Имя автора: Стас Искаков

Участник профессиональных сообществ | НАУФОР и MOEX

Стас Искаков

Nanbeige4‑3B‑Thinking: 23‑триллионный токен‑поток позволяет моделям 3‑млрд преодолевать рассуждения, рассчитанные на 30‑млрд классов

Nanbeige4‑3B‑Thinking – это новая архитектура, построенная на 23‑тримиллионном токен‑потоке, который позволяет моделям с 3 млрд параметров решать задачи, ранее доступные только […]

Nanbeige4‑3B‑Thinking: 23‑триллионный токен‑поток позволяет моделям 3‑млрд преодолевать рассуждения, рассчитанные на 30‑млрд классов Читать дальше

Как создать полностью локальный агентный пайплайн для повествования, используя рабочие процессы Griptape, модели Hugging Face и модульную оркестрацию креативных задач

В последние годы рост генеративных моделей привёл к появлению новых форм интерактивного контента, где история создаётся в реальном времени под

Как создать полностью локальный агентный пайплайн для повествования, используя рабочие процессы Griptape, модели Hugging Face и модульную оркестрацию креативных задач Читать дальше

OpenAI анонсировали GPT‑5.2: модель стала умнее, быстрее и экономичнее

OpenAI анонсировала GPT‑5.2, модель, способную удерживать контекст до 128 тысяч токенов, что в три раза превышает лимит GPT‑4. Такой скачок открывает

OpenAI анонсировали GPT‑5.2: модель стала умнее, быстрее и экономичнее Читать дальше

CopilotKit v1.50 приносит AG-UI Agents прямо в ваше приложение с useAgent Hook.

CopilotKit v1.50 знаменует собой поворотный момент в интеграции искусственного интеллекта в приложения. С появлением нового хука useAgent, разработчики получили в

CopilotKit v1.50 приносит AG-UI Agents прямо в ваше приложение с useAgent Hook. Читать дальше

Кодинг-гайд: Агент процедурной памяти, выполняющий Learning, Storing, Retrieving и Reusing Skills как Neural Modules.

Представьте агента искусственного интеллекта, который не просто выполняет задачи, но учится, совершенствуется и накапливает опыт, словно человек. Речь идет о

Кодинг-гайд: Агент процедурной памяти, выполняющий Learning, Storing, Retrieving и Reusing Skills как Neural Modules. Читать дальше

Google LiteRT NeuroPilot Stack превращает MediaTek Dimensity NPUs в первоклассные цели для on Device LLMs.

Мир технологий находится на пороге новой революции, и её катализатором становится невиданное ранее сближение программного обеспечения и аппаратных возможностей мобильных

Google LiteRT NeuroPilot Stack превращает MediaTek Dimensity NPUs в первоклассные цели для on Device LLMs. Читать дальше

Zhipu AI представила GLM-4.6V: Vision Language Model со 128K контекстом и Native Tool Calling.

В мире искусственного интеллекта каждая новая веха вызывает бурные обсуждения и предвкушения. Недавно компания Zhipu AI, один из ведущих игроков

Zhipu AI представила GLM-4.6V: Vision Language Model со 128K контекстом и Native Tool Calling. Читать дальше

Как Titans и MIRAS переосмысливают Long Context Modeling: от Transformers к Associative Memory

В 2017 году публикация статьи «Attention Is All You Need» заложила основу для революции в области искусственного интеллекта. Модели-трансформеры, с

Как Titans и MIRAS переосмысливают Long Context Modeling: от Transformers к Associative Memory Читать дальше

Google Colab интегрировал KaggleHub: One Click доступ к данным, моделям и соревнованиям Kaggle.

В мире машинного обучения и анализа данных произошло событие, способное кардинально изменить привычный ландшафт. Google Colab, облачная среда для Jupyter-ноутбуков,

Google Colab интегрировал KaggleHub: One Click доступ к данным, моделям и соревнованиям Kaggle. Читать дальше

ИССЛЕДОВАНИЕ NPBFX «СУММАРНЫЙ КОЭФФИЦИЕНТ РОЖДАЕМОСТИ В РОССИИ ПО РЕГИОНАМ»

Разговор о том, сколько детей появляется на свет, всегда вызывает живой интерес, ведь сухие цифры статистики показывают наше ближайшее будущее.

ИССЛЕДОВАНИЕ NPBFX «СУММАРНЫЙ КОЭФФИЦИЕНТ РОЖДАЕМОСТИ В РОССИИ ПО РЕГИОНАМ» Читать дальше

Полный Workflow иерархической байесовской регрессии в NumPyro: JAX Inference и Posterior Predictive Analysis.

В мире, где данные стали новой нефтью, способность извлекать из них глубокие и надежные знания определяет успех. Иерархическая байесовская регрессия

Полный Workflow иерархической байесовской регрессии в NumPyro: JAX Inference и Posterior Predictive Analysis. Читать дальше

Прокрутить вверх