«Let’s Verify Step by Step»: как награда за каждый шаг меняет проверку рассуждений
Разбираем работу OpenAI Let’s Verify Step by Step: зачем давать награду не только за финальный ответ, но и за каждый...
Редактор исследований и методологии
София Белова ведёт исследовательское направление COMRAD404. Она разбирает статьи, препринты и отчёты так, чтобы читателю были понятны дизайн исследования, выборка, метрики и границы вывода.
Отдельное внимание уделяет темам образования, науки и общественных эффектов ИИ. Корреляции не превращаются в причинность, а предварительные результаты обозначаются как предварительные.
Разбираем работу OpenAI Let’s Verify Step by Step: зачем давать награду не только за финальный ответ, но и за каждый...
Разбираем GNoME от Google DeepMind по первоисточникам: что в работе значит 2,2 млн «новых материалов», почему ключевая цифра — 381...
Разбираем, как AlphaProof и AlphaGeometry 2 набрали 28/42 на IMO 2024, что в этом результате было действительно новым, и почему...
В 2024 году Нобелевские премии по физике и химии впервые одновременно отметили работы, напрямую связанные с ИИ. Разбираем не медийный...
Разбираем Humanity’s Last Exam — бенчмарк CAIS и Scale AI для закрытых вопросов экспертного уровня. Что в нём меряют, почему...
Разбор Nature-статьи Shumailov et al. о model collapse: почему рекурсивное обучение на данных от ИИ стирает хвосты распределения, что показали...
Разбор AlphaFold 3 по статье Nature 2024 и материалам DeepMind: что изменилось в архитектуре, как модель перешла от одиночных белков...
Разбираем исходную работу Microsoft о GraphRAG: как граф сущностей и иерархические community summaries помогают отвечать на «глобальные» вопросы по корпусу...
23 июля 2024 Meta выпустила Llama 3.1 405B и назвала её моделью уровня фронтира с открыто доступными весами. Разбираем paper,...
Стартап Encord совместно с немецкой Zander Labs экспериментирует с измерением мозговой активности человека во время выполнения физических задач. Новая модальность...
Open-source и закрытые AI-модели различаются не только доступом к весам, но и лицензией, развертыванием, контролем данных и зависимостью от вендора.
GAN — класс генеративных моделей, где генератор и дискриминатор обучаются в противоборстве. Кратко разбираем механику, применение и ограничения.