[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 ]

[jestemtakizmeczony]

model analizujący na co patrzy dana osoba.

@PeterWeiss: Marketing lubi to! Analiza w czasie rzeczywistym co dokładnie ogląda klient jest bezcenna.

Można to również wykorzystać do innych celów: monitorowania, czy patrzyłeś na ekran podczas wyświetlania reklamy, bo jeśli nie, to YouTube nie pokaże ci klipu, który chciałeś obejrzeć. Sony ma na to patent BTW.

O, albo do zliczania ile razy ktoś gapił się na twoje c---i, albo bebech (bo jest

[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