TGViewer
Channel Public Channel
Big data world

Big data world

@bigdata_world

Интересные статьи Data Science : Big Data : Machine Learning : Deep Learning

По вопросам сотрудничества- @Daily_admin_info

По иным темам @un_ixtime
Open in Telegram
Subscribers
2.24K
Photos
413
Videos
64
Links
1.3K

Showing posts older than #1395 · Back to latest

Older Posts 20 shown
Post #1394 1.31K
Понимание внимания в LLM
Существует множество отличных статей и руководств по ИИ, которые объясняют модель внимания в больших языковых моделях. Но эта по сути простая модель часто затемняется деталями реализации и оптимизациями. В этом посте я постараюсь перейти к сути.

https://bartoszmilewski.com/2025/03/06/understanding-attention-in-llms
Bartosz Milewski's Programming Cafe Understanding Attention in LLMs There are many excellent AI papers and tutorials that explain the attention pattern in Large Language Models. But this essentially simple pattern is often obscured by implementation details and opt…
Post #1392 2.46K
Новые тенденции в создании продуктов GenAI

По мере того, как мы перемещаем программные продукты, использующие технологию генеративного ИИ, из проверки концепций в производственные системы, мы обнаруживаем ряд общих шаблонов. Оценки играют центральную роль в обеспечении того, чтобы эти недетерминированные системы работали в разумных границах. Большие языковые модели нуждаются в улучшении, чтобы предоставлять информацию за пределами общего и статического обучающего набора. В большинстве случаев мы можем сделать это с помощью Retrieval Augmented Generation (RAG), хотя базовый подход RAG требует нескольких шаблонов для преодоления своих ограничений. Когда RAG недостаточно, становится полезной тонкая настройка.

https://martinfowler.com/articles/gen-ai-patterns
martinfowler.com Emerging Patterns in Building GenAI Products Patterns from our colleagues' work building with Generative AI
Post #1391 1.76K
Какой лучший PDF Extractor для RAG? Я пробовал LlamaParse, Unstructured и Vectorize

https://levelup.gitconnected.com/whats-the-best-pdf-extractor-for-rag-i-tried-llamaparse-unstructured-and-vectorize-4abbd57b06e0
Medium What’s the Best PDF Extractor for RAG? I Tried LlamaParse, Unstructured and Vectorize If you’re building retrieval augmented generation (RAG) applications, you will eventually need to work with documents that are in PDF form.
Post #1390 3.54K
20 важных статистических подходов, которые знает каждый специалист по данным🐱‍🚀

https://medium.com/@sarowar.saurav10/20-advanced-statistical-approaches-every-data-scientist-should-know-ccc70ae4df28
Medium 20 Important Statistical Approaches Every Data Scientist Knows🐱‍🚀 Data science is a multidisciplinary field that combines mathematics, statistics, computer science, and domain expertise to extract…
Post #1388 3.45K
Агентские и RAG-системы обычно испытывают трудности с обновлением знаний в режиме реального времени и быстрым поиском данных.

Сегодня давайте обсудим недавнюю статью Zep , в которой представлена ​​интересная архитектура графа знаний с учетом времени, призванная решить эту проблему. https://blog.dailydoseofds.com/p/build-human-like-memory-for-your
Dailydoseofds Build Human-like Memory for Your AI Agents A must-read research paper on Agents!
Post #1386 2.45K
Vision Search Assistant: Расширьте возможности моделей Vision-Language в качестве мультимодальных поисковых систем

https://cnzzx.github.io/VSA
Post #1381 1.27K
Масштабирование во время тестирования — это многообещающий новый подход к языковому моделированию, который использует дополнительные вычисления во время тестирования для повышения производительности. Недавно модель OpenAI o1 продемонстрировала эту возможность, но не поделилась своей методологией публично, что привело к многочисленным попыткам репликации. Мы ищем самый простой подход для достижения масштабирования во время тестирования и высокой производительности рассуждений.

https://github.com/simplescaling/s1
GitHub GitHub - simplescaling/s1: s1: Simple test-time scaling s1: Simple test-time scaling. Contribute to simplescaling/s1 development by creating an account on GitHub.
Post #1379 1.24K
Beyond Jupyter — это сборник материалов для самостоятельного изучения проектирования программного обеспечения, в котором особое внимание уделяется приложениям машинного обучения. Он демонстрирует, как грамотное проектирование программного обеспечения может ускорить как разработку, так и эксперименты. https://transferlab.ai/trainings/beyond-jupyter
transferlab.ai Beyond Jupyter | TransferLab — appliedAI Institute Beyond Jupyter is a collection of self-study materials on software design, with a specific focus on machine learning applications, which demonstrates how sound software design can accelerate both development and experimentation.
Older posts →
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →