Hugging Face
Hugging Face — это GitHub для машинного обучения: платформа с миллионами открытых моделей, датасетов и демо. Библиотека Transformers и открытые лидерборды сделали её центром притяжения всего open-source ИИ. Здесь собраны все наши материалы о Hugging Face.
Исследователи описали, как JEPA выбирает признаки: важны связи, а не одиночки
Mosh Levy, Aly Lidayan и Yoav Goldberg ввели «predictive closure»: JEPA сохраняет не отдельно предсказуемые признаки, а наборы, которые предсказывают друг друга.
Дообучение Gemma 4 с GPU на Cloud Run: от 89% до 94% в классификации животных
Полный разбор дообучения Gemma 4 на собственных данных в Google Cloud. Архитектура с нативной поддержкой видео и аудио, QLoRA квантование и рост точности с 89% до…
LLM как декодер в ASR: адаптация SALM-архитектуры Nvidia для русскоязычной телефонии
Контур адаптировал гибридную архитектуру SALM от Nvidia для русскоязычной телефонии и видеоконференций. Вместо классической каскадной системы они использовали LLM…
Cohere предлагает энергокомпаниям запускать ИИ-агентов North внутри их периметра
Переписывание данных обошло DP-SGD по балансу приватности и качества
Kolab: 115 часов записей показали, что ИИ-агенты не понимают коллег-людей
DialFork измерил процедурные галлюцинации агентов на 36 278 диалогах
AlphaBet учит LLM-агента прогнозировать события: Brier лучше на 14,4%
Исследователи обучили GLM-4.5-Air искать данные и называть вероятности по нескольким датам. Brier на Forecast-Dojo упал с 0,731 до 0,626, на FutureX с 0,612 до…
SAE-IDF сопоставляет символы разных систем и обгоняет базовый метод до 45 пунктов
Метод SAE-IDF на разреженных автоэнкодерах сопоставляет элементы разнородных символьных систем и обходит плотный базлайн на 12 задачах с Gemma-2-9B, выигрывая до 45…
Исследователи нашли в Pythia окно в 0,4–1,1% претрейна, где перестраивается readout
SAE на Gemma-2-2B: доля совпавших признаков выросла с 2% до 29% при 50M токенов
REASON учит модель думать в два контура и экономит около половины вычислений
KANLab: форк TensorFlow Playground показывает обучение KAN в браузере
BeliefWeaver добавил агентам 5,1 п.п. на длинных задачах, 9B-ученик — 9,8
BeliefWeaver помогает агентам исправлять ошибки, причина которых лежит на несколько шагов раньше. Дистиллированная 9B-модель дала +9,8 п.п. и сократила затраты на…
Исследователи проверили 6 309 agent skills: у половины есть доступ к shell
Анализ 6 309 листингов из двух маркетплейсов: у 50% есть shell, у 13% доступ к учётным данным, а 59% заявленных разрешений занижают реальные возможности.