TGTGInsighttelegram intelligenceLIVE / telegram public index
← Midjourney/Nano Banana Prompts NeuroSpark

TGINSIGHT SIMILAR POSTS

Trouver du contenu similaire

Chaîne source @Shutter · Post #4607 · 22 mai

Harbor, cargo port, ships #AI#artificial_Intelligence

Résultats

10,064 posts similaires trouvés

Recherche globale générale

AI & Law

@ai_and_law · Post #341 · 28/06/2024 07:04

Implementing Transparency in AI: A Step Forward Zuzanna Warso and Paul Keller from Open Future, alongside Maximilian Gahntz from Mozilla, have published a proposal to implement the EU AI Act’s training data transparency requirement for general-purpose AI (GPAI). Article 53 1(d) of the Act mandates GPAI model providers to publish detailed summaries of their training content, covering data sources and sets with narrative explanations. The proposed template emphasizes a comprehensive scope and sufficient technical detail to benefit both experts and laypeople. These summaries should list primary data collections, provide narrative explanations of other data sources, and clearly distinguish between 'data sources' (origins) and 'datasets' (processed data points). This transparency requirement aims to enhance accountability, enable research and scrutiny, and strengthen individuals' and organizations' ability to exercise their rights in the AI development process. #AI#Transparency#AIAct#DataGovernance#OpenFuture#Mozilla

Machinelearning

@ai_machinelearning_big_data · Post #8740 · 10/10/2025 10:45

💡RND1 - новаяэкспериментальная модель с 30 миллиардами параметров, построенная по архитектуре Sparse Mixture-of-Experts, где активно 3 миллиарда параметров. Она была преобразована из предварительно обученной авторегрессионной модели (Qwen3-30B-A3B) и затем дополнительно обучена на 500 миллиардах токенов, чтобы полностью поменять поведениие диффузионной модели. Обычные модели (AR, автогрессионные) пишут текст слово за словом, а RND1 создаёт всё предложение сразу и потом пошагово уточняет его, как будто “проявляет” текст из шума. Это - Diffusion Language Model (DLM), аналог диффузионных моделей, которые рисуют картинки, только здесь она “рисует” слова. 🔄 Как её сделали Команда Radical Numerics придумала, как превратить готовую модель в диффузионную без обучения с нуля. Они просто поменяли тип внимания и дообучили модель на новой задаче. Этот метод называется AR-to-Diffusion Conversion (A2D) - то есть конверсия из автогрессионной модели в диффузионную. Как это происходит: 1. Берут сильную GPT-подобную модель. 2. Меняют механизм внимания — теперь модель видит весь контекст сразу. 3. Продолжают обучение по диффузионной задаче. 4. Используют разные скорости обучения для разных частей сети, чтобы модель не забыла старое, но научилась новому способу мышления. ⚙️ Что под капотом ▪Mixture-of-Experts (MoE) - у модели 30 млрд параметров, но реально работают только 3 млрд за раз. Это делает её мощной, но экономной. ▪Непрерывное дообучение - старые знания не стираются, а “встраиваются” в новый режим. ▪Огромные батчи - модель учится на больших партиях данных, чтобы стабилизировать обучение, ведь она не обрабатывает все токены сразу. ✔️ Чем RND1 интересна: - Параллельная генерация - текст создаётся быстрее, без пошаговой задержки. - Меньше затрат - активных параметров всего 3 млрд, при этом качество как у больших GPT. - Новая архитектура - открывает дорогу гибридным моделям, сочетающим плюсы AR и DLM. - Полностью открытый код и веса - можно исследовать, изменять, запускать самому. - Первый серьёзный шаг к самосовершенствующемуся ИИ- модель может не только обучаться, но и помогать в проектировании следующей версии. Это реально интересный метод, RND1 показывает, что ИИ можно не просто обучать, а перестраивать - менять его саму логику мышления без начала “с нуля”. Похоже, это может стать фундаментом для систем Recursive Self-Improvement (RSI), когда ИИ способен создавать и улучшать самого себя. 🟠Blog: https://radicalnumerics.ai/blog/rnd1 🟠Code: https://github.com/RadicalNumerics/RND1 🟠Report: https://radicalnumerics.ai/assets/rnd1_report.pdf 🟠Веса: https://huggingface.co/radicalnumerics/RND1-Base-0910 🟠Видео: https://www.youtube.com/watch?v=M8XdNsecroo @ai_machinelearning_big_data #RND1#RadicalNumerics#AI#DLM#DiffusionModel#MoE#OpenSource

GitHub Trends

@githubtrending · Post #15414 · 14/01/2026 17:30

#javascript#agent#agentic#agentic_ai#ai#ai_agents#automation#cursor#design#figma#generative_ai#llm#llms#mcp#model_context_protocol Cursor Talk to Figma MCP lets Cursor AI read and edit your Figma designs directly, using tools like `get_selection` for info, `set_text_content` for bulk text changes, `create_rectangle` for shapes, and `set_instance_overrides` for components. Setup is quick: install Bun, run `bun setup` and `bun socket`, add the Figma plugin. This saves you hours by skipping context switches, automating repetitive tasks like text replacement or override propagation, speeding up design-to-code workflows, and keeping everything in sync for faster, precise builds. https://github.com/grab/cursor-talk-to-figma-mcp

AI & Law

@ai_and_law · Post #50 · 09/07/2023 06:46

🤖AI Sunday Wonders: Meet the M4 Morphobot - the shapeshifting transformer robot! In this week's AI Sunday Wonders, we have something truly remarkable to share with you. Prepare to be amazed by the incredible M4 Morphobot, a robot developed by Caltech and powered by the NVIDIA Jetson Nano CPU. What makes the M4 Morphobot so special? Well, it's not your ordinary robot. This futuristic creation has the ability to transform and adapt its shape, just like the famous Transformers we've seen in movies! With its advanced AI algorithms and powerful processing capabilities, the M4 Morphobot can morph and change its form to navigate various terrains and overcome obstacles. It's like having a robot that can reshape itself to meet any challenge that comes its way. #AISundayWonders#M4Morphobot#Transformers#Robotics#AI

12•••50•••100•••150•••200•••250•••300•••350•••400•••450•••500•••550•••600•••650•••700•••750•••782783784785786•••800•••838839