Привет! Меня зовут Кирилл Воронин, я data scientist в Doubletapp. В статье расскажу вам, как мы автоматизировали рутинные процессы отсмотра и сверки документов для допуска подрядчиков к тендерам.
Читать полностью »Рубрика «большие языковые модели» - 7
Как мы помогли сырьевой госкомпании ускорить и упростить подбор подрядчиков с помощью LLM
2024-12-02 в 14:43, admin, рубрики: llm, natural language processing, автоматизация, автоматизация бизнес-процессов, автоматизация бизнеса, автоматизация бизнеса заказчиков, большие языковые модели, искусственный интеллект, машинное обучениеЧитать полностью »Почему LLM так плохо играют в шахматы (и что с этим делать)
2024-11-29 в 10:10, admin, рубрики: gpt 3.5-turbo, gpt 4.0, gpt-4 omni, gpt-4o, llama, llama 3.1, llm, большие языковые модели, шахматы
В своём последнем посте я говорил об одной загадке: все большие языковые модели (LLM) ужасно играют в шахматы. Все, за исключением gpt-3.5-turbo-instructЧитать полностью »
ИИ в деле: актуальные сценарии внедрения нейросетей в России
2024-11-28 в 10:07, admin, рубрики: большие языковые модели, видеоаналитика, нейросети, предиктивные технологии, развитие ии, речевые технологии
Как диалоги с LLM превращаются в танец идей
2024-10-31 в 9:16, admin, рубрики: chatgpt, llm, OpenAI, techtalk, большие языковые модели, ИИ, искусственный интеллект"Вы когда-нибудь задумывались, каково это - органично сочетать технологию с творчеством?"
Привет, меня зовут Ден, и я всегда был на переднем крае технологического прогресса, движимый неутолимым любопытством к технической и творческой сторонам нашего цифрового мира, сегодня мы поговорим о LLM…
Как научить LLM понимать видео? Часть 2
2024-10-25 в 8:28, admin, рубрики: llm, анализ видео, большие языковые модели, мультимодальностьПривет! В прошлой статье мы рассказали про эволюцию подходов к обучению мультимодальных больших языковых моделей для решения задачи понимания видео. Сегодня хотим рассказать о том, как мы учим LLM понимать видео и поддерживать диалог по ним на русском языке, и как мы оцениваем этот навык, чтобы сравнивать разные модели между собой.
Почему сложно обучить качественную русскоязычную Video-LLM
От Павлова до ChatGPT: как LLM перевернули наше понимание мышления
2024-10-18 в 23:44, admin, рубрики: большие языковые модели, искусственный интеллект, квалиа, когнитивные науки, машинное обучение, мышление, нейронные сети, сознание, теория познания, эмбеддинг"Истинная проблема не в том, говорят ли машины, как люди, а в том, знаем ли мы достаточно о человеческой речи." - Клод Шеннон
"Парадокс цифрового 'китайца': LLM в Китайской комнате знает больше любого реального китайца, но никогда не пробовала настоящий чай улун." (автор)
Введение
Machine Learning: Медицинский дайджест за период 07.10 — 13.10 2024 г
2024-10-17 в 8:15, admin, рубрики: data science, deep learning, llm, большие языковые модели, медецинаБольшой медицинский Machine learning дайджест подготовлен командой телеграм канала Machine Learning Interview.
Модели машинного обучения и бенчмарки
🟩 ONCOPILOT: Интерактивная модель для сегментации опухолей на основе КТ и измерения по RECIST 1.1.
Почему AI не заменит программистов
2024-10-14 в 7:50, admin, рубрики: AI, llm, большие языковые модели, ИИ, искусственный интеллектВ эпоху быстрого развития AI и LLM я все чаще вижу, что многие люди думают AI заменят всех программистов и они будут не нужны. Такую мысль высказывал даже CEO Nvidia - Jensen Huang.
Но несмотря на впечатляющие достижения ИИ в области генерации кода, существует фундаментальное ограничение, которое не позволяет им полностью заменить человека в программировании — неспособность к настоящему рассуждению (reasoning).
Иллюзия интеллекта
OpenAI o1 — LLM, обученная выполнять сложные логические рассуждения
2024-10-01 в 11:34, admin, рубрики: data engineering, llama, llm, mlops, nlp, reinforcement learning, большие языковые модели, квантизация, машинное обучение, нейронные сетиOpenAI изменили направление развития своих языковых моделей, от просто генерации текста их последняя модель перешла к решению задач с использованием логики и пошагового анализа проблемы.
До сих пор LLM генерировали текст на основе данных, использованных в процессе обучения. Веса модели хранят представление о зависимостях между текстовыми токенами, полученное из исходного корпуса данных. Соответственно, модель просто генерирует наиболее вероятные токены "по памяти", но не выполняет с их помощью никакой по-настоящему интеллектуальной работы.
