Войти

Популярное за неделю

И инструменты ·2 авг 2026

TimesFM 2.5: полный гайд по прогнозированию временных рядов с бэктестингом и обнаружением аномалий

Подробный туториал по TimesFM 2.5 от Google — модели для прогнозирования временных рядов без предварительной настройки. Разбираются бэктестинг, работа с внешними признаками, детекция аномалий, масштабирование в Colab. На примере ретейл-данных с трендами, сезонностью и промо показывают, как оценивать качество прогнозов через MAE, RMSE, MASE и тюнить производительность.

0 92
И исследования ·2 авг 2026

Настоящая история AI в академии — не списывание, а кого замечают

Автор утверждает, что главная проблема AI в высшем образовании — не студенческое мошенничество, а трансформация систем научного поиска и карьерных возможностей. Пока СМИ фокусируются на детекторах плагиата, AI незаметно меняет то, кого находят, читают и допускают в науку.

0 83
И инструменты ·6 авг 2026

Скрытая цена дешёвых AI-моделей: почему частая смена инструментов убивает продуктивность фрилансера

Фрилансер поднимает неочевидную проблему: стоимость токенов падает, новые модели дешевеют, но постоянная смена инструментов съедает время на переучивание. Контекст, наработанный за полгода с одной моделью, не переносится — приходится начинать с нуля. Для соло-специалистов это реальные затраты, которые никто не считает.

0 53
И инструменты ·27 июл 2026

AWS показала, как сжать сотни документов для AI без потери смысла

Amazon представила технику task-aware knowledge compression (TAKC) — альтернативу классическому RAG для работы с сотнями документов одновременно. Вместо поиска похожих фрагментов система сжимает весь массив знаний в 8-64 раза под конкретную задачу, сохраняя связи между документами. Результат: финансовый аналитик может спросить про риски с учётом контрактов поставщиков и судебных дел — AI видит всю картину, а не топ-5 кусков текста.

0 133
И инструменты ·30 июл 2026

Как превратить обед в тренировочные данные для роботов: опыт с Shift

Немецкий стартап Microagi через проект Shift предлагает бесплатные услуги (повара, уборка) в обмен на запись процесса с первого лица — данные идут на обучение домашних роботов. Автор опробовал сервис: к нему пришёл повар в шлеме с камерой, приготовил три блюда и всё записал. Цель — собрать массив эгоцентрических видео для обучения гуманоидов бытовым задачам.

0 123
Р разработка ·17 июн 2026

Как я выбираю модель под задачу: маленькая таблица-шпаргалка

Перестал брать топ-модель на всё подряд — это дорого и медленно. Свёл выбор к простой логике. Классификация и извлечение — мелкая быстрая модель. Рассуждения и код — сильная. Массо

0 160
И инструменты ·31 июл 2026

Гибридная архитектура в AI (большая модель + локальные воркеры): где реально ломается эффективность

Разработчик поднял вопрос, который все обходят стороной: паттерн «большая модель-оркестратор через API + локальные модели-воркеры» звучит красиво, но где доказательства, что он эффективнее, чем просто одна большая локальная модель? Хочет реальных замеров: когда латентность и overhead оркестратора съедают весь выигрыш.

0 104
Р регулирование ·30 июл 2026

Потребители больше не короли — теперь они дичь на охоте

Автор рассуждает о том, как изменилась роль потребителей: раньше они были центром бизнеса, а теперь превратились в мишень для коммерческих манипуляций. Ключевой пример — музыкальные стриминг-сервисы тайно подсовывают AI-сгенерированный контент платным подписчикам, разрушая связь между слушателями и реальными артистами, при этом не давая опции отключить такие рекомендации.

0 123
И исследования ·3 авг 2026

Коллапс модели: что происходит, когда ИИ учится на данных, созданных ИИ

Когда языковая модель обучается на собственных выходных данных, происходит постепенное сужение распределения — дисперсия падает, редкие и разнообразные примеры исчезают. К 10-му поколению модель теряет 97,2% вероятностной массы хвостов распределения, становясь узкой и однообразной, хотя формально остаётся корректной.

0 74