Најди сличен содржај

💲Best profit-making opportunities this week Ladies and GentleMen, 🚬 Didn't have time to follow ecosystem news? We have prepared for you another checklist with a selection of the most current airdrops and events on the TON blockchain. The most current and hottest 🔥HYPER Multiverse🚀 🔥EVAA & Bemo activity 🔥New BroBot Contest 🔥WL competition on Storm Trade 🔥Season 3 of farming on STONfi Mining and daily Claim ⚙️Mine BNK ✔️ Tasks added ⚙️Mine DROP ✔️ Tasks added ⚙️Mine SWITCH ⚙️Mine KITTY ⚙️Mine MNT ⚙️Mine HOT ⚙️Mine TAPS ⏱3 days left ⚙️Mine MOONS ⚙️Mine BLUM ⚙️Mine LOOT Have a profitable week everyone, gentlemen! 🤳 #airdrop#mining#TON#Toncoin

#插件#工具#开源#浏览器#AI 🦉 MarkMagic - 智能浏览器书签管理器 ▎插件功能：书签管理 ▎插件平台：#Chrome#Edge ▎插件介绍：一个智能 AI 浏览器书签管理工具，旨在简化组织书签及与书签交互的方式。 支持无缝验证实时书签链接，保护它们所保存的数据，并按添加频率和时间智能地排列。 还具有索引搜索、批量删除和有序排序功能，即将推出检测冗余书签、清除无用书签文件夹等功能 ▎插件安装：点击安装

🌟NVIDIA OmniVinci: омнимодальная модель, которая бьет рекорды. OmniVinci - модель, способная одновременно понимать и обрабатывать разные типы информации: текст, изображения, видео и звук. Модель крайне эффективна, несмотря на то, что была обучена всего на 200 млрд. токенов (что в 6 раз меньше, чем у Qwen2.5-Omni - 1.2 трлн.). Это стало возможным благодаря архитектурным фишкам и тщательному подходу к подготовке данных. В основе OmniVinci 3 компонента: 🟢Temporal Embedding Grouping (TEG) - упорядочивает эмбеддинги из видео и аудио по временным меткам. 🟢Constrained Rotary Time Embedding (CRTE) - кодирует уже абсолютное время. 🟢OmniAlignNet - выравнивает эмбеддинги видео и аудио в общем латентном пространстве с помощью контрастивного обучения. Абляция показала, что вклад каждого элемента играет свою важную роль: базовая модель с простой конкатенацией токенов набирает в среднем 45.51 балла. Добавление TEG поднимает результат до 47.72 (+2.21), CRTE — до 50.25 (+4.74 от базовой), а финальный слой в виде OmniAlignNet доводит средний балл до 52.59, что в сумме дает прирост в 7.08 пункта. Данные для обучения - 24 млн. диалогов, которые пропустили через систему, где отдельная LLM анализирует и объединяет описания из нескольких модальностей, создавая единую и корректную аннотацю. Итоговый датасет на 36% состоял из изображений, на 21% из звуков, на 17% из речи, 15% - из смешанных данных и на 11% из видео. В бенчах OmniVinci обошла всех конкурентов. На Worldsense модель набрала 48.23 балла против 45.40 у Qwen2.5-Omni. На Dailyomni - 66.50 против 47.45. В аудио-задачах OmniVinci тоже молодец: 58.40 в MMAR и 71.60 в MMAU. В распознавании речи модель показала WER 1.7% на датасете LibriSpeech-clean. Применение модели протестили на практике. В задаче классификации дефектов полупроводниковых пластин, OmniVinci достигла точности 98.1%, что лучше, чем у специализированной NVILA (97.6%), и у более крупную 40-миллиардную VILA (90.8%). 📌Лицензирование кода : Apache 2.0 License. 📌Лицензирование: NVIDIA One Way Noncommercial License. 🟡Страница проекта 🟡Модель 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI#ML#NVIDIA#OmniVinci

​​Комплексное глубокое обучение для моделей месторождений. Нажал на кнопочку - готово! Руслан Мифтахов выпустил очередное видео, на этот раз про комплексное (end-to-end) глубокое обучение для моделирования месторождений. Посмотрите, будет интересно тем кто этим занимается. Видео основано на статье специалистов SLB "Deep learning for end-to-end subsurface modeling and interpretation: An example from the Groningen gas field". Как и рассказывает Руслан, идея end-to-end глубокого обучения для моделирования месторождений довольно крутая и у нее есть прекрасная аналогия в мире беспилотных автомобилей - собираем все возможные алгоритмы прогнозы обстановки на дороге и автоматизации в одну систему. Что если сделать подобное и для дорогостоящего и длительного процесса моделирования подземных месторождений чего угодно, хоть нефти, хоть минералов 🤔? Например, есть несколько видов данных (со скважин и сейсмические данные). Их нужно обработать, интерпретировать каждый вид данных особым способом, закартировать и наконец сделать 3D модель свойств горных пород и флюидов - типа, бурить сюда! Интересно, что модели машинного обучения уже представлены для каждого процесса в отдельности. Есть модели машинного обучения для обработки скважинных данных, есть модели машинного обучения для автоматического выделения тектонических разломов на сейсмике и так далее. Авторы статьи, делают один, на мой взгляд пока небольшой, шаг к полной автоматизации процесса интерпретации и моделирования. Они говорят, давайте соберем все эти модели и придумаем автоматический процесс, чтобы собрать данные, нажать на кнопочку и на выходе получить модель свойств всея Земли (на картинке). Это может быть модель пористости или плотности пород, да чего угодно. Я лично знаком с авторами, коллеги все-таки. Действительно, у них есть работающие компоненты, которые они собрали в статье под одним зонтиком. Это в основном сверточные нейронные сети для различных задач. Идея крутая, но даже для частичной ее реализации, на мой взгляд, нужно пройти большой путь. Ведь то, что у нас под ногами скрыто от наших глаз, в отличие от того, что видит камера беспилотного автомобиля. Подземного сканера с супер-разрешением все еще нет, где ты Илон Маск? Поэтому в игру вступают неопределенность и сдвиг данных. Неопределенность геологических моделей будет всегда, потому что этих моделей бескочнечность, ведь мы точно никогда не узнаем что там под землей, а можем лишь догадываться по обрывкам данных. Если эту неопределенность не учитывать - будет финансово больно, даже при наличии самых красивых моделей и самых глубоких обучателей. Сдвиг данных, возникает тогда, когда модель обученная на одних данных, попадает в новые условия. И в геонауках это серьезная проблема. Не смотря на аналогии, нет двух одинаковых месторождений, и даже если модель обучить на 1000 месторждениях, 1001-е будет другое и производительность модели будет значительно ниже и вероятно не понравится, людям принимающим решение о бурении скважины стоимостью стопицот миллионов . Умные геоинженеры и обучатели машин сейчас работают над тем, чтобы побороть эти две проблемы для моделирования месторождений, но с переменным успехом (на мой взгляд опять же). Пост может показатья кому-то скептическим, но на самом деле я полон оптимизма. Каких-то пять лет назад даже 10-я часть предложенных алгоритмов была невозможна по разным причинам, а сегодня уже идут разговоры о полной автоматизации моделирования с помощью машинного обучения. Повсеместная адаптация займет еще много лет, но все равно впереди блестящее будущее! 📖статья #ML#AI#geo#subsurface

📖Generative AI Use Creates Massive Corporate Data Blind Spot A new Enterprise AI and SaaS Data Security Report 2025 by LayerX reveals that employees are regularly pasting sensitive information, including PII and PCI data, into generative AI tools like ChatGPT — often without company authorization. With 45% of enterprise employees using generative AI, 77% of them have copied and pasted data into chatbot queries, and 22% of those pastes involve sensitive personal or payment details. The security risk is compounded by the fact that 82% of these pastes come from unmanaged personal accounts, leaving companies with little to no visibility into what information is being shared. Similarly, 40% of file uploads to AI sites contain PII/PCI data, with nearly 39% originating from non-corporate accounts. This uncontrolled data flow creates a significant blind spot for enterprises, raising serious concerns about compliance, data governance, and legal accountability in AI usage. #AI#DataGovernance#Cybersecurity

#Morva#AI#Outfit#amp#Wardrobe Join the Morva: AI Outfit & Wardrobe beta on ✈️#TestFlight 🔗 Link: https://testflight.apple.com/join/1WXp8teh Shared by Dimitri

AIART PICS：AI 图像生成提示词灵感库，全网最大的 Nano Banana 提示词库！汇聚 900+ 位全球创作者的3200+ 精选案例。 涵盖摄影、插画、3D 渲染、UI 设计、创意海报等 20+ 个专业领域，全方位展示 Google 图像生成模型的无限可能。点击案例即可复制提示词使用。 🏷标签：#网站#AI#提示图#AI图像 ☁链接：点击获取 ⭐频道😮群聊✏投稿🌍中文

AI图像生成器：在线文本转换图像的工具。支持编辑、增强和优化照片，免费使用，无须注册。 支持选择图片大小，支持一键抠图，支持一键导出PNG、WebP、AVIF、JPEG格式。 🏷标签：#网站#AI#图像生成器#文本转图像 ☁链接：点击获取 ⭐频道😮群聊✏投稿🌍中文

【老戴】豆包手机到底在看你什么？我抓到了它的真实工作流程 这应该是豆包手机目前最详细的机制解读。 我们分析了豆包手机的核心进程、关键权限，并通过日志和部分反编译代码，还原了AI的读屏机制和自动操作的业务逻辑。 这是有史以来，我们看到的第一个，高完成度、强泛化能力的GUI Agent。 豆包手机，真的不只是一个玩具。 3～5秒上传一帧界面图片到豆包服务器 07:12 #看看视频#隐私#豆包手机#AI#老戴Donald

Новый ChatGPT умеет делать крутые вещи) Побаловался немного с персонажами в анимешной стилистике по мотивам фильмов мастера боевых искусств Брюса Ли. #ИИ#AI#AIVideo#MalikovAI#Neuralsense#Нейросуть#ИскусственныйИнтеллект#Video

Недавно попробовал обучить лору* в Flux по тематике одной из любимых фэнтези игр - онлайн игре World Of WarCraft. Загрузил на сайте Kreia некоторое количество изображений с ночными эльфийками (раса из игры) и затем анимировал парочку из них в Kling. *Лора (Lora) - в данном случае метод дообучения нейросети с помощью добавления референсных изображений. После обучения конкретная нейросеть сможет лучше генерить в нужном стиле или нужных вам персонажей) #ИИ#AI#AIVideo#MalikovAI#Neuralsense#Нейросуть#ИскусственныйИнтеллект#Video

Поздравляю всех девушек с замечательным праздником 8 Марта! Желаю бесконечного вдохновения, исполнения заветной Мечты и только приятных моментов в жизни! #ИИ#AI#AIVideo#MalikovAI#Neuralsense#Нейросуть#ИскусственныйИнтеллект#Video