[PeterWeiss]

Rewolucja? Meta opublikowała dokument, w którym opisuje Byte Latent Transformer (BLT) - nową architekturę dla modeli językowych działających na poziomie bajtów. BLT eliminuje potrzebę tokenizacji, dynamicznie grupując dane w "paczki" (patches), co pozwala na lepsze wykorzystanie zasobów obliczeniowych i poprawę wydajności w porównaniu do tradycyjnych modeli opartych na tokenach.
Kluczowe wnioski:
→ BLT grupuje bajty w dynamiczne paczki, optymalizując alokację obliczeń.
→ Zużywa do 50% mniej zasobów przy inferencji, osiągając wyniki na poziomie modeli tokenowych.
→ Jest skalowalny dzięki równoczesnemu zwiększaniu rozmiaru modelu i paczek.
→ Jest bardziej odporny na szum i lepszy w zadaniach znakowych (np. manipulacja tekstem, tłumaczenia języków niszowych).
→ Ogólnie lepiej się skaluje i radzi z danymi o dużej złożoności w porównaniu do tradycyjnych modeli opartych na tokenach.
[ https://ai.meta.com/research/publications/byte-latent-transformer-patches-scale-better-than-tokens/ ]

Ciekawe badanie z Tsinghua University. Autorzy wprowadzają paradygmat rozumowania „Chain-of-User-Thought” (COUT) dla agentów AI. COUT integruje spersonalizowane preferencje użytkownika z procesem decyzyjnym agenta poprzez trzyetapowy proces myślowy: nawigację po GUI, wnioskowanie o wymaganiach i spersonalizowane rekomendacje.
[ https://arxiv.org/abs/2412.07472 ]

Kilku naukowców z Peking University zaprezentowało DiffSensei, narzędzie do generowania mangi za pomocą tekstowych promptów. Łączy ono generator obrazów z modelem językowym umożliwiając dostosowanie wyglądu, pozycji i działań postaci. Wraz z nim zaprezentowano bazę MangaZero z 43 tys. stron mangi. DiffSensei choć nie idealny zdecydowanie przewyższa inne tego typu rozwiązania (np StoryGen, StoryDiffusion, MS-Diffusion).
[ https://arxiv.org/abs/2412.07589 ]

Gaze-LLE to obecnie topowy model analizujący na co patrzy dana osoba. Zamiast używać wielu skomplikowanych modeli, naukowcy z Georgia Institute of Technology i University of Illinois wykorzystali jeden uniwersalny model (DINOv2) i dodali do niego informacje o konkretnej osobie.
[ https://arxiv.org/abs/2412.09586 ]
[ https://github.com/fkryan/gazelle ]

======================
Tagi do obserwowania lub czarnolistowania: #codzienneainews #cainarxiv


======================
Zawołać cię do kolejnego wpisu? Zaplusuj CENTRALNĄ LISTĘ DO WOŁANIA dostępną pod tym linkiem:

https://wykop.pl/wpis/78971397/centralna-lista-do-wolania-zaplusuj-ten-wpis-aby-b

Aby nie być dalej wołanym/wołaną - odplusuj wspomniany wpis.

[PeterWeiss]

Treść została ukryta... Pokaż treść

[PeterWeiss]

Treść została ukryta... Pokaż treść

[PeterWeiss]

Treść została ukryta... Pokaż treść

[PeterWeiss]

Prezentacja możliwości ~~gazeli~~ Gaze-LLE:

[ https://streamable.com/jklvy9 ]

[kryzelek]

@PeterWeiss: Dziękuję za ciekawy wpis w niedzielny poranek i życzę smacznej kawusi (｡◕‿‿◕｡)

[bezkonta]

@jestemtakizmeczony: To brzmi strasznie dystopijnie. Mam nadzieję, że prawo to zablokuje, ale wiem wiem, nadzieja matką głupich.

[geuze]

@jestemtakizmeczony: ja po prostu przestanę konsumować treści, jeżeli będę musiał oglądać reklamy xD Wrócę do książek i gier bez prądu, tyle.

[Glikol_Propylenowy]

@jestemtakizmeczony: Korporacja będzie wykorzystywała to AI do kontroli pracownika, żeby sprawdzić czy wykonuje zadania związane z pracą, na co dokładnie patrzy, przez jaki czas jest efektywny w pracy.

[przegro_pisarz]

@PeterWeiss jak się przed tym chronić? Zaraz będzie to na każdej stronie i nie będzie się dało nic przeglądać...

[polarized]

@bezkonta pewnie w odpowiedzi wymyślą soczewki kontaktowe, które temu będą przeciwdziałać albo ludzie zaczną nosić specjalne okulary

[bezkonta]

@polarized: Albo np. oszukujesz kamerę wygenerowanym obrazem/filmem AI, gdzie widz - wygenerowane oczy 'oglądają' to, co jest puszczane.

[toolonge]

@Glikol_Propylenowy: już ma wystarczające sposoby do kontroli i weryfikacji

[dale-horvath]

@PeterWeiss: ciekawe jak poradzą sobie z kobrą schredingera

[Glikol_Propylenowy]

już ma wystarczające sposoby do kontroli i weryfikacji

@toolonge: nie wiesz, że apetyt rośnie w miarę jedzenia? Bardziej szczegółowe tabelki i informacje o pracowniku i jego wydajności zawsze są lepsze niż te mniej szczegółowe.

[goral27]

@PeterWeiss: można wiedziec z jakich źródeł korzystasz?
Twoje wpisy są cholernie dobre

[peoplearestrange]

Meta opublikowała dokument, w którym opisuje Byte Latent Transformer (BLT)

@PeterWeiss: przeciez nazwa modelu doskonale oddaje istote - Bacon, Lettuce, Tomato

[NieBendePrasowac]

@jestemtakizmeczony: czekam zatem na jakieś naklejki holograficzne albo okulary do oszukiwania AI z aliexpress ( ͡° ͜ʖ ͡°)

[PeterWeiss]

@goral27: ❤
Obecnie korzystam z takiego jakby klienta RRS - follow.is, który po nakarmieniu adresami śledzonych www (głównie https://github.com/foorilla/allainews_sources ), arxivami, kanałów YT, osobami z sociali (Twitter/X) ładnie wszystko sam zaciąga i prezentuje to w znośnej formie.

[vanitydomain]

@PeterWeiss: dobra Gazela