Sber AI

- Вместе вы провели в общении 67 202 962 часа - Самая длинная сессия — 10 513 сообщений

1️⃣ Обычные нейросети хорошо работают с упорядоченными данными (например, изображениями) 2️⃣ При этом они хуже справляются с событиями, которые происходят с разными интервалами (клики пользователя, покупки). Данные приходится дискретизировать, из-за чего теряется важная информация 3️⃣ Новая архитектура работает в непрерывном времени и лучше понимает связи между событиями — без сложных механизмов, замедляющих работу моделей

👉🏻 Описание метода читайте в статье

- Добавляйте, заменяйте и удаляйте объекты на фото - Ретушируйте портреты: улучшайте тон кожи, добавляйте макияж - Убирайте с фотографий случайных прохожих и лишние предметы - Редактируйте изображения в разных художественных стилях

🟣 Отреставрируй это фото 🟣 Добавь мне вечерний макияж и укладку 🟣 Сделай фото в стиле аниме

Но в Бразилии, да ещё и с коллегами из Google, Apple, Huawei и других международных компаний. Как пролетели дни на ICLR — рассказываем в дайджесте 👆🏻

⚡️ на нетворкинг-митап Сбера зарегистрировались более 200 человек из России, США, Северной Македонии, ОАЭ и Индии. Мы поделились наработками и показали свои технологии и продукты — GigaChat, новые модели Kandinsky, AI4Football и другие

⚡️ на постерную сессию привезли четыре исследования, в которых наши учёные сравнивали анализ текста от ИИ и человека, анализировали эффективность диффузионных моделей и изучали особенности глубокого обучения

Лауреат Научной премии Сбера Роман Соловьёв рассказал о том, как ИИ меняет проектирование микросхем и почему догонять Запад по старым правилам бессмысленно 👇🏻

Если нет доступа к самым тонким техпроцессам, надо проектировать чип так, чтобы даже на более грубом техпроцессе он показал производительность, близкую к передовой.

▪️оптимизирует размещение миллиардов транзисторов на площади размером с монетку ▪️перебирает миллионы вариантов компоновки ▪️находит неструктурированные, но более эффективные решения — чип оказывается на 10–20% экономичнее по энергопотреблению и площади

😎 — мозги решают

▫️Константин Митин, руководитель направления Центра человекоцентричного ИИ ▫️Руслан Алиев, Senior Data Scientist ▫️Олег Дурыгин, руководитель направления по исследованию данных Центра исследования ИИ для спорта

⭐️ Роман Соломатин, главный инженер по разработке, Департамент развития искусственного интеллекта и машинного обучения, Управление экспериментальных систем машинного обучения HUME: Measuring the Human-Model Performance Gap in Text Embedding Tasks Авторы создали специальный тест — HUME, чтобы оценить, насколько хорошо люди и модели справляются с анализом текста. Результат: в среднем модели опережают людей (80,1% против 77,6%), но в сложных языках и тонких смысловых нюансах человек всё ещё сильнее ⭐️ Вячеслав Васильев, Senior Data Scientist; Мария Ковалёва, Middle Data Scientist, Управление базовых моделей Kandinsky Time-Correlated Video Bridge Matching Авторы предложили подход к обработке видео, где модель учитывает связь между кадрами во времени, а не анализирует их по отдельности. Проще говоря, система учитывает прошлые кадры и предсказывает следующие — за счёт этого движения объектов в кадре становятся более плавными и естественными ⭐️ Дмитрий Бабаев, Lead AI Rsearcher; Павел Задорожный, Middle AI Researcher; Родион Левичев, Middle AI Researcher, Управление экспериментальных систем машинного обучения Multi-LCB: Extending LiveCodeBench to Multiple Programming Languages Был представлен новый бенчмарк, который проверяет способность ИИ решать свежие соревновательные задачи по программированию. Его также расширили на 12 языков, чтобы понять реальную эффективность модели на конкретном стеке ⭐️ Савелий Чежегов, Middle AI Researcher, Центр практического искусственного интеллекта High-Probability Bounds For the Last Iterate of Clipped SGD Учёные предложили решение одной из ключевых проблем обучения ИИ: необходимость многократных запусков из-за случайных факторов. Они впервые провели строгий анализ сходимости Clip-SGD для последней итерации. Метод оказался эффективным. Он позволяет обучать модель один раз и получать надёжный результат

❤️ — было реально жарко 🔥 — бегом читать статьи

Отмечаем Праздник Весны и Труда и обмениваемся открытками с друзьями. Кстати, сделать такие же можно в ГигаЧат

Когда Amazon внедрила роботов на складах, компания убрала навигацию, рассчитанную на человека, и перешла на систему координат 🤖

▪️они не «смотрят на карту» данных ▪️они не ищут данные через навигацию ▪️они запрашивают значение напрямую

🔗 с навигации → на операционную семантику 🔗 от пайплайнов → к смыслу 💡О том, как проектировать среду для агентов и почему это важнее промптинга, можно прочитать в канале наших коллег, а также в МАКС

Сейчас ситуация меняется: стоимость отсутствия контекста впервые становится измеримой через качество решений агентов 🖥

❤️ — хочется узнать об альтернативах 🔥 — надо идти в ногу со временем