GPT-4.1 для понимания статей arXiv 🚀

Выделите любой раздел статьи, чтобы задать вопросы, и отметьте «@» другие статьи, чтобы быстро добавить их в контекст и сравнить результаты, показатели и т. д.

Теперь официально: OpenAI делает соцсеть

Она будет похожа на X. Сейчас уже даже есть внутренний прототип: галерея изображений, сгенерированных пользователями. Ее ночью раскатили на всех юзеров, уже можно посмотреть (бесплатным тоже доступно, да). Пока что стартап собирает фидбэк.

Зачем им это? Первая причина – это данные. Вторая – тоже данные. Много открытых онлайн данных для обучения, как у Meta и XAI. Ну и бесплатная реклама через интеграцию моделей, как для Grok в X.

А теперь вспомним, как пару месяцев назад в ответ на запрос Маска купить OpenAI Альтман ответил «Мы бы лучше купили X». Масштабы пасхалки представили?

Небольшой анализ списка Forbes AI 50.
Основные тенденции и участники:

1.Генеративный ИИ и ИИ-агенты: Многие компании в списке сосредоточены на разработке генеративных моделей и ИИ-агентов, способных выполнять задачи, ранее требовавшие участия человека. Например, Harvey предоставляет юридическим фирмам инструменты для автоматизации анализа документов и поиска прецедентов, а Abridge использует ИИ для создания медицинской документации на основе голосовых записей врачей и пациентов. ​

2.Инфраструктура и инструменты для разработчиков: Компании, такие как LangChain, Baseten и Unstructured, предлагают решения для упрощения разработки и внедрения ИИ-приложений, предоставляя разработчикам необходимые инструменты и платформы.​
Forbes

3.Открытые модели и европейские стартапы: Французская компания Mistral AI выделяется среди европейских участников, предлагая открытые ИИ-модели, которые требуют меньше вычислительных ресурсов, что делает их более доступными для широкого круга пользователей. ​

4.Разнообразие отраслей: Стартапы из списка охватывают различные сферы, включая здравоохранение, оборону, робототехнику и продуктивность. Например, Figure AI разрабатывает гуманоидных роботов, а Notion интегрирует ИИ в инструменты для повышения продуктивности.​

В списке нет компаний, непосредственно специализирующихся на строительстве или архитектурном проектировании. Но некоторые из представленных имеют потенциал применения в этой области.

1. LangChain: предоставляет инструменты для создания ИИ-приложений, которые могут быть использованы для разработки систем автоматизированного проектирования и управления строительными проектами.​

2.Baseten: предлагает платформу для развертывания и масштабирования моделей машинного обучения, что может быть полезно для анализа данных в строительстве и архитектуре.​

3.Unstructured: специализируется на обработке неструктурированных данных, что может помочь в анализе архитектурной документации и строительных отчетов.

#ЛабораторияИИ #Эксперименты
Первые эксперименты нашей лаборатории исследований ИИ в архитектурном проектировании

Насколько LLM модели способны работать в контексте задач проектирования?
Наши первые эксперименты показали, что научить нейронную сеть общаться на "языке геометрии" очень интересная задача, которая имеет очень мощный потенциал.

На видео несколько демонстраций того, что модель способна ориентироваться в пространстве, хорошо интерпретирует исходный запрос, написанный "на коленке". И также удалось добиться понимания исходной геометрии.

P.S. Эксперименты проводятся на Платформе R2 ГК ПИК

FramePack

Создатель ControlNet только что представил новый подход к генерации видео прогрессивным способом — вы можете генерировать очень длинные видео с малым объемом видеопамяти (всего 6 ГБ)

#эксперименты
Новый функционал Stage для работы со сценой и генерацией 3д в сервисе Krea.ai
Начинаем тестировать⚡️⚡️⚡️

#вкопилкуэрудита #пытаюсьпонять
"Уверенность" LLM модели в своих ответах.

Функция потерь (Loss Function) — это математический инструмент, который измеряет, насколько предсказания модели отличаются от истинных данных. Она направляет обучение, помогая модели минимизировать ошибки.

Cross-Entropy Loss — самая эффективная и стандартная функция потерь для трансформеров в большинстве задач благодаря их вероятностной природе. И можно сказать, что это сердце LLM моделей.
LLM предсказывают вероятности слов или токенов, а Cross-Entropy идеально измеряет, насколько предсказания модели близки к истине. Будь то генерация текста, перевод или что-то еще — эта функция потерь помогает моделям учиться и становиться умнее.
Поскольку Кросс-энтропия работает с вероятностными предсказаниями, можно сделать описать ее так
Cross-Entropy Loss — это мера того, насколько модель "не уверена" в правильном ответе.

#unrealneural
Очень впечатляющее демо ИИ сервиса, будущее сервисов обслуживания клиентов.

Агенты, которые могут понимать текст, речь, изображения и даже живое видео.

Скоро все будет с открытым исходным кодом.

#ЛабораторияИИ #Эксперименты
Генерация планировки квартиры с помощью нейронной сети

Наша лаборатория активно работает над решением задачи генерации планировочных решений. Очень важно учитывать весь спектр ограничений и контекста, положение квартиры на типовом этаже и т.д, Это очень важно при генерации результата. В рамках модуля R2.ОПР нашей платформы мы начали тестирование технологий на базе нейронных сетей, которые позволяют учитывать ряд нужных критериев, а самое главное, понимают неявные принципы, признаки получения результата - для этого и нужны нейронные сети. Вот несколько экспериментов на пути решения этой задачи.

#unrealneural #mcp
Twitter MCP
MCP протокол и Твиттер!

Поиск и получение твитов и профилей пользователей (без необходимости использования Twitter/X API)

https://github.com/exa-labs/exa-mcp-server

#эксперименты
Играюсь с инструментом Scene Stage в Krea