TGTGInsighttelegram intelligenceLIVE / telegram public index
← Китайский клуб НСО МГИМО

TGINSIGHT SIMILAR POSTS

Find similar content

Source channel @ccmgimo · Post #310 · Nov 17

🎙 Ответы Посла по особым поручениям, Старшего должностного лица России в АТЭС К.М.Барского на вопросы МИА «Россия сегодня» 📅 18-19 ноября в Бангкоке состоится очередная встреча лидеров экономик-участниц форума «Азиатско-тихоокеанское экономическое сотрудничество» (#АТЭС). К сожалению, традиционно конструктивная работа в рамках АТЭС в этом году омрачена попытками США, Австралии, Канады, Новой Зеландии и Японии привнести в повестку дня Форума «украинский сюжет», а также возложить на Россию ответственность за неблагоприятное положение дел в мировой экономике. Терпеливо разъясняем партнерам, что рост цен на продовольствие и энергетические товары, как и в целом развитие инфляционных тенденций, наблюдаются уже несколько лет и объясняются: 👉 вызванными пандемией сбоями в глобальных и региональных стоимостных цепочках, 👉 безоглядной «накачкой» мировой экономики ликвидностью в рамках ультралиберальной кредитно-денежной политики эмитентов основных резервных валют. Россия является инициатором или активным участником реализации более чем 20 проектов АТЭС в таких сферах, как торговля и инвестиции, цифровая трансформация, устойчивое и инклюзивное развитие. Отмечаем взвешенную и конструктивную позицию таиландского председательства, которое Россия всецело поддерживает. Рассчитываем на успешное проведение саммита АТЭС и консенсусное одобрение лидерами его итоговых документов. Подробнее

Hashtags

Results

1 similar post found

Search: #memoryos

当前筛选 #memoryos清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8010 · 07/10/2025, 11:37 AM

⚡️ Китайские исследователи из Shanghai Jiao Tong и Zhejiang University представили MemOS — первую в мире "операционную систему памяти" для ИИ. Обычные LLM быстро забывают информацию, а дообучать их — долго и дорого. В новой работе предлагают радикально другой подход: MemOS превращает память в часть операционной системы. 🟢Память как файлы: Модель может *записывать, перемещать и удалять* знания, как будто работает с файлами, и делать это прямо во время работы, а не только на этапе обучения. 🟢MemCube — контейнер знаний: Каждое знание упаковывается в кубик с метками времени и авторства. Планировщик сам решает, где хранить этот "куб" — в тексте, GPU‑кэше или в виде маленького патча весов. 🟢Умная экономия: MemOS работает с 1500 токенами памяти, но достигает такой же точности, как если бы модель загружала весь контекст. При этом скорость — как у облегчённых моделей. 🟢Мгновенная подгрузка: На тестах с Qwen2.5‑72B переключение нужных "кубов" в кэш снижает задержку первого токена на 91.4%, *без изменения ответа*. 🟢Результаты: MemOS набрал 73.31 балла по LLM‑Judge на LOCOMO-бенчмарке — почти на 9 баллов больше ближайшего конкурента. Особенно хорошо работает на сложных задачах с несколькими шагами и временными зависимостями. 💡 Итог: память как ОС — это не просто удобно, это ускоряет модель, повышает точность и даёт контроль над знаниями. Установка: pip install MemoryOS 🟠GitHub 🟠Проект @ai_machinelearning_big_data #MemoryOS#agentmemory#rag#kvcache