генеративный ии
01.04.202506:27
#1апреля
Попросил chatGPT сделать шуточный комикс на 1 апреля.
По мне получилось неплохо, но с русским он не до конца дружит.
Как вам?
🤣 - а ничего так
👎 - я умею лучше
@gen_i_i
Попросил chatGPT сделать шуточный комикс на 1 апреля.
нарисуй шуточный комикс для телеграм-канала "Генеративный ИИ" на 1 апреля на русском языке
По мне получилось неплохо, но с русским он не до конца дружит.
Как вам?
🤣 - а ничего так
👎 - я умею лучше
@gen_i_i
26.03.202515:15
OpenAI Academy: Путь в мир искусственного интеллекта
🌟 Что такое OpenAI Academy:
- Бесплатная онлайн-платформа для изучения ИИ
- Контент для разных уровней подготовки - от новичков до профессионалов
- Партнерства с ведущими университетами и организациями
🔍 Для кого:
- Студенты
- Преподаватели
- Специалисты
- Предприниматели
Ближайшие события:
- 28 марта: Введение в ИИ для педагогов
- 2 апреля: GraphRAG с OpenAI API
- 4 и 8 апреля: ИИ для старшего поколения
Цель проекта: сделать ИИ доступным, понятным и полезным для каждого.
⛓ Подробнее:
Блог
Обучение
@gen_i_i
#полезное
🌟 Что такое OpenAI Academy:
- Бесплатная онлайн-платформа для изучения ИИ
- Контент для разных уровней подготовки - от новичков до профессионалов
- Партнерства с ведущими университетами и организациями
🔍 Для кого:
- Студенты
- Преподаватели
- Специалисты
- Предприниматели
Ближайшие события:
- 28 марта: Введение в ИИ для педагогов
- 2 апреля: GraphRAG с OpenAI API
- 4 и 8 апреля: ИИ для старшего поколения
Цель проекта: сделать ИИ доступным, понятным и полезным для каждого.
⛓ Подробнее:
Блог
Обучение
@gen_i_i
#полезное
16.01.202514:59
Курс по AI-Агентам от Hugging Face!
Новый курс Hugging Face Agents на платформе Learn. Этот курс научит создавать и развёртывать собственных интеллектуальных агентов.
Что ждёт в курсе:
🔍 Основы AI-Агентов:
Как агенты используют LLM для восприятия окружающей среды (наблюдения), анализа (мышления) и действий. Представьте умного помощника, который может бронировать встречи, отвечать на письма или писать код по вашему запросу.
🛠 Работа с фреймворками:
Освоите популярные инструменты для разработки агентов — LangChain, LlamaIndex и smolagents. Они помогут создавать сложные и эффективные системы.
🌐 Реальные кейсы:
Как агенты применяются на практике — от автоматизации SQL-запросов до генерации кода и анализа сложных документов.
🎓 Сертификат:
Получите официальный сертификат после прохождения всех модулей, выполнения практического задания и сдачи итогового теста.
Кому подойдёт курс?
🌟 Разработчикам
🌟 Дата-сайентистам
🌟 Всем, кто интересуется ИИ
⛓ Подробнее:
huggingface
@gen_i_i
Новый курс Hugging Face Agents на платформе Learn. Этот курс научит создавать и развёртывать собственных интеллектуальных агентов.
Что ждёт в курсе:
🔍 Основы AI-Агентов:
Как агенты используют LLM для восприятия окружающей среды (наблюдения), анализа (мышления) и действий. Представьте умного помощника, который может бронировать встречи, отвечать на письма или писать код по вашему запросу.
🛠 Работа с фреймворками:
Освоите популярные инструменты для разработки агентов — LangChain, LlamaIndex и smolagents. Они помогут создавать сложные и эффективные системы.
🌐 Реальные кейсы:
Как агенты применяются на практике — от автоматизации SQL-запросов до генерации кода и анализа сложных документов.
🎓 Сертификат:
Получите официальный сертификат после прохождения всех модулей, выполнения практического задания и сдачи итогового теста.
Кому подойдёт курс?
🌟 Разработчикам
🌟 Дата-сайентистам
🌟 Всем, кто интересуется ИИ
⛓ Подробнее:
huggingface
@gen_i_i
01.04.202506:04
Авито представляет новое семейство GenAI-моделей
• A-Vibe — текстовая модель на базе Qwen2.5 (7 млрд параметров)
• A-Vision — мультимодальная нейросеть для работы с изображениями и текстом
Модели обучены на датасете >10 ТБ и специализированы для e-commerce. Ключевое преимущество — собственный русскоязычный токенизатор, ускоряющий генерацию текста в 2 раза.
6 ключевых функций на базе A-Vibe:
1. Нейро-описания — автоматическое создание продающих текстов
2. Нейро-подсказки в мессенджере для ускорения сделок
3. Нейро-ассистент, отвечающий за продавцов на вопросы о товаре
4. Нейро-отзывы — краткий пересказ оценок исполнителей
5. Мульти-объявления — объединение вариантов одного товара
6. Нейро-теги — улучшение поиска через определение характеристик по фото
⛓ Подробнее:
avito
#полезное
@gen_i_i
• A-Vibe — текстовая модель на базе Qwen2.5 (7 млрд параметров)
• A-Vision — мультимодальная нейросеть для работы с изображениями и текстом
Модели обучены на датасете >10 ТБ и специализированы для e-commerce. Ключевое преимущество — собственный русскоязычный токенизатор, ускоряющий генерацию текста в 2 раза.
«Мы входим в небольшое число российских компаний, разрабатывающих собственные генеративные модели. Наша цель – трансформировать с помощью GenAI платформу в интеллектуального ассистента для миллионов продавцов и покупателей» — Андрей Рыбинцев, старший директор по данным и аналитике Авито.
6 ключевых функций на базе A-Vibe:
1. Нейро-описания — автоматическое создание продающих текстов
2. Нейро-подсказки в мессенджере для ускорения сделок
3. Нейро-ассистент, отвечающий за продавцов на вопросы о товаре
4. Нейро-отзывы — краткий пересказ оценок исполнителей
5. Мульти-объявления — объединение вариантов одного товара
6. Нейро-теги — улучшение поиска через определение характеристик по фото
⛓ Подробнее:
avito
#полезное
@gen_i_i
25.02.202515:02
YandexGPT 5 Lite Pretrain уже здесь!
Яндекс представил бесплатную pretrain-версию языковой модели YandexGPT 5 Lite с 8 млрд параметров и длиной контекста 32k токенов.
Обучение модели прошло в два этапа:
🌟 Pretrain: на 15 трлн токенов (60% веб-страниц, 15% кода, 10% математики и прочее) на русскоязычных и англоязычных текстах с контекстом до 8k токенов.
🌟 Powerup: дообучение на 320 млрд токенов высококачественных данных, с увеличением контекста до 32k токенов.
Ключевые особенности:
🌟 Токенизатор оптимизирован для русского языка: 32k токенов модели ≈ 48k токенов модели Qwen-2.5.
🌟 Модель демонстрирует SOTA-показатели по ряду бенчмарков (BBH, HUMAN_EVAL, MPBB и др.).
🌟 Используйте через HF Transformers, vLLM или дообучайте с помощью torchtune — модель имеет llama-like архитектуру и совместима с большинством фреймворков для LLM.
⛓ Подробнее:
хабр
huggingface
@gen_i_i
#полезное
Яндекс представил бесплатную pretrain-версию языковой модели YandexGPT 5 Lite с 8 млрд параметров и длиной контекста 32k токенов.
Обучение модели прошло в два этапа:
🌟 Pretrain: на 15 трлн токенов (60% веб-страниц, 15% кода, 10% математики и прочее) на русскоязычных и англоязычных текстах с контекстом до 8k токенов.
🌟 Powerup: дообучение на 320 млрд токенов высококачественных данных, с увеличением контекста до 32k токенов.
Ключевые особенности:
🌟 Токенизатор оптимизирован для русского языка: 32k токенов модели ≈ 48k токенов модели Qwen-2.5.
🌟 Модель демонстрирует SOTA-показатели по ряду бенчмарков (BBH, HUMAN_EVAL, MPBB и др.).
🌟 Используйте через HF Transformers, vLLM или дообучайте с помощью torchtune — модель имеет llama-like архитектуру и совместима с большинством фреймворков для LLM.
⛓ Подробнее:
хабр
huggingface
@gen_i_i
#полезное
31.03.202515:32
Яндекс выкатил YandexGPT 5 Lite Instruct — готовую к работе нейросеть в открытом доступе!
Это новая версия модели YandexGPT 5 Lite, которую не нужно дообучать под базовые задачи — она уже настроена (прошла alignment) и отлично понимает инструкции/промпты!
Что самое классное:
✅ Open Source + Коммерция: Модель можно свободно использовать, в том числе в коммерческих проектах (бесплатно до 10 млн выходных токенов в месяц). Отлично подойдет для чат-ботов на сайтах, генерации описаний товаров, автоматизации ответов поддержки и т.д.
💻 Запуск на обычном ПК: Благодаря компактности и поддержке формата GGUF, модель можно запустить даже на личном ноутбуке без мощной видеокарты (через llama.cpp или Ollama).
🏆 Достойная производительность: По тестам Яндекса, модель не уступает GPT-4o Mini в стандартных задачах, превосходит Qwen2.5-7B-Instruct в 62% случаев и особенно хороша в задачах на русском языке и знании российской культуры.
🔌 Супер-совместимость: API Yandex Cloud для YandexGPT теперь совместим с OpenAI API! Это значит, что можно легко переключаться между моделями Яндекса и OpenAI в своих приложениях без переписывания кода и проще интегрироваться с инструментами вроде LangChain или AutoGPT.
🧠 Базовая этика: Модель имеет начальные этические настройки, которые разработчики могут докрутить под свои требования.
🔗 Подробнее:
Hugging Face
API
habr
#полезное
@gen_i_i
Это новая версия модели YandexGPT 5 Lite, которую не нужно дообучать под базовые задачи — она уже настроена (прошла alignment) и отлично понимает инструкции/промпты!
Что самое классное:
✅ Open Source + Коммерция: Модель можно свободно использовать, в том числе в коммерческих проектах (бесплатно до 10 млн выходных токенов в месяц). Отлично подойдет для чат-ботов на сайтах, генерации описаний товаров, автоматизации ответов поддержки и т.д.
💻 Запуск на обычном ПК: Благодаря компактности и поддержке формата GGUF, модель можно запустить даже на личном ноутбуке без мощной видеокарты (через llama.cpp или Ollama).
🏆 Достойная производительность: По тестам Яндекса, модель не уступает GPT-4o Mini в стандартных задачах, превосходит Qwen2.5-7B-Instruct в 62% случаев и особенно хороша в задачах на русском языке и знании российской культуры.
🔌 Супер-совместимость: API Yandex Cloud для YandexGPT теперь совместим с OpenAI API! Это значит, что можно легко переключаться между моделями Яндекса и OpenAI в своих приложениях без переписывания кода и проще интегрироваться с инструментами вроде LangChain или AutoGPT.
🧠 Базовая этика: Модель имеет начальные этические настройки, которые разработчики могут докрутить под свои требования.
🔗 Подробнее:
Hugging Face
API
habr
#полезное
@gen_i_i
20.01.202514:59
Масштабирование диффузионных моделей во время инференса: как улучшить качество генерации?
Диффузионные модели уже давно используются для генерации изображений, аудио и видео. Однако их производительность во время инференса (inference-time) часто ограничена количеством шагов шумоподавления. Новое исследование предлагает революционный подход к масштабированию диффузионных моделей, который выходит за рамки простого увеличения шагов шумоподавления.
🔍 Что предлагается?
Исследователи предлагают искать лучший шум для процесса выборки, что позволяет улучшить качество генерации без значительного увеличения вычислительных затрат. Основные компоненты подхода:
🌟 Верификаторы (verifiers): оценивают качество сгенерированных образцов.
🌟 Алгоритмы поиска: ищут оптимальные шумы для генерации.
Типы верификаторов:
1️⃣ Привилегированные верификаторы (oracle verifiers): имеют доступ к информации о конечной оценке (например, FID, IS).
2️⃣ Контролируемые верификаторы (supervised verifiers): используют информацию об условиях (например, текстовые описания).
3️⃣ Самоконтролируемые верификаторы (self-supervised verifiers): не требуют дополнительной информации.
Алгоритмы поиска:
1️⃣ Случайный поиск (random search): выбирает лучший из набора случайных шумов.
2️⃣ Поиск нулевого порядка (zero-order search): итеративно уточняет шумовые кандидаты.
3️⃣ Поиск по путям (search over paths): уточняет траектории выборки диффузии.
Результаты:
🌟 Увеличение вычислительных ресурсов во время инференса приводит к значительному улучшению качества образцов.
🌟 Комбинации верификаторов и алгоритмов могут быть адаптированы под конкретные задачи, что позволяет достичь лучших результатов.
🌟 Небольшие модели с поиском могут превзойти более крупные модели без поиска, что делает подход экономически эффективным.
Проблемы:
🌟 "Взлом верификатора" (verifier hacking): алгоритм может слишком сильно адаптироваться под конкретный верификатор, что приводит к ухудшению других метрик.
🌟 Ограничения самоконтролируемых верификаторов: они могут быть менее эффективны в задачах генерации текста в изображение.
💡 Выводы:
🌟 Масштабирование инференса с помощью поиска — это мощный инструмент для улучшения качества генерации.
🌟 Эффективность зависит от правильного выбора верификаторов и алгоритмов, которые должны соответствовать конкретной задаче.
⛓ Подробнее:
arxiv
@gen_i_i
Диффузионные модели уже давно используются для генерации изображений, аудио и видео. Однако их производительность во время инференса (inference-time) часто ограничена количеством шагов шумоподавления. Новое исследование предлагает революционный подход к масштабированию диффузионных моделей, который выходит за рамки простого увеличения шагов шумоподавления.
🔍 Что предлагается?
Исследователи предлагают искать лучший шум для процесса выборки, что позволяет улучшить качество генерации без значительного увеличения вычислительных затрат. Основные компоненты подхода:
🌟 Верификаторы (verifiers): оценивают качество сгенерированных образцов.
🌟 Алгоритмы поиска: ищут оптимальные шумы для генерации.
Типы верификаторов:
1️⃣ Привилегированные верификаторы (oracle verifiers): имеют доступ к информации о конечной оценке (например, FID, IS).
2️⃣ Контролируемые верификаторы (supervised verifiers): используют информацию об условиях (например, текстовые описания).
3️⃣ Самоконтролируемые верификаторы (self-supervised verifiers): не требуют дополнительной информации.
Алгоритмы поиска:
1️⃣ Случайный поиск (random search): выбирает лучший из набора случайных шумов.
2️⃣ Поиск нулевого порядка (zero-order search): итеративно уточняет шумовые кандидаты.
3️⃣ Поиск по путям (search over paths): уточняет траектории выборки диффузии.
Результаты:
🌟 Увеличение вычислительных ресурсов во время инференса приводит к значительному улучшению качества образцов.
🌟 Комбинации верификаторов и алгоритмов могут быть адаптированы под конкретные задачи, что позволяет достичь лучших результатов.
🌟 Небольшие модели с поиском могут превзойти более крупные модели без поиска, что делает подход экономически эффективным.
Проблемы:
🌟 "Взлом верификатора" (verifier hacking): алгоритм может слишком сильно адаптироваться под конкретный верификатор, что приводит к ухудшению других метрик.
🌟 Ограничения самоконтролируемых верификаторов: они могут быть менее эффективны в задачах генерации текста в изображение.
💡 Выводы:
🌟 Масштабирование инференса с помощью поиска — это мощный инструмент для улучшения качества генерации.
🌟 Эффективность зависит от правильного выбора верификаторов и алгоритмов, которые должны соответствовать конкретной задаче.
⛓ Подробнее:
arxiv
@gen_i_i
31.03.202506:02
📍 Недельный #дайджест 24 марта - 30 марта
Главное на прошлой неделе:
🌟 Рынок промышленной робототехники в России
🌟 OpenAI показала новый редактор изображений в ChatGPT!
🌟 AgentRxiv: AI-агенты меняют науку
🌟 Книги по нейросетям и рекомендациям: теория + практика
🌟 Будущее AI для стартапов: ключевые тренды 2025 от Google Cloud
@gen_i_i
Главное на прошлой неделе:
🌟 Рынок промышленной робототехники в России
🌟 OpenAI показала новый редактор изображений в ChatGPT!
🌟 AgentRxiv: AI-агенты меняют науку
🌟 Книги по нейросетям и рекомендациям: теория + практика
🌟 Будущее AI для стартапов: ключевые тренды 2025 от Google Cloud
@gen_i_i
20.01.202501:50
Основные выводы из отчета DORA 2024 о разработке программного обеспечения и внедрении ИИ
DORA (DevOps Research and Assessment) опубликовала свой отчет за 2024 год, который анализирует связь между различными факторами разработки ПО, использованием ИИ, организационной культурой и производительностью команд. Опрос охватывает более 39 000 специалистов в области технологий.
🔍 Основные выводы:
1. Производительность разработки ПО:
🌟 Введение нового показателя частоты переделок разделяет факторы на пропускную способность (скорость изменений) и стабильность (надежность). Были выделены четыре уровня производительности: элитный, высокий, средний и низкий.
2. Внедрение ИИ:
🌟 81% организаций увеличивают приоритет внедрения ИИ. 74,9% разработчиков используют ИИ для написания кода, а 71,2% — для обобщения информации.
🌟 Несмотря на рост производительности благодаря ИИ, его внедрение может ухудшить общую производительность разработки ПО, что требует осторожного подхода.
3. Платформенная инженерия:
🌟 89% респондентов используют внутренние платформы, что повышает производительность на 6-10%. Однако это также может снижать пропускную способность и увеличивать риск выгорания разработчиков.
4. Опыт разработчиков:
🌟 Ориентация на пользователей и стабильность приоритетов приводит к более качественным продуктам, высокой удовлетворенности и снижению выгорания среди разработчиков.
5. Роль лидерства:
🌟 Трансформационное лидерство играет ключевую роль в успехе организационных изменений, повышая производительность и уменьшив выгорание.
💡 Ключевые рекомендации:
🌟 Ориентация на пользователей и стабильность приоритетов — важнейшие факторы для успешной разработки.
🌟 Непрерывное улучшение процессов и культуры обучения.
🌟 Осторожный подход к внедрению ИИ, чтобы минимизировать его возможное негативное влияние.
🌟 Трансформационное лидерство помогает в эффективных изменениях и мотивации сотрудников.
DORA 2024 подчеркивает, что для успеха в разработке ПО необходимо сочетание технологий, процессов и внимания к человеческому фактору. Важно адаптировать подходы и использовать данные для принятия решений, улучшая внутреннюю культуру и работоспособность команд.
⛓ Подробнее:
dora
@gen_i_i
DORA (DevOps Research and Assessment) опубликовала свой отчет за 2024 год, который анализирует связь между различными факторами разработки ПО, использованием ИИ, организационной культурой и производительностью команд. Опрос охватывает более 39 000 специалистов в области технологий.
🔍 Основные выводы:
1. Производительность разработки ПО:
🌟 Введение нового показателя частоты переделок разделяет факторы на пропускную способность (скорость изменений) и стабильность (надежность). Были выделены четыре уровня производительности: элитный, высокий, средний и низкий.
2. Внедрение ИИ:
🌟 81% организаций увеличивают приоритет внедрения ИИ. 74,9% разработчиков используют ИИ для написания кода, а 71,2% — для обобщения информации.
🌟 Несмотря на рост производительности благодаря ИИ, его внедрение может ухудшить общую производительность разработки ПО, что требует осторожного подхода.
3. Платформенная инженерия:
🌟 89% респондентов используют внутренние платформы, что повышает производительность на 6-10%. Однако это также может снижать пропускную способность и увеличивать риск выгорания разработчиков.
4. Опыт разработчиков:
🌟 Ориентация на пользователей и стабильность приоритетов приводит к более качественным продуктам, высокой удовлетворенности и снижению выгорания среди разработчиков.
5. Роль лидерства:
🌟 Трансформационное лидерство играет ключевую роль в успехе организационных изменений, повышая производительность и уменьшив выгорание.
💡 Ключевые рекомендации:
🌟 Ориентация на пользователей и стабильность приоритетов — важнейшие факторы для успешной разработки.
🌟 Непрерывное улучшение процессов и культуры обучения.
🌟 Осторожный подход к внедрению ИИ, чтобы минимизировать его возможное негативное влияние.
🌟 Трансформационное лидерство помогает в эффективных изменениях и мотивации сотрудников.
DORA 2024 подчеркивает, что для успеха в разработке ПО необходимо сочетание технологий, процессов и внимания к человеческому фактору. Важно адаптировать подходы и использовать данные для принятия решений, улучшая внутреннюю культуру и работоспособность команд.
⛓ Подробнее:
dora
@gen_i_i
显示 1 - 9 共 9
登录以解锁更多功能。