Блог.
Как мы собираем приложения, внедряем AI и почему каждую пятницу что-то выходит.
Разборы исследований
Сначала новые
Теория объяснила пределы позиционного кодирования на длинных последовательностях
Формальная модель показывает, почему относительное кодирование переносит постоянные смещения, а абсолютное — фиксированные позиции, и где оба подхода перестают работать.
Калибровка вероятностей улучшила выбор биологических экспериментов
На EDB-Bio модель Ibis0 точнее оценивала биологические гипотезы и эффективнее выбирала следующий эксперимент, но результат пока ограничен тремя типами биологических данных.
Почему числовой разрыв и отставание весов требуют разных поправок в RL
DLC отделяет расхождение вычислений от устаревших весов и синхронизирует генератор, когда перевзвешивание примеров перестаёт работать.
CRoS проверяет причинность рассуждения перестановкой шагов
CRoS переставляет шаги рассуждения, не меняя их содержание, и превращает разницу в вероятности ответа в награду для обучения модели.
BYOD превращает готовую LLM в диффузионную модель за несколько часов
BYOD переводит модели Gemma, Llama, Qwen и Ministral на диффузионную генерацию с помощью LoRA, но пока уступает исходным моделям в математике, коде и качестве текста.
Mage-VL-Cowork: как обучить гибридного агента работе за компьютером
Авторы Mage-VL-Cowork показали полный цикл обучения агента, который сам выбирает между интерфейсом и терминалом, и сократили повторные затраты на генерацию задач.
Как извлечь рассуждения из закрытой модели-учителя
Stepwise-Querying превращает краткие ответы закрытой модели в пошаговые обучающие примеры и помогает дообучать компактные модели без доступа к внутренней цепочке рассуждений.
RTL-Interact объединяет генерацию, проверку и исправление RTL в одной модели
RTL-Interact показывает, как обучить одну модель писать RTL, выбирать проверки EDA и исправлять схему по диагностике без отдельного агента-ремонтника.
CGAP строит план вызовов из контрактов инструментов
CGAP превращает каталог инструментов в формальную модель, поручает зависимости классическому планировщику и проверяет каждый вызов агента перед исполнением.
Как связать авторизацию агента с эффектом, маршрутом и состоянием
Протокол связывает разрешение агента с конкретным маршрутом, текущим состоянием системы и подтверждением записи, чтобы смена интерфейса не позволяла обойти политику.
Noura учит компактную LLM на планах, которые не прошли проверку
Noura превращает исполняемые персональные требования в проверяющий модуль и источник обучающих примеров для компактных моделей-планировщиков.
