Kali Novskaya

Частые вопросы

Сколько подписчиков?

Подписчиков — 19,1 тыс. Медиана просмотров поста — 9,1 тыс. Просмотров на подписчика — 47,5%. Данные на 1 октября 2026 г.

Как часто выходят посты?

За 30 дней вышло постов: 7 — это несколько раз в неделю. Данные на 1 октября 2026 г.

Есть ли у канала галочка Telegram?

Галочки Telegram нет.

Кто ведёт страницу канала в каталоге?

Пока никто. Если это ваш канал — заберите страницу: сможете отвечать на отзывы и видеть её статистику.

Последние посты

• 21 сент.3,8 тыс.13 пересылок26 реакций14 комментариевОткрыть в Telegram
  Ну и подкаст от Alpharxiv, конечно
• 21 сент.14,7 тыс.Открыть в Telegram
  🌸AI Research Preference Model🌸 #nlp #про_nlp #nlp_papers Сегодня опять про скаффолды для агентов. Мы уже говорили про то, хорошая ли идея применить сверху preference models для оценки потенциала идей (спойлер: нет). А что, если попробовать обучить такую preference-модель не на вкусовщине (новизна идеи, "вкус", интуиция и т.д.), а на верифицируемом сигнале? Про это наша новая статья — “AI Research Preference Models”. 🌸TL;DR Главная проблема: AI-агент может быстро придумать множество вариантов эксперимента, но полноценный запуск каждого варианта — обучение модели и оценка результата — требует часов работы GPU. Поэтому критически важно заранее понять, какие идеи действительно стоит проверять. Мы предлагаем Research Preference Model (RPM) — модель, которая сравнивает несколько предложенных решений и выбирает наиболее перспективное до их полного запуска. В идеале, такая модель может выучить паттерны лучших практик МЛ, чтобы использовать эту информацию для попарного сравнения экспериментов, какой будет более перспективным. Рассматриваются два варианта: Inference-only RPM анализирует планы, код и результаты предыдущих экспериментов только при помощи рассуждений LLM. Agentic RPM дополнительно проводит дешёвые пилотные эксперименты: запускает сокращённое обучение (5 минут, 30 минут, 4 часа), проверяет код и использует полученные метрики для выбора. 🌸Агент RPM встроена в исследовательского агента AIRA-dojo. На каждом шаге агент генерирует 15 вариантов продолжения, после чего RPM проводит попарное сравнение и отправляет на полноценный запуск только победителя. 🌸Данные Эксперименты проведены на 20 задачах AIRS-Bench, охватывающих языковое моделирование, математику, биоинформатику и временные ряды. Каждому запуску предоставлялись 24 часа на одной H200 GPU. 🌸Основные результаты обычный AIRA-dojo: 0,684 среднего нормализованного балла; с Inference-only RPM: 0,711; с Agentic RPM: 0,729; теоретически достижимый результат: 0,748. Обе RPM достигают результата обычного 24-часового агента примерно за 15 часов, то есть требуют примерно в 1,5 раза меньше вычислений. Кроме того, были получены новые SOTA: 94,1% на WinoGrande против прежнего агентного SOTA 90,4%; 95,7% на SVAMP против опубликованного человеческого SOTA 94,2%. 🌸Главный вывод статьи: прогресс исследовательских агентов зависит не только от способности генерировать хорошие идеи, но и от умения выбирать, какие идеи заслуживают дорогой экспериментальной проверки. Дополнительные вычисления выгодно тратить не только на генерацию решений, но и на их предварительный отбор, основанный на предсказуемых и верифицируемых сигналах. Сигнала от мини-версии эксперимента, с первых 5 минут, бывает вполне достаточно! Проверено на одном скаффолде, но для всех tree-search подходов такой апгрейд должен сработать. 🟣Arxiv arxiv.org/abs/2608.13940 🟣Alpharxiv alphaxiv.org/abs/2608.13940

  Ещё
• 17 сент.7,3 тыс.75 пересылок149 реакций32 комментарияОткрыть в Telegram
  Шмидтхубер написал, что он первый придумал Recursive Self-improvement в 1987 году. Наконец-то, а то мы уже стали переживать

  people.idsia.ch/…

  https://people.idsia.ch/~juergen/recursive-self-improvement.html
• 12 сент.9,1 тыс.Открыть в Telegram
  Будем делать субботний мемотред? #шитпост
• 9 сент.10 тыс.78 пересылок119 реакций60 комментариевОткрыть в Telegram
  Поскольку на этой неделе все обсуждают возможное решение (и воровство) Навье-Стокса (краткое содержание у Ильи Гусева), то самое время вспомнить, что проблема научной атрибуции результатов при использовании ИИ в науке уже была описана как риск в Лейденской декларации о ИИ и математике. Многие отдельные учёные и институты уже подписали декларацию (а некоторые учёные, например, Vladimir Lazic, заняли ещё более строгую позицию). И вот теперь такой прецедент — то ли доказательство частично украдено, то ли нет. Что предписывает декларация: 🟣 Раскрывайте использование инструментов: указывайте, какие ИИ и программы использовались. 🟣 Помогайте рецензентам: давайте ссылки и проверяемые доказательства. 🟣Следуйте открытой науке: делайте исследования прозрачными и доступными. 🟣 Отвечайте за корректность: ответственность всегда остаётся за авторами. 🟣 Сохраняйте человеческое авторство: ИИ не является автором работы. 🟣 Корректно указывайте источники: тщательно атрибутируйте идеи и результаты. 🟣 Участвуйте в публичной дискуссии: объясняйте обществу результаты, полученные с ИИ. 🟣 Следите за технологиями: понимайте возможности новых ИИ-инструментов. 🟣 Приветствуйте новых участников: делайте математическое сообщество открытым. 🟣 Осознанно выбирайте инструменты: учитывайте их открытость, эффективность и ценности. 🟣 Учитывайте этические последствия: избегайте исследований и партнёрств, способных причинить вред. Сюда бы можно было добавить ещё целый пункт про использование опен-сорсных моделей, хоть это и требует ресурсов. Я лично не верю, что OpenAI тяжело проверить, какие примеры попали в обучение модели, так как примеры всегда максимально фильтруются и проверяются на абляционных исследованиях. 🟣leidendeclaration.ai

  Ещё
• 9 сент.7,8 тыс.19 пересылок159 реакций18 комментариевОткрыть в Telegram
  Сегодня выступила на разогреве у Шмидтхубера 🥹 🟣

  superintelligenceconference.org/…

  https://www.superintelligenceconference.org
• 7 сент.9,2 тыс.41 пересылка230 реакций33 комментарияОткрыть в Telegram
  
• 10 авг.13,1 тыс.34 пересылки59 реакций19 комментариевОткрыть в Telegram
  🟣Ollama тоже вышла ollama.com/blog/muse-glimmer

  ollama.com/…

  https://ollama.com/library/muse-glimmer
• 10 авг.10,3 тыс.38 пересылок29 реакций3 комментарияОткрыть в Telegram
  Ещё больше рецептов подвезли: 🟣NVidia blog про модель:

  developer.nvidia.com/…

  https://developer.nvidia.com/blog/run-local-agentic-ai-workflows-with-metas-muse-glimmer-on-nvidia/

  🟣NVidia NIM контейнер:

  catalog.ngc.nvidia.com/…

  https://catalog.ngc.nvidia.com/orgs/nim/meta/containers/muse-glimmer/-

  🟣VLLM inference

  recipes.vllm.ai/…

  https://recipes.vllm.ai/meta-models/Muse-Glimmer-30B

  🟣SGlang inference

  docs.sglang.io/…

  https://docs.sglang.io/cookbook/autoregressive/Meta/MuseGlimmer

  🟣AMD + LM Studio

  amd.com/…

  https://www.amd.com/en/blogs/2026/run-meta-muse-glimmer-30b-on-amd-ryzen-ai-max-and-radeon-gpus.html

  Ещё
• 10 авг.9,1 тыс.56 пересылок40 реакций20 комментариевОткрыть в Telegram
  🟣Unsloth Вышла квантизация Unsloth

  huggingface.co/…

  https://huggingface.co/unsloth/Muse-Glimmer-30B

  huggingface.co/…

  https://huggingface.co/unsloth/Muse-Glimmer-30B-GGUF

  И подробный гайд

  unsloth.ai/…

  https://unsloth.ai/docs/models/muse-glimmer

  🟣MLX MLX — тут будут версии fp4, 8bit и другие

  huggingface.co/…

  https://huggingface.co/models?other=base_model:finetune:meta-models/Muse-Glimmer-30B

  Ещё

О канале в цифрах

Создан

11 марта 2022 г.

Фото

1,2 тыс.

Видео

23

Файлы

7

Ссылки

592

По данным Telegram на 1 октября 2026 г.

Отзывы

Отзывов пока нет. Ваш будет первым.

Похожие

Ещё по теме