Popularne tematy
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Najlepsze prace AI tygodnia (28 lipca - 3 sierpnia):
- GEPA
- Graph-R1
- AlphaEarth
- Samoewoluujące Agenty
- Hierarchiczny Model Rozumowania
- Efektywne Mechanizmy Uwagowe
- Optymalizacja Polityki Średniej Geometrycznej
Czytaj dalej, aby dowiedzieć się więcej:
1. Fundacje AlphaEarth
Fundacje AlphaEarth (AEF) wprowadzają model geospatialny, który nie jest uzależniony od zadania, a który uczy się zwartego, ciągłego w czasie pola osadzenia powierzchni Ziemi.
30 lip 2025
Nasz nowy model AI AlphaEarth Foundations mapuje planetę w zdumiewających szczegółach. 🌏🔍
Naukowcy będą teraz mogli śledzić wpływ wylesiania, monitorować zdrowie upraw i nie tylko – znacznie szybciej, dzięki naszym nowym zestawom danych. 🧵
2. Optymalizacja polityki średniej geometrycznej
Wprowadza stabilizowaną alternatywę dla grupowej względnej optymalizacji polityki (GRPO), która jest powszechnie stosowana w celu poprawy zdolności rozumienia w dużych modelach językowych za pomocą uczenia przez wzmocnienie.
3. GEPA (agencja ogniowa)
Wprowadza nowy optymalizator, GEPA, który adaptacyjnie ulepsza podpowiedzi dla złożonych systemów sztucznej inteligencji przy użyciu odbicia języka naturalnego i wyszukiwania opartego na Pareto.
29 lip 2025
Jak optymalizacja podpowiedzi wypada w porównaniu z algorytmami RL, takimi jak GRPO?
GRPO potrzebuje 1000 wdrożeń, ale ludzie mogą uczyć się z kilku prób - zastanawiając się, co zadziałało, a co nie.
Poznaj GEPA: refleksyjny optymalizator podpowiedzi, który może przewyższyć GRPO nawet o 20% przy 35-krotnie mniejszej liczbie wdrożeń! 🧵
5. Graph-R1
Wprowadza nową ramę RAG, która wykracza poza tradycyjne jednorazowe lub oparte na fragmentach wyszukiwanie, integrując wiedzę w strukturze grafu, agentowe interakcje wieloetapowe oraz RL.
30 lip 2025
Graph-R1
Nowa struktura RAG właśnie się pojawiła!
Łączy agentów, GraphRAG i RL.
Oto moje notatki:
7. Gdzie pokazywać demonstracje w swoim zapytaniu?
Wprowadza uprzedzenie DPP, nowy rodzaj wrażliwości pozycyjnej w dużych modelach językowych (LLM), gdzie lokalizacja demonstracji w zapytaniu znacząco wpływa na dokładność i stabilność wyników.
31 lip 2025
Gdzie umieścić demonstracje w swoim zapytaniu?
Niniejszy dokument stwierdza, że wiele zadań korzysta z demonstracji na początku zapytania.
Jeśli demonstracje są umieszczane na końcu wiadomości użytkownika, mogą zmienić ponad 30% prognoz bez poprawy poprawności.
Świetna lektura dla deweloperów AI.
140,52K
Najlepsze
Ranking
Ulubione