InhumanScience

Последние публикации канала «InhumanScience»

1. 2 просмотров, 19 июл. 2026 г.

   Apple ML представила VICIS — новый подход к визуальному мышлению для AI-моделей. Проблема: современные vision-language модели умеют следовать текстовым инструкциям, но не умеют "думать визуально". Покажи им набор картинок с общей концепцией — они не поймут, что их объединяет. VICIS (Visual Concept Inference from Sets) — это новая задача и архитектура: модель получает несколько примеров изображений с общей идеей и новый запрос, а затем должна сгенерировать изображения, сохраняющие эту концепцию. Тесты на ImageNet и WordNet показали, что модель лучше обобщает даже на незнакомые концепции и…

   Открыть пост в MAX
2. 2 просмотров, 19 июл. 2026 г.

   Apple ML опубликовала исследование об «умном» удалении данных из обученных моделей. Суть: когда пользователь требует удалить свои данные из модели (right to be forgotten), обычно алгоритм обрабатывает все точки одинаково — это дорого. Исследователи задались вопросом: а нужно ли вообще удалять данные, которые почти не повлияли на обучение модели? Через анализ функций влияния (influence functions) на задачах зрения и языка они нашли подмножества данных с пренебрежимо малым эффектом на выходы модели. Если исключить такие точки до запуска процедуры unlearning — вычислительные затраты падают до…

   Открыть пост в MAX
3. 2 просмотров, 17 июл. 2026 г.

   Nvidia Tech запускает nanousd-labs — инструмент для быстрой генерации лёгких USD-рантаймов с помощью ИИ-агентов. Раньше разработчикам приходилось адаптировать огромные существующие кодовые базы, даже если нужна была лишь небольшая реализация с конкретными требованиями к памяти или производительности. Теперь ИИ-агенты читают официальную спецификацию USD напрямую, генерируют код и сразу проверяют его на соответствие стандарту. Агенты берут на себя механическую работу: парсинг, композицию сцен, разрешение значений. Разработчики при этом сохраняют контроль над архитектурными решениями. Результат…

   Открыть пост в MAX
4. 2 просмотров, 17 июл. 2026 г.

   Nvidia представила BlueField-4 — новое поколение инфраструктурных процессоров для агентного ИИ. Суть в том, что современные агентные системы — это уже не просто запрос к модели. Один запрос запускает десятки вызовов инструментов, обращений к памяти и проверок безопасности. Всё это нагружает CPU и замедляет GPU. BlueField-4 берёт эту работу на себя: выгружает сетевые операции, хранилище, безопасность и управление KV-кэшем с хостового процессора на выделенный чип. Результат — GPU загружены полезной работой, а не ожиданием данных. Ключевые цифры: до 800 Гбит/с сети, 64-ядерный Grace CPU на…

   Открыть пост в MAX
5. 2 просмотров, 17 июл. 2026 г.

   Nvidia представила NemoClaw — инструмент для интеграции видеоаналитики с корпоративными системами. Раньше AI мог только анализировать видео. Теперь он умеет действовать: автоматически создавать тикеты в Jira, эскалировать инциденты, формировать отчёты и запускать бизнес-процессы на основе увиденного. Как это работает: NemoClaw объединяет три компонента — видеоанализ (VSS Blueprint), корпоративную базу знаний (RAG Blueprint) и агентную оркестровку. Система сначала уточняет у пользователя, что искать в видео, затем обогащает анализ документами компании и выдаёт структурированный отчёт с…

   Открыть пост в MAX
6. 5 просмотров, 17 июл. 2026 г.

   Как 0.58% параметров сохраняют всю мощь RL-обучения? RL-дообучение LLM работает, но плохо поддаётся контролю: модель теряет разнообразие решений и начинает конфликтовать между доменами (математика vs. код vs. инструкции). Авторы из Tsinghua предлагают SAR (Subspace-Aligned Rewiring) — геометрический взгляд на RL-обновления весов. Идея: сингулярные векторы базовой модели — это "атомарные навыки", а RL по сути перекоммутирует связи между ними, не меняя сам базис. Значит, достаточно спроецировать RL-обновление обратно на SVD-многообразие базовой модели. Результат — компактная "матрица…

   Открыть пост в MAX
7. 5 просмотров, 17 июл. 2026 г.

   Текст и картинка рождаются вместе: SC-CMJP (by Google) Обычные мультимодальные модели генерируют текст и изображение последовательно — сначала текст, потом картинка. Проблема: ошибки в тексте уже не исправить, когда рисуешь. Google предлагает SC-CMJP — фреймворк, где текст и изображение генерируются параллельно и постоянно корректируют друг друга. Ключевая идея: скорость "раскрытия" токенов одной модальности зависит от уверенности другой через cross-modal attention. Если картинка не уверена в каком-то фрагменте — текст может "передумать" и замаскировать токен обратно. Сэмплер CO2Jump работает…

   Открыть пост в MAX
8. 5 просмотров, 17 июл. 2026 г.

   Между pretraining и agent fine-tuning есть дыра — и её можно заполнить (by TIGER-Lab) Когда обучают coding-агентов, берут базовую code LLM и сразу гонят agent-trajectory fine-tuning. Но между pretraining и post-training — структурный зазор: базовая модель не умеет рассуждать в стиле "контекст → действие → наблюдение → продолжение". Авторы заметили: вызов функции — это ровно та же структура! Предвызывный код = история агента, сам вызов = действие, возвращаемое значение = наблюдение, код после = продолжение. Решение: mid-training на function-aware FIM. Вместо случайных span'ов маскируются…

   Открыть пост в MAX
9. 13 просмотров, 1 реакций, 16 июл. 2026 г.

   Nvidia Tech обновила DeepStream до версии 9.1 с двумя ключевыми фичами для видеоаналитики. AutoMagicCalib (AMC) автоматически калибрует сеть камер без ручной настройки — раньше нужно было расставлять шахматные доски и прерывать работу. Теперь система сама анализирует видео и вычисляет параметры каждой камеры. Multi-View 3D Tracking (MV3DT) объединяет потоки с нескольких камер в единую 3D-систему координат и присваивает объектам стабильные ID при переходе между зонами видимости. Поддерживаются детекторы PeopleNetTransformer, PeopleNet v2.6.3 и RT-DETR 2D. Версия также включает 13 агентных…

   Открыть пост в MAX
10. 14 просмотров, 1 реакций, 16 июл. 2026 г.

    Meta AI представила Hierarchical Interest Representation — новую систему для оптимизации рекламы в глубокой воронке. Что это такое: слой представлений на основе трансформеров и графового обучения, который связывает скрытые интересы пользователей с предложениями рекламодателей. Система обучена на миллиардах взаимодействий из реальных данных Meta. Ключевые фишки: граф из пользователей, рекламодателей и продуктов обогащается мультимодальным контентом через LLM — текст, изображения, видео. Это помогает понять не только как пользователь взаимодействует с рекламой, но и что из себя представляет сам…

    Открыть пост в MAX
11. 13 просмотров, 1 реакций, 16 июл. 2026 г.

    OpenAI представила GPT-Red — автоматизированную систему красного тиминга на основе самоигры. Суть простая: модель сама атакует себя, генерирует сложные сценарии и учится на них становиться устойчивее. Без участия человека на каждом шаге. Что это даёт? Система находит уязвимости в безопасности, проблемы с выравниванием и слабые места к prompt injection — и всё это в автоматическом режиме. Раньше такую работу делали команды людей вручную, что дорого и медленно. Для пользователей это значит: модели OpenAI будут лучше сопротивляться манипуляциям и джейлbreakам, а обновления безопасности станут…

    Открыть пост в MAX
12. 16 просмотров, 16 июл. 2026 г.

    LLM запомнил факт — но не умеет им пользоваться. Почему? Феномен "Knowing-Using Gap": модель после файнтюнинга отлично воспроизводит новый факт ("Сидней находится в Австралии"), но проваливается на многошаговых вопросах ("Какая столица страны, где Сидней?"). Авторы разобрались в механике этого провала. Ключевой инструмент — self-patching: берём скрытое представление нужного токена из одного прогона и "вставляем" его в другой прогон на нужный слой. Сканируя все слои и шаги обучения, можно буквально видеть, где "застряло" знание и когда оно начинает участвовать в рассуждениях. Гипотеза: знание…

    Открыть пост в MAX
13. 160 просмотров, 2 реакций, 16 июл. 2026 г.

    Zero RL на триллион параметров — и мозг модели начал работать сам по себе Почти все исследования zero RL (обучение с подкреплением прямо с базовой модели, без SFT) ограничены небольшими моделями. inclusionAI решили проверить: что будет, если масштабировать до 1T параметров? Результат: Ring-2.5-1T-Zero обучили через трёхступенчатый пайплайн — сначала RL для пробуждения рассуждений, затем self-distillation для сжатия CoT-трейсов, потом адаптивное обучение под разную глубину мышления. Никаких человеческих аннотаций. Главный сюрприз — спонтанно возникшие когнитивные стратегии: структурированное…

    Открыть пост в MAX
14. 13 просмотров, 16 июл. 2026 г.

    Поисковик для генератора картинок — когда нейросеть не знает, как выглядит талисман Экспо-2025 Современные генераторы изображений отлично рисуют, но плохо знают мир: свежие персонажи, нишевые символы, исторические артефакты — всё это за пределами их обучающей выборки. Авторы из TIGER-Lab собрали 20к реальных промптов с production-платформ и обнаружили: топовые open-source генераторы набирают лишь 21–28 из 100 на их бенчмарке. Казалось бы — добавь поиск и всё! Но наивный поиск ломает генерацию: лишние детали, стилистический шум, "copy effects". Авторы предлагают систему gate–filter–integrate:…

    Открыть пост в MAX
15. 13 просмотров, 15 июл. 2026 г.

    Apple ML представила PARE — фреймворк для оценки проактивных ИИ-ассистентов. Суть: существующие подходы моделируют приложения как плоские API, не учитывая последовательность действий пользователя. PARE решает это, представляя приложения как конечные автоматы с состояниями — это делает симуляцию реального поведения пользователя возможной. В комплекте идёт PARE-Bench: 143 задачи из коммуникации, продуктивности, планирования и лайфстайл-приложений. Бенчмарк тестирует четыре ключевых навыка агента: наблюдение за контекстом, вывод о целях пользователя, выбор момента для вмешательства и оркестрацию…

    Открыть пост в MAX