PeterWeiss
#codzienneainews przegląd prac naukowych #cainarxiv

• [0] Przewidywanie przyszłości: Jak LLM może sprawić, że tłumaczenie maszynowe będzie szybsze i lepsze
Naukowcy z Carnegie Mellon University i NVIDIA opracowali nową metodę symultanicznego tłumaczenia maszynowego, Translation by Anticipating Future (TAF), która wykorzystuje LLM do przewidywania przyszłych słów. Metoda tłumaczenia przez przewidywanie przyszłych słów może poprawić jakość tłumaczenia nawet o 5 punktów w benchmarku BLEU przy opóźnieniu wynoszącym zaledwie trzy słowa.
  • Najlepsze
  • Wszystkie komentarze
PeterWeiss
PeterWeiss Autor
4
Z innych newsów: xAI uruchomiło publiczne API dla modeli Grok i oferuje każdemu użytkownikowi 25 dolarów miesięcznie w darmowych kredytach do końca 2024 roku. API jest w pełni kompatybilne z interfejsami OpenAI i Anthropic, co ułatwia migrację istniejących projektów. Wystarczy zmienić URL API i wykorzystać klucz wygenerowany w konsoli xAI.

Zainteresowani mogą rozpocząć pracę z API poprzez rejestrację na platformie console.x.ai, gdzie znajdą również szczegółową dokumentację techniczną pod adresem docs.x.ai
PeterWeiss
#codzienneainews przegląd prac naukowych #cainarxiv

#motoryzacja w [1] #kosmos w [2], [3] i [8]

• [1] Wciśnij przycisk, żeby driftować
Toyota Research Institute i Rensselaer Polytechnic Institute wyszkoliły model SI do driftowania samochodami. Jest to nowe podejście oparte na uczeniu ze wzmocnieniem (RL). Technika wykorzystuje funkcję "nagrody" opartą na parametrze energii pochłanianej przez opony samochod, aby zachęcić model do utrzymywania wysokich kątów znoszenia bocznego podczas śledzenia
  • Najlepsze
  • Wszystkie komentarze
PeterWeiss
PeterWeiss Autor
17
Bonus: praktyczne roboty od Physical Intelligence

Podczas gdy obecne modele SI imponują w zadaniach obliczeniowych i generatywnych, ich niemoc w świecie fizycznym zawsze była uderzająca. Paradoksalne, prawda? AI może projektować leki, ale nie potrafi złożyć ręcznika.

Physical Intelligence właśnie zaprezentowało rozwiązanie, które może to zmienić - model π0. To nie jest kolejna iteracja chatbota czy generator obrazów. To kompleksowy system łączący rozumienie języka naturalnego z precyzyjną kontrolą robotów w świecie fizycznym. Wykorzystuje zaawansowaną architekturę
kutokalipsa67
Bonus: praktyczne roboty od Physical Intelligence


@PeterWeiss: ja to gdzieś widziałem
PeterWeiss
#codzienneainews przegląd prac naukowych #cainarxiv

• [1] Przewidywanie awarii sieci energetycznych
Naukowcy z Rensselaer Polytechnic Institute i IBMTJ Watson Research Center opracowali nowy sposób przewidywania awarii sieci energetycznej. Wykorzystują oni wnioskowanie przyczynowe (causal inference) do modelowania, w jaki sposób pojedyncza awaria linii może wywołać reakcję łańcuchową, prowadzącą do awarii zasilania. Wykracza to poza tradycyjne podejścia oparte na topologii i symulacje oparte na scenariuszach. Ich model osiągnął dokładność 45,7% w
  • Najlepsze
  • Wszystkie komentarze
PeterWeiss
PeterWeiss Autor
11
Bonus: Meta chwali się naprawdę interesującymi postępami w dziedzinie robotyki.

TL;DR: Opracowali trzy zaawansowane technologie dotykowe dla robotów - brzmi to może jak nisza, ale potencjalne zastosowania są ogromne. Mamy tu Meta Sparsh (uniwersalny system interpretacji dotyku), Meta Digit 360 (sztuczny palec z czułością dorównującą ludzkiej) i Meta Digit Plexus (platforma integrująca te czujniki w robotycznej dłoni). Szczerze mówiąc, to jeden z tych momentów w rozwoju robotyki, które mogą okazać się przełomowe.

Co ciekawe,
PeterWeiss
PeterWeiss
  • adult
13
Treść przeznaczona dla osób powyżej 18 roku życia...
  • Najlepsze
  • Wszystkie komentarze
PeterWeiss
#codzienneainews przegląd prac naukowych #cainarxiv

• [1] Wczesne wykrycie ratuje życie. Sieć neuronowa wykrywa krew w kupie
Naukowcy z Carnegie Mellon University, London School of Economics i DSO National Laboratories Singapore opracowali nowy model, który może wykrywać krew w stolcu z 94% dokładnością. Wykorzystali GAN do tworzenia syntetycznych obrazów, zwiększając wydajność modelu. Może to pomóc we wczesnym wykrywaniu raka jelita grubego.
Różni się to od poprzednich metod, takich jak
  • Najlepsze
  • Wszystkie komentarze
PeterWeiss
#codzienneainews przegląd prac naukowych #cainarxiv

• [0] LLM-y dostają nową umiejętność: zamknięcie japy, gdy nie są pewne odpowiedzi
Naukowcy z Uniwersytetu Oksfordzkiego znaleźli nowy sposób na nauczenie LLM jak unikać zmyślania. Wykorzystują oni entropię semantyczną, czyli miarę tego, jak bardzo LLM jest pewny swojej odpowiedzi, aby pomóc mu zdecydować, kiedy powinien się wstrzymać. Metoda ta może zmniejszyć wskaźnik halucynacji nawet o 30,1% w przypadku długich odpowiedzi. Podejście to różni
PeterWeiss
#codzienneainews przegląd prac naukowych #cainarxiv

• [1] Szkielet pieszego kluczem do bezpieczniejszych samochodów autonomicznych
Naukowcy z Queen Mary University of London i University of Cambridge opracowali nowy sposób przewidywania zamiarów pieszych (PIP), które wykorzystuje szkieletyzację do kompresji obrazów pieszych, zmniejszając objętość danych i złożoność obliczeniową o 99,7% przy jednoczesnym zachowaniu dokładności. Różni się to od poprzednich metod, które często opierają się na intensywnych obliczeniowo modelach.
[ https://arxiv.org/abs/2410.13039 ]

•
  • Najlepsze
  • Wszystkie komentarze
PeterWeiss
#codzienneainews przegląd prac naukowych #cainarxiv
• [1] Rozmowa drogą do mądrzejszego rozumowania LLM-ów
Naukowcy z NVIDIA, Carnegie Mellon University i Boston University opracowali nowy sposób trenowania LLM-ów, aby były lepsze w matematyce. Tworzą oni symulowane rozmowy między symulowanymi uczniami i nauczycielami, co pomaga LLM-om nauczyć się rozkładać złożone problemy na mniejsze działania. Metoda ta, zwana MIND, zaowocowała modelem, który wypadł lepiej niż model wyszkolony na niemal 4 razy większej
  • Najlepsze
  • Wszystkie komentarze
PeterWeiss
#codzienneainews #cainarxiv przegląd prac naukowych
• [1] Robot uczy się nowych sztuczek przez oglądanie youtuba
Naukowcy z UT Austin i NVIDIA Research opracowali nowy sposób uczenia robotów manipulowania obiektami poprzez oglądanie pojedynczego wideo. Ich metoda, zwana Okami, wykorzystuje obiektowo zorientowane przekierowanie (object aware retargeting), by dostosować ruchy do konkretnych lokalizacji obiektów. Pozwala to robotom uczyć się nowych zadań za pomocą tylko jednej demonstracji, osiągając średni wskaźnik skuteczności na poziomie
PeterWeiss
#codzienneainews
• [1] Google idzie w ślady Microsoftu i wchodzi w elektrownie atomowe
Google podpisał umowę z Kairos Power na wykorzystanie małych reaktorów jądrowych (SMR) do zasilania swoich centrów danych obsługujących AI. Pierwszy reaktor ma zostać uruchomiony do 2030 roku, a kolejne do 2035. Firmy technologiczne coraz częściej sięgają po energię jądrową, aby sprostać rosnącemu zapotrzebowaniu na prąd generowany przez centra danych. Umowa ma przyspieszyć komercjalizację zaawansowanej energii jądrowej, która jest
  • Najlepsze
  • Wszystkie komentarze

Powiązane tagi