Tech Meridian ← К СУЩНОСТЯМ
EN

ТЕМА · ENTITY #1607

large language models

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

3

RESEARCH · 1 ИСТОЧН. · Meta AI

Brain2Qwerty v2 декодирует предложения в реальном времени с неинвазивного MEG; опубликован код

Опубликована Brain2Qwerty v2 — сквозной ИИ‑конвейер, который декодирует предложения в реальном времени из неинвазивных MEG‑записей, демонстрируя 61% точности по словам в среднем (78% для лучшего участника) после обучения на ~22 000 предложениях от девяти добровольцев; также доступен полный обучающий код для v1 и v2, а партнёр BCBL выпускает набор данных v1. Подход использует end‑to‑end глубокое обучение и дообученные крупные языковые модели вместе с инструментами Tribev2, NeuralSet и NeuralBench, и авторы отмечают лог‑линейное улучшение точности с ростом объёма данных, что сокращает разрыв с инвазивными методами.

8.5

RESEARCH · 1 ИСТОЧН. · Apple Machine Learning Research

IDEA Prune: Интегрированная схема «увеличить-и-обрезать» при предварительном обучении генеративных языковых моделей

В статье предлагается включать предварительное обучение увеличенных моделей в пайплайны структурной обрезки и рассматривать процесс «увеличить-и-обрезать» как единую систему. Авторам важно выяснить, стоит ли предобучать большую модель, если она никогда не будет развернута, и как оптимизировать пайплайн для эффективности по токенам.

6.0

RESEARCH · 1 ИСТОЧН. · Google Research

Chain-of-Table: Итеративная эволюция таблиц как цепочка рассуждений для лучшего понимания таблиц

Исследователи (Цилонг Ван и Чень-Ю Ли из Cloud AI Team) представляют Chain-of-Table — подход, в котором LLM с помощью in-context learning итеративно генерируют операции над таблицей и сохраняют промежуточные таблицы как цепочку рассуждений; это упрощает сложные таблицы под конкретный вопрос и, по данным авторов, обеспечивает новые лучшие результаты на бенчмарках WikiTQ, TabFact и FeTaQA.

7.0