ТЕХНО: Яндекс про технологии
Канал о том, как устроен мир технологий. Разберёмся в потоке технологических новостей о нейросетях, роботах, голосовых помощниках, умном доме и не только. Чат канала https://t.me/+488-8LyZuSM1NWRi. : @technoyandex_bot
Рейтинг TGlist
0
0
ТипПубличный
Верификация
ВерифицированныйДоверенность
Не провернныйРасположениеРосія
ЯзыкДругой
Дата создания каналаJun 26, 2018
Добавлено на TGlist
May 24, 2024Прикрепленная группа
ТЕХНО / чат
418
Рекорды
13.04.202514:20
179.2KПодписчиков28.02.202523:59
1700Индекс цитирования14.02.202514:35
39KОхват одного поста14.02.202514:35
39KОхват рекламного поста23.02.202500:55
1057.14%ER14.02.202514:35
25.91%ERRpost.reposted:
Яндекс
+6
15.04.202511:20
🙂 Главные анонсы с большой конференции Алисы и умных устройств: новые умения AI-ассистента, колонки, сценарии умного дома и фишки ТВ Станций, а также новости про Яндекс Авто.
Подписывайтесь 〰️ @yandex
Подписывайтесь 〰️ @yandex
post.reposted:Яндекс
+3
11.04.202507:32
🔴 Наш метод сжатия больших языковых моделей приняли на NAACL, одну из крупнейших конференций по ИИ. Метод HIGGS сжимает LLM на телефонах и ноутбуках и при этом сохраняет качество моделей. Эксперименты показали, что HIGGS сжимает языковые модели лучше аналогов.
↗️ Метод разработали учёные из лаборатории Yandex Research совместно с НИУ ВШЭ, MIT, KAUST и ISTA. Он выложен в открытый доступ на Hugging Face. Подробнее о HIGGS можно прочитать в научной статье на arXiv.
Подписывайтесь 〰️ @yandex
↗️ Метод разработали учёные из лаборатории Yandex Research совместно с НИУ ВШЭ, MIT, KAUST и ISTA. Он выложен в открытый доступ на Hugging Face. Подробнее о HIGGS можно прочитать в научной статье на arXiv.
Подписывайтесь 〰️ @yandex
03.04.202508:28
🤖🧠 Яндекс запустил бета-версию Нейроэксперта — сервиса для работы с пользовательскими данными. В него можно загрузить ссылки из интернета, документы, PDF, аудио- и видеофайлы, а нейросеть создаст из них базу знаний и поможет найти в ней ответ. А ещё Нейроэксперт умеет пересказывать, делать выводы, сравнивать и писать тексты на основе загруженных данных — и всё это благодаря методу RAG. Вот как он работает.
Что такое RAG?
Языковые модели отвечают, исходя из данных, на которых их обучали. Чтобы модель использовала другую информацию, её можно дообучить, но проще использовать RAG (Retrieval Augmented Generation) — генерацию с внешними знаниями. Этот метод позволяет дополнить ответы данными, которые не были заложены при обучении.
Что это за данные?
🔸 Специализированные материалы — документация проекта, база знаний компании, учебные материалы и тому подобное.
🔸 Актуальная информация из интернета. Например, RAG используется в Поиске с Нейро для генерации ответа нейросетью с опорой на источники из интернета.
Как это работает?
Подключённые к RAG-системе данные разбивают на небольшие фрагменты — чанки (англ. chunk — кусок). Каждый чанк превращают в эмбеддинг — векторное представление, сохраняющее смысл данных. Пользовательский запрос тоже превращают в эмбеддинг, и система ищет в базе данных подходящие по смыслу фрагменты. Затем они вместе с запросом подаются в нейросеть, которая генерирует финальный ответ.
Пользовательский запрос → преобразование запроса в вектор → поиск релевантных данных в базе знаний → объединение найденной информации с запросом → генерация итогового ответа языковой моделью.
Что даёт RAG в сравнении с другими методами?
Метод позволяет обновлять знания языковой модели без её дообучения. А ещё RAG снижает вероятность галлюцинаций по сравнению с генерацией «из головы», то есть без доступа к внешним данным.
Ещё один способ снизить частоту галлюцинаций — загрузить в модель все данные вместе с запросом пользователя. Но для этого она должна уметь обрабатывать длинные тексты, а искать нужную информацию в большом объёме данных будет непросто. RAG же даёт модели только релевантные фрагменты, не перегружая её лишней информацией — получается быстрее и дешевле.
Подписывайтесь 👉 @techno_yandex
Что такое RAG?
Языковые модели отвечают, исходя из данных, на которых их обучали. Чтобы модель использовала другую информацию, её можно дообучить, но проще использовать RAG (Retrieval Augmented Generation) — генерацию с внешними знаниями. Этот метод позволяет дополнить ответы данными, которые не были заложены при обучении.
Что это за данные?
🔸 Специализированные материалы — документация проекта, база знаний компании, учебные материалы и тому подобное.
🔸 Актуальная информация из интернета. Например, RAG используется в Поиске с Нейро для генерации ответа нейросетью с опорой на источники из интернета.
Как это работает?
Подключённые к RAG-системе данные разбивают на небольшие фрагменты — чанки (англ. chunk — кусок). Каждый чанк превращают в эмбеддинг — векторное представление, сохраняющее смысл данных. Пользовательский запрос тоже превращают в эмбеддинг, и система ищет в базе данных подходящие по смыслу фрагменты. Затем они вместе с запросом подаются в нейросеть, которая генерирует финальный ответ.
Пользовательский запрос → преобразование запроса в вектор → поиск релевантных данных в базе знаний → объединение найденной информации с запросом → генерация итогового ответа языковой моделью.
Что даёт RAG в сравнении с другими методами?
Метод позволяет обновлять знания языковой модели без её дообучения. А ещё RAG снижает вероятность галлюцинаций по сравнению с генерацией «из головы», то есть без доступа к внешним данным.
Ещё один способ снизить частоту галлюцинаций — загрузить в модель все данные вместе с запросом пользователя. Но для этого она должна уметь обрабатывать длинные тексты, а искать нужную информацию в большом объёме данных будет непросто. RAG же даёт модели только релевантные фрагменты, не перегружая её лишней информацией — получается быстрее и дешевле.
Подписывайтесь 👉 @techno_yandex
+3
04.04.202511:15
🦠 В 1986 году два брата из Пакистана случайно запустили первую эпидемию компьютерного вируса для MS-DOS. Благодаря этому родилась индустрия антивирусов.
Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке
Подписывайтесь 👉 @techno_yandex
Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке
Подписывайтесь 👉 @techno_yandex
+3
01.04.202509:33
🗜🗂🦾 Сценаристы «Кремниевой долины» придумали технологию специально для сериала, а разработчики стали использовать её в реальной жизни. Вот эта история.
⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке
Подписывайтесь 👉 @techno_yandex
⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке
Подписывайтесь 👉 @techno_yandex
+2
23.04.202510:06
🗂 Нейроэксперт — новый сервис Яндекса, который сам найдёт нужную информацию в файлах и ссылках. В него можно загрузить документы, таблицы, презентации, аудио, видео и ссылки из интернета, а сервис создаст из них удобную базу знаний и поможет найти в ней ответ на любой вопрос.
Поговорили с Элей Морозовой, руководительницей оптимизации бизнес-процессов на базе YandexGPT, как будут развиваться подобные сервисы и чего от них можно ожидать в будущем.
⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке
Подписывайтесь 👉 @techno_yandex
Поговорили с Элей Морозовой, руководительницей оптимизации бизнес-процессов на базе YandexGPT, как будут развиваться подобные сервисы и чего от них можно ожидать в будущем.
⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке
Подписывайтесь 👉 @techno_yandex
+4
03.04.202513:41
👨✈️ Вместе с Авто.ру начинаем сериал об автомобилях, технологии которых опередили время. Представьте: 1981 год, нет ни GPS, ни ГЛОНАСС, а вы садитесь в Nissan Skyline и едете по навигатору до нужного дома. Как это стало возможным — рассказываем в карточках.
Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке
Подписывайтесь 👉 @techno_yandex × @carsnosleep
Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке
Подписывайтесь 👉 @techno_yandex × @carsnosleep
post.reposted:
Авто.ру
+5
19.04.202511:33
Продолжаем вместе с ТЕХНО рассказывать о самых интересных технологиях и концептах, которые перевернули мировой автопром.
В этот раз поговорим о Plymouth XP-VIP. У него было всё, без чего трудно представить современный автомобиль... Вот только показали его в 1965 году. Выкручиваем ретрофутуризм на максимум!
Достоин аппарат роли в фильме про будущее?
👍 — да, для своего времени это была пушка
🤔 — идеи смелые, но реализация...
В этот раз поговорим о Plymouth XP-VIP. У него было всё, без чего трудно представить современный автомобиль... Вот только показали его в 1965 году. Выкручиваем ретрофутуризм на максимум!
Достоин аппарат роли в фильме про будущее?
👍 — да, для своего времени это была пушка
🤔 — идеи смелые, но реализация...
18.04.202512:10
💾 Технологии устаревают слишком быстро!
Напишите технофразу, которую точно не поймут 20-летние. Мы начнём: положи трубку — мне в интернет надо, скинул по ИК-порту, скачал рингтон по WAP.
Подписывайтесь 👉 @techno_yandex
Напишите технофразу, которую точно не поймут 20-летние. Мы начнём: положи трубку — мне в интернет надо, скинул по ИК-порту, скачал рингтон по WAP.
Подписывайтесь 👉 @techno_yandex
post.reposted:Яндекс
+1
01.04.202515:07
🟣 Сможете по съёмке с самолёта отличить пластик от рыболовной сети? А эта нейросеть сможет. Рассказываем о новом экологическом проекте, созданном ML-разработчиками Школы анализа данных вместе с Yandex B2B Tech и Дальневосточным федеральным университетом.
↗️ Это не первый экологический проект, в котором участвовали студенты Школы анализа данных Яндекса. В прошлом году они помогли разработать нейросеть, которая прогнозирует, в какую сторону после извержения двинется облако вулканического пепла.
Подписывайтесь 〰️ @yandex
↗️ Это не первый экологический проект, в котором участвовали студенты Школы анализа данных Яндекса. В прошлом году они помогли разработать нейросеть, которая прогнозирует, в какую сторону после извержения двинется облако вулканического пепла.
Подписывайтесь 〰️ @yandex
+4
27.03.202509:01
Мы часто обсуждаем необычные гаджеты между собой в редакции, а сегодня хотим поделиться с вами. Вот шесть не самых очевидных гаджетов, которые произвели на нас впечатление за последнее время.
Подписывайтесь 👉 @techno_yandex
Подписывайтесь 👉 @techno_yandex
16.04.202509:48
🤥🤖 Языковые модели могут придумывать факты — они лишь подбирают наиболее подходящие слова для ответов, а оценка адекватности этих ответов всегда на стороне пользователя. Так можно ли доверять нейросетям?
🔹 Обычные языковые модели
Степень доверия: ★★☆☆☆
Чат-боты довольно часто галлюцинируют из-за недостатка данных, неумения учитывать контекст или нечёткого запроса. Поэтому их ответы стоит перепроверять — кроме случаев, когда достоверность неважна (например, если нейросеть пишет сценарий праздника).
🔹 Рассуждающие языковые модели
Степень доверия: ★★★☆☆
Такие модели разбивают запрос на серию мелких задач и решают их по порядку, проверяя себя на каждом этапе. Это уменьшает количество логических ошибок и делает ответ точнее, но не избавляет от галлюцинаций полностью.
🔹 Языковые модели с доступом к интернету
Степень доверия: ★★★☆☆
В режиме поиска, который есть у многих чат-ботов, модель собирает ответ на основе данных из интернета. В этом случае именно галлюцинаций становится гораздо меньше, но стоит проверять надёжность источников, которые использовала модель.
🔹 Чат-боты с функцией Deep Research
Степень доверия: ★★★★☆
Нейросети с функцией расширенного исследования (Deep Research) проводят глубокий поиск в сотнях источников, анализируют данные, рассуждают, делают выводы и возвращаются к поиску, если информации оказывается недостаточно. Функция относительно новая и поэтому не всегда работает хорошо, но доверие к таким нейросетям выше.
🔹 Нейросети с RAG по данным пользователя
Степень доверия: ★★★★★
Они генерируют ответы, используя данные, добавленные пользователем, например документы, видео, базы данных. В таких сервисах обычно есть дополнительные механизмы самопроверки, а модели учат как можно точнее передавать информацию из источников. Они галлюцинируют реже всего, и если пользовательские данные точны, то и генеративным ответам можно доверять.
⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке
Подписывайтесь 👉 @techno_yandex
🔹 Обычные языковые модели
Степень доверия: ★★☆☆☆
Чат-боты довольно часто галлюцинируют из-за недостатка данных, неумения учитывать контекст или нечёткого запроса. Поэтому их ответы стоит перепроверять — кроме случаев, когда достоверность неважна (например, если нейросеть пишет сценарий праздника).
🔹 Рассуждающие языковые модели
Степень доверия: ★★★☆☆
Такие модели разбивают запрос на серию мелких задач и решают их по порядку, проверяя себя на каждом этапе. Это уменьшает количество логических ошибок и делает ответ точнее, но не избавляет от галлюцинаций полностью.
🔹 Языковые модели с доступом к интернету
Степень доверия: ★★★☆☆
В режиме поиска, который есть у многих чат-ботов, модель собирает ответ на основе данных из интернета. В этом случае именно галлюцинаций становится гораздо меньше, но стоит проверять надёжность источников, которые использовала модель.
🔹 Чат-боты с функцией Deep Research
Степень доверия: ★★★★☆
Нейросети с функцией расширенного исследования (Deep Research) проводят глубокий поиск в сотнях источников, анализируют данные, рассуждают, делают выводы и возвращаются к поиску, если информации оказывается недостаточно. Функция относительно новая и поэтому не всегда работает хорошо, но доверие к таким нейросетям выше.
🔹 Нейросети с RAG по данным пользователя
Степень доверия: ★★★★★
Они генерируют ответы, используя данные, добавленные пользователем, например документы, видео, базы данных. В таких сервисах обычно есть дополнительные механизмы самопроверки, а модели учат как можно точнее передавать информацию из источников. Они галлюцинируют реже всего, и если пользовательские данные точны, то и генеративным ответам можно доверять.
⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке
Подписывайтесь 👉 @techno_yandex
Войдите, чтобы разблокировать больше функциональности.
