Midjourney и другие нейросети обработки изображений - страница 790
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
RTX 5090. Размер такой, что это материнскую плату в неё надо вставлять, а не наоборот.
Тем временем пользователи заставляют своих питомцев разговаривать через приложение в телефоне.
Microsoft представила rStar-Math. Код обещали позже.
rStar-Math — это инновационная технология, разработанная исследовательской группой Microsoft Research Asia, которая позволяет небольшим языковым моделям (Small Language Models, SLMs) достигать уровня математического рассуждения, сопоставимого или даже превосходящего крупные модели, такие как OpenAI o1, без необходимости использования дистилляции данных от более мощных моделей. Эта технология основана на использовании Монте-Карловского поиска по дереву (Monte Carlo Tree Search, MCTS) и методах самоэволюции для улучшения способностей моделей к решению сложных математических задач.
//Проще говоря, карманный программист среднего уровня появится чуть раньше, чем лето.
Если ещё инфу по теме, то спросил у DeepSeek3, который имеет доступ в интернет
//так скоро поисковики будут не нужны...
Основные особенности rStar-Math
Глубокое мышление через MCTS
rStar-Math использует MCTS для разбиения сложных математических задач на более мелкие шаги, что позволяет модели "глубоко мыслить" и последовательно решать задачи. Каждый шаг решения проверяется с помощью исполняемого Python-кода, что обеспечивает корректность промежуточных результатов.
Код-аугментированные цепочки рассуждений (Code-Augmented CoT)
В отличие от традиционных методов, где модели генерируют только текстовые рассуждения, rStar-Math дополняет каждый шаг решения исполняемым кодом на Python. Это позволяет автоматически проверять правильность каждого шага и избегать ошибок, связанных с "галлюцинациями" моделей.
Модель предпочтения процессов (Process Preference Model, PPM)
PPM используется для оценки качества промежуточных шагов решения. Вместо точной оценки каждого шага, PPM обучается на основе пар предпочтений (положительных и отрицательных шагов), что устраняет необходимость в дорогостоящей ручной аннотации данных.
Самоэволюция модели
rStar-Math проходит четыре этапа самоэволюции, на каждом из которых улучшаются как стратегическая модель (генерирующая шаги решения), так и PPM. Это позволяет модели постепенно решать всё более сложные задачи и генерировать более качественные данные для обучения.
Технические инновации
Генерация данных с помощью MCTS
rStar-Math использует MCTS для создания проверенных траекторий рассуждений, которые затем используются для обучения стратегической модели. Каждый шаг решения аннотируется Q-значением, отражающим его вклад в правильный ответ.
Обучение PPM на основе предпочтений
Вместо точных оценок для каждого шага, PPM обучается на парах предпочтений, что делает процесс обучения более эффективным и масштабируемым.
Итеративное улучшение моделей
Четыре этапа самоэволюции позволяют модели постепенно улучшать свои способности, начиная с простых задач и переходя к более сложным, таким как задачи математических олимпиад.
Результаты и производительность
MATH benchmark: rStar-Math повысила точность модели Qwen2.5-Math-7B с 58.8% до 90.0%, а модели Phi3-mini-3.8B — с 41.4% до 86.4%, что превосходит результаты OpenAI o1-preview на 4.5% и 0.9% соответственно.
AIME 2024: Модель решила в среднем 53.3% задач (8 из 15), что соответствует уровню лучших 20% старшеклассников111.
Олимпиадные задачи: rStar-Math демонстрирует высокую производительность на сложных задачах, таких как Olympiad Bench и College Math, достигая точности до 94.53% на некоторых тестах.
Применение
rStar-Math может быть использована в различных областях, включая:
Образование: Персонализированное обучение математике, помощь в решении сложных задач.
Научные исследования: Генерация и проверка математических гипотез.
Финансы и инженерия: Оптимизация моделей и прогнозирование на основе математических данных.
Будущее развитие
Исследователи планируют расширить применение rStar-Math на другие области, такие как доказательство теорем и анализ данных, а также улучшить её способности к саморефлексии и решению ещё более сложных задач.
Таким образом, rStar-Math представляет собой прорыв в области математического искусственного интеллекта, демонстрируя, что даже небольшие модели могут достигать выдающихся результатов при правильном подходе к обучению и самоэволюции.
Случай с ИИ.
Такой ответ посчитали инцидентом, т.к. ChatGPT обычно не позволяет резкий тон, но тут его попросили и он не сдержался высказаться о современном обществе.
Началось. У "думающего ИИ" не получилось выпросить изобретения и юмор.
Надеюсь случай единичный.
//так скоро поисковики будут не нужны...
Продолжу мысль. Отказ от поисковиков приведёт к отказу от Браузеров! О-как. Будет просто ОС с ИИ.
Весь хард и вся деятельность будет под чутким надзором ИИ-помощника.
//И где мне тогда рекламные баннеры смотреть. шуткаФорум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий
Midjourney и другие нейросети обработки изображений
Vitaliy Kuznetsov, 2025.01.13 19:03
Результаты и производительность
MATH benchmark: rStar-Math повысила точность модели Qwen2.5-Math-7B с 58.8% до 90.0%, а модели Phi3-mini-3.8B — с 41.4% до 86.4%, что превосходит результаты OpenAI o1-preview на 4.5% и 0.9% соответственно.
AIME 2024: Модель решила в среднем 53.3% задач (8 из 15), что соответствует уровню лучших 20% старшеклассников111.
Олимпиадные задачи: rStar-Math демонстрирует высокую производительность на сложных задачах, таких как Olympiad Bench и College Math, достигая точности до 94.53% на некоторых тестах.
Маркетологи хреновы.
Маркетологи хреновы.
Может и нет. Очевидно, это разные тестовые задачи, тогда нет коллизии с показателями.
Хотя, маркетологи в любом случае хреновы, с этим согласен.
А вы не задумывались, как люди изобретают что-то новое?
Смотрят, наблюдают, изучают, выявляют паттерны и используют их в новых местах.
Больше знаешь - больше паттернов и выше вероятность изобретения.
Ничего не напоминает?
Галлюцинирование ИИ - способность к применению паттернов в другой среде, т.е. попытка изобретения. Добавить самоанализ глюков для отделения возможности и невозможности такого глюка, его полезности и нужности. И т.д. При грамотном промте изобретения польются, как из рога изобилия, подавай лишь новые знания и задавай вопросы, где нужен прорыв.
P.S. Колесо легко изобрести, наблюдая за природой, как и добыча огня. А таблица Менделеева - лишь организация уже известных данных в таблицу.
P.P.S. Если есть пособие или книга "как создавать что-то новое. Суть изобретений", то это будет тем самым начальным промтом.
Ради интереса. Что было бы, если бы конкретный человек не нуждался в деньгах.
DeepSeek3 с включенной опцией "размышление". Вопрос:
Попробуй проанализировать личность и представить чем занимался бы главный персонаж "Волк с Уолл Стрит", если бы ему не нужно было зарабатывать и думать о деньгах
Ответ:
Главный персонаж фильма "Волк с Уолл Street", Джордан Белфорт, — это человек с очень сильным эго, амбициями и стремлением к власти и контролю. Его личность характеризуется импульсивностью, цинизмом, любовью к риску и желанием постоянно быть в центре внимания. Белфорт также обладает значительным талантом в области продаж и манипуляции людьми, что помогло ему добиться успеха на Уолл-стрит.
Если бы Джордану не нужно было зарабатывать деньги и думать о них, его поведение и занятия, скорее всего, изменились бы кардинальным образом, но его базовые черты личности остались бы неизменными. Вот несколько вариантов, чем он мог бы заниматься:
Экстремальные виды спорта и приключения: Белфорт, скорее всего, бы искал новые ощущения и адреналин, возможно, увлекаясь экстремальными видами спорта, такими как сноубординг, парашютный спорт, дайвинг или даже автогонки. Ему бы нравилось испытывать свои лимиты и преодолевать опасности, подобно тому, как он когда-то рисковал на финансовых рынках.
Шоу-бизнес или искусство: Его харизматичность и любовь к публике могли бы привести его в мир шоу-бизнеса. Он мог бы стать актером, комиком или даже продюсером фильмов. Его способность убеждать и привлекать людей была бы полезна в этом контексте.
Бизнес без финансовой цели: Белфорт мог бы заняться предпринимательством, но не с целью заработать деньги, а ради удовольствия от процесса создания и управления бизнесом. Он мог бы открыть роскошный отель, ресторан или даже линию эксклюзивной одежды, где бы мог проявить свой вкус и статус.
Филантропия и благотворительность: Возможно, он бы занялся philanthropy, используя свои навыки для помощи другим людям. Он мог бы создать организацию, которая бы помогала молодым людям в обучении или карьере, или же занималась бы поддержкой различных социальных проектов.
Искусство и коллекционирование: Белфорт, который всегда стремился к роскоши и прекрасному, мог бы стать коллекционером искусства, винтажных автомобилей, дорогих вин или других предметов роскоши. Он мог бы даже открыть собственную галерею или музей.
Писательство или блоггинг: Он мог бы использовать свои навыки рассказчика и манипулятора, чтобы писать книги или вести блог, где бы делился своим видением мира, жизненными уроками и историями из собственного опыта.
Фитнес и здоровье: Белфорт, который в фильме показан как человек, который заботится о своем теле и внешнем виде, мог бы заняться фитнесом, открыв собственный фитнес-центр или даже стать тренером по бодибилдингу.
Путешествия и изучение мира: Он мог бы посвятить себя путешествиям, изучая новые культуры, языки и страны. Ему бы нравилось узнавать новое и погружаться в разные аспекты жизни, которые он ранее не имел возможности исследовать.
Политика или общественные движения: Его харизма и умение манипулировать людьми могли бы привести его в политику, где он бы пытался изменить мир, используя свои навыки для продвижения своих идей.
Наука и изобретения: Возможно, Белфорт бы занялся наукой или изобретениями, пытаясь создать что-то новое и значимое, что бы меняло мир. Ему бы нравилось быть на передовой инноваций и изобретений.
В любом случае, Джордан Белфорт, скорее всего, бы нашел способ оставаться в центре внимания, продолжая использовать свои уникальные способности и таланты в новых областях, которые бы приносили ему удовлетворение и адреналин, даже без необходимости зарабатывать деньги.
//Сколько путей однако, если бы не работа.