ИИ

В мире с ИИ остро необходимы новые правила этикета для общения между людьми. Предлагаю следующие: 👀 Не делитесь тем, что не прочитали или не посмотрели полностью сами. Сгенерированный контент бывает норм. Но ответственность за него несёте вы. Не надо кидать стены текста или картинки, которые вы сами не смотрели 📝 Не надо вообще делиться кусками чата с БЯМ/агентами и тем более вставлять их на слайды. Выделите суть и перескажите своими словами. А читать горы текста со слайдов никто не будет ❗️ Честно помечайте произведённый ИИ контент. В этом нет ничего предосудительного: все так или иначе пользуются ИИ. Просто явно укажите, где именно он был использован. Как вариант – наоборот помечайте органический контент 🍃 А что бы добавили вы?

🛠️ Метод По существу предлагается не так уж много: - 📐 Берем квадратичное разложение. Вместо полного Гессиана (матрицы Фишера) берем диагональ, а ее оцениваем через статистики Адама (которые у нас и так есть). - ⚖️ Диагональ Фишера используем для подбора оптимальных скейлов при заданных квантованных значениях (кодах). Перебирая общий скейл-фактор, находим оптимальные коды. - 🔢 В основном фокусируются на INT2/3/4, но еще рассматривают и NVFP4, где скейлы перебираются по FP8-сетке. Дальше много всякой теоретической лабуды, которой я не читал. 🧪 Эксперименты Для валидации метода рассматривают QAD (дистилляцию на логитах исходной модели) предобученных Qwen3-4B-Thinking-2507 и Llama-3.1-8B-Instruct, а также SFT Qwen3-4B-Base. По бенчам в 2 битах оно заметно лучше QAT/PTQ-бейзлайнов, в 3 и 4 битах разница не столь существенна. Лосс на обучении ниже и стабильнее. Ablation показывает, что все компоненты дают пользу: - 🧠 Hessian-aware взвешивание - 🔍 Поиск скейлов Итоговый оверхед якобы небольшой — замедление шага обучения всего на 1,5% против стандартного QAT со STE. 🧾 Выводы Вроде бы несложная модификация STE, потенциально улучшающая качество. Но эффект провалидирован только на небольших моделях (обучение без FSDP, по всей видимости). Для больших моделей аншардирование статистик Адама может приводить к нетривиальному замедлению. Кроме того, нынче модно учить с Мюоном, а там аналога такой кривизны просто нет. При этом Мюон со STE может быть и не хуже Адама с прибамбасами, кто знает. Но для лечения GGUFов тема вполне рабочая.

QUASAR: Lowering the Loss Floor of Quantization-Aware Training with Loss-Aware Reconstruction 📄 Статья 💻 Кода нет Когда PTQ (Post-Training Quantization) не выдает желаемого качества при целевой степени сжатия или модель нужно адаптировать по ходу дела, неизбежно приходится переходить к QAT (Quantization-Aware Training). Наивный STE (проброс градиента) может работать сносно, но расходится на низких битностях и вообще не очень стабилен. По факту градиент считается не из той точки, где в данный момент находится вес. Кроме того, существующие техники не учитывают кривизну при оптимизации в STE. И данная работа предлагает сравнительно недорогой способ сделать STE точнее и более адаптивным под геометрию.

ИИ решил математическую проблему, которая не поддавалась учёным 22 года, всего за 16 часов Нейрохирург из Китая Цзинь Шаньму при помощи модели GPT-5.6-Sol доказал гипотезу Круазе, выдвинутую ещё в 2004 году. Примечательно, что у самого врача нет профильного математического образования — знания он получал преимущественно самостоятельно, пишет издание SCMP. Нейросети потребовалось примерно 16 часов автономной работы, чтобы построить доказательство. Результат уже проверили сам автор гипотезы Мишель Круазе и другие специалисты-математики, они подтвердили его корректность. Тем не менее полноценное научное рецензирование работы пока не завершено. Интересно, что интерес Цзиня к этому разделу математики возник случайно — он занимался задачей, связанной с транскраниальным ультразвуком, и именно это привело его к формулировке и решению математической проблемы. #интересное

#Нейропрожарка 🥩 RIBEYE INFERNO - реклама стейка 👤 Автор: Артур Шатихин @artsabai Группа в тг: @artkolpro   💡 Идея Главная задача была - не обычно показать стейк, добавив немного провокации. 🎬 Производство Большая часть проекта была создана через Magnific. Картинки делал в GPT image и seedream pro. Особенно интересно показал себя Seedream 5 pro, который в Magnific доступен безлимитно. Правда, иногда модель приходилось буквально умолять надеть на женщину лифчик. 😄 В некоторых генерациях она категорически отказывалась одеваться. Для эротических сцен использовал Grok. Он срабатывал далеко не с первого раза, но при правильно составленном промпте позволял создавать лёгкую эротику и естественные движения. Все что связано с едой, было сделано в seedance 2.0. 🔊 Работа со звуком Музыку создавал в Suno. За основу взял одну из композиций Limp Bizkit, и переделал ее. По своему звучанию трек получился очень близким к Limp Bizkit — тяжёлым, жёстким, грязным и энергичным. Мне понравилось, как эта музыка легла на видеоряд. Тяжёлый гитарный рифф хорошо сочетается с огнём, жаркой стейка, движениями девушки и общей атмосферой ролика. 💰 Стоимость Основным расходом стала подписка на Magnific, которая стоит чуть больше $30. В Suno потрачено минимум кредитов, поэтому не считаю. GPT тоже не считаю, постоянно использую 🚀 Итог В результате получилась концептуальная реклама, в которой гастрономия соединяется с эротикой. @cgevent

Google Research показала PhotoScan, исследовательскую ИИ-систему, которая по обычным фото человека спереди и сбоку оценивает состав тела и риск инсулинорезистентности. Модель смотрит не только на общий процент жира, но и на его распределение: соотношение жира в области живота и бедер, а также висцерального и подкожного жира. Именно эти показатели могут дать больше информации о метаболическом здоровье, чем один BMI. PhotoScan предварительно обучили на данных более 35 тысяч участников UK Biobank, а затем дообучили на 677 людях с реальными фотографиями со смартфона и результатами DXA. На независимой выборке система определяла процент жира со средней ошибкой около 2,13 процентного пункта. Для выявления инсулинорезистентности модель с PhotoScan получила AUROC 0,760 против 0,773 у клинического DXA-сканирования. То есть несколько фотографий со смартфона в эксперименте приблизились по информативности к дорогому медицинскому сканированию. Но пока это именно исследовательский прототип, а не инструмент для самостоятельной диагностики. https://research.google/blog/seeing-beyond-bmi-estimating-cardiometabolic-risk-with-smartphone-imagery/

🌟 MiDashengLM-Gen: генерация комплексных звуковых сцен Команда MiLM Plus из Xiaomi опенсорснула генератор звука по текстовому описанию, который создаёт целостные аудиосцены из речи, музыки, звуковых эффектов и фоновой акустики окружающей среды. Под капотом - собственный аудиотокенизатор MiDashengLM-0.6B, построенный по архитектуре DashengTokenizer, и дообученная языковая модель Qwen3-1.7B, работающие в связке с Flow matching на базе DiT. Данные для обучения из двух источников: первый - приватный суперсет ACAVCaps на 77 тысяч часов с речью, музыкой и эффектами, второй - микс TTS-корпусов Emilia, LibriTTS, LJSpeech, AISHELL-3, WenetSpeech4TTS. Русский язык модель знает, в речевой части ACAVCaps его доля 4,66%, но основа обучения всё же английский (54%) и китайский (24,5%). В TTS-сетах русского нет вообще, и это видно по качеству (13,19% ошибок против 2,42% на английском). Управление в промпте задаётся тегами: <|caption|> - описание всей сцены; <|asr|> - текст для озвучки голосом; <|speech|> - тон, эмоции, стиль голоса; <|sfx|> - звуковые эффекты; <|music|> - описание музыки; <|env|> - окружающая среда. Указывать нужно все, а если поле неприменимо, туда идёт <|unknown|>. У чистой речи, например, заглушки стоят в полях музыки и эффектов. Смысл в том, чтобы управляющие факторы не слипались друг с другом. Модель видит явное разделение и не пытается вывести стиль говорящего из описания фонового шума. На выходе - трек в формате WAV с частотой дискретизации 16 кГц. Длина ограничена до 20 секунд, на более длинных таймингах модель не проверяли. 🟡Тесты

Прямых аналогов среди открытых моделей почти нет, поэтому авторы сопоставляют систему с узкоспециализированными по каждой задаче и со своим же предшественником Dasheng AudioGen.

Основная причина для гордости - разборчивость речи. На английском Seed-TTS доля ошибок упала с 12,15% до 2,79%. Мультиязычность тоже подтянулась, но до уровня Qwen3-TTS и Seed-TTS система не дотягивает. Вин-стрик по эмоциям на CV3-Eval, где эмоция подсказана текстом, - 0,98 радость, 0,96 грусть, 0,92 злость. По генерации отдельных звуков в AudioCaps система уступает TangoFlux (FAD 5,01 против 2,26).

В планах - клонирование голоса, подтягивание низкоресурсных языков и управление по времени.

📌Лицензирование: Apache 2.0 License 🟡Страница проекта 🟡Веса 🟡Arxiv 🟡Демо 🖥GitHub @ai_machinelearning_big_data #AI #ML #TTA #TTS #TTSFX #MiDashengLM #Xiaomi