TGTGInsightаналитика telegramLIVE / telegram public index
К списку каналов
Machinelearning avatar

TGINSIGHT CHAT

Machinelearning

@ai_machinelearning_big_data

Технологии

Погружаемся в машинное обучение и Data Science Показываем как запускать любые LLm на пальцах. По всем вопросам - @haarrp @itchannels_telegram -🔥best channels Реестр РКН: clck.ru/3Fmqri

Подписчики31.3万Текущее число подписчиков
Постов1,009Проиндексировано постов
Охват64,500Просмотры последних постов
Последние посты

Последние посты

Тег: #math · 2 постов

当前筛选 #math清除筛选

Опубликован 27 нояб.

🚀 DeepSeek выпустили DeepSeek Math V2 - мощную модель для самопроверяемых математических рассуждений. Модель способна не просто решать задачи, а самостоятельно проверять корректность своих доказательств. Это шаг от генерации ответа к глубокому, надёжному и логически выверенному выводу. 📊 Результаты: - уровень золотой медали на IMO 2025 - почти идеальные результаты на CMO 2024 - 118 из 120 баллов на Putnam 2024 🔍 Главное отличие от предыдущих моделей: ИИ учится *мыслить строго*, пошагово формируя доказательство и сам проверяет логическую связность каждого шага. Подходит как для автоматизированного решения задач, так и для обучения, генерации разборов и проверки решений. https://huggingface.co/deepseek-ai/DeepSeek-Math-V2 @ai_machinelearning_big_data #AI#DeepSeek#Math#LLM#MachineLearning#OpenSource #

27,100 views

Опубликован 1 окт.

🧠 Google/DeepMind представили AlphaEvolve: ИИ, который помогает математикам и компьютерным теоретикам искать новые результаты. 💡 Как он работает Обычно LLM стараются писать доказательства целиком, но это слишком сложно и ненадёжно. AlphaEvolve идёт другим путём: он не пишет доказательства сам, а генерирует новые маленькие элементы *конструкции (gadgets)*. Эти кусочки можно быстро проверить автоматикой, и если они работают, их можно собрать в более крупные теоремы. 📈 Что удалось найти - Новый результат для задачи MAX-4-CUT (Это задача из теории алгоритмов и комбинаторной оптимизации, разновидность классической задачи MAX-CUT), с конструкцией, которую раньше никто не придумывал. - Сильные новые нижние границы для задач на случайных графах, включая работу с Ramanujan graphs. - Проверка теорем стала в 10 000 раз быстрее, чем в обычных методах. 🧩 Зачем это нужно - Математика требует 100% точности - и тут AI помогает именно как генератор идей, а проверка остаётся строгой и надёжной. - Такой подход экономит годы человеческой работы и открывает дорогу к новым теоремам и алгоритмам. 📄 Подробнее: research.google/blog/ai-as-a-research-partner-advancing-theoretical-computer-science-with-alphaevolve/ @ai_machinelearning_big_data #AI#Math#DeepMind#Research

37,400 views