей. Результат: рецензенты продолжали писать поверхностные отзывы, нарушали анонимность, игнорировали ответы авторов и даже не пользовались AI для углубления в материал. Эксперимент показал, что технология не исправляет системные проблемы академической рецензии.

0 70
И инструменты ·4 авг 2026

Почему LLM-рецензии портят научную экспертизу: три главные проблемы из практики

Рецензенты всё чаще используют LLM для оценки научных статей, но это создаёт новые проблемы: модели генерируют бесконечный список незначимых придирок, критикуют абстрактно (без конкретных примеров) и путают поверхностное сходство методов с реальным дублированием. Авторы тратят время на опровержение технически возможных, но практически несущественных замечаний.

0 115
И исследования ·12 авг 2026

Почему Adam забывает про низкоранговость, а градиентный спуск — нет

Исследователи обнаружили, что Adam и похожие оптимизаторы теряют неявное смещение градиентного спуска к простым (низкоранговым) решениям. Причина — в покоординатной нормализации второго момента, которая ломает инвариантность к поворотам базиса. GD, Shampoo и Muon сохраняют смещение, Adam/RMSProp/Lion — нет. Эксперименты на matrix sensing показывают: проблема не в адаптивности вообще, а именно в анизотропии обновлений.

0 28
И инструменты ·4 авг 2026

Red Hat, NVIDIA и IBM запустили asago — автоматизацию AI-комплаенса от политики до прода

Red Hat с NVIDIA, IBM и десятком партнёров запустили asago — open-source проект, который превращает текст политики AI-безопасности в рабочие конфиги для Kubernetes и облака. Цель: сократить время от документа до реальных ограничений в проде с месяцев до дней, автоматизируя маппинг рисков, тесты, гардрейлы и аудит-трейл. Пока в стадии формирования, без production-кейсов.

0 123
И исследования ·10 авг 2026

Synthetic Query Probing: как сравнивать эмбеддинг-модели и ставить пороги схожести

Исследователи предложили метод Synthetic Query Probing для сравнения разных эмбеддинг-моделей (например, OpenAI ADA vs AWS Titan). Вместо сравнения эмбеддингов напрямую (невозможно) они сравнивают пространства схожести — similarity scores для пар контента. Выяснилось: Titan разных размерностей линейно связаны, а Titan vs ADA — нелинейно, с разными диапазонами. Это помогает подбирать пороги для RAG и понимать, как модели ведут себя относительно друг друга.

0 58
И инструменты ·10 авг 2026

AWS запустил SageMaker AI Spaces для EKS — управляемые IDE прямо в кластере Kubernetes

Amazon выпустил SageMaker AI Spaces — аддон для EKS, который разворачивает JupyterLab и Code Editor прямо в Kubernetes-кластере. Вместо 3-5 дней настройки отдельного JupyterHub дата-сайентист получает готовую среду за 5 минут, с доступом к GPU, общему хранилищу и IAM-ролям. Консолидация рабочих нагрузок может поднять утилизацию GPU на 30% и избавить от постоянно включенных дорогих инстансов для ноутбуков.

0 42