ChatCrawlerпоиск по публичному Telegram Открыть приложение
M

Machine learning chat

снимок за август 2024
август 2024 ×
31 августа 2024
M
Machine learning chat
Новостной дайджест ✔️ Atlassian приобретает компанию Rewatch для интеграции с Loom Компания Atlassian объявила о приобретении компании Rewatch, разработчика AI-инструментов для записи и анализа встреч. Rewatch будет интегрирован с платформой Loom, которую Atlassian приобрела в прошлом году за 975 миллионов долларов. Интеграция позволит автоматически создавать заметки и задачи на основе записей встреч и сделать их доступными для поиска в рамках бизнес-контекста. В будущем, Loom сможет присоединяться к встречам в Zoom, Google Meet и Microsoft Teams, создавать полные транскрипты, заметки и задачи, которые можно автоматически связать с страницами Confluence, задачами Jira и тикетами службы поддержки. techcrunch.com ✔️ OpenAI и Anthropic поделятся своими моделями с правительством США. Компании OpenAI и Anthropic подписали соглашения с правительством США о сотрудничестве в области исследований, тестирования и оценки их моделей ИИ. Соглашения, заключенные с Институтом безопасности искусственного интеллекта США, предусматривают доступ института к новым моделям ИИ компаний до и после их публичного выпуска. reuters.com ✔️ Magic представила новую модель со 100M контекстным окном и бенчмарк HashHop. Компания Magic представила новую модель, способную обучаться на контексте длиной до 100 миллионов токенов. Эта модель, названная LTM (Long-Term Memory), позволяет обучаться на большом объеме данных и хранить информацию в долгосрочной памяти. По словам разработчиков, модель имеет большой потенциал для применения в разработке ПО. Например, она может быть использована для синтеза кода, если модель имеет доступ ко всем массивам проекта, документации и библиотекам в контексте, включая те, которые не доступны в публичном интернете. Также Magic представила новую методику оценки контекстных окон, HashHop. Этот бенчмарк оценивает способность модели хранить и извлекать информацию из контекста без использования явных семантических подсказок. magic.dev ✔️ Stable Diffusion v1.5 был уда
8.1K ·
Д
Добрый день! Подскажите, есть ли какие-то метрики или же способы для оценки RAG. Задача состоит в переводе из plsql в pgsql. Есть ли какие-то способы улучшить RAG?
N
Фотография
нажмите — покажем
Ребята, помогите, почему у меня не получается превратить файл в exe. В терминале после установки pyinstaller написал:     pyinstaller --onefile --windowed --add-data "C:\Users\arsen\Project\krm_interface.ui;." --add-data "C:\Users\arse n\Project\image1.png;." --add-data "C:\Users\arsen\Project\image2.png;." --add-data "C:\Users\arsen\Project\image3.png;." --add-data "C:\Users\arsen\Pro ject\image11.png;." --add-data "C:\Users\arsen\Project\image22.png;." --add-data "C:\Users\arsen\Project\image33.png;." "C:\Users\arsen\Project\krmprog.py". Файл создался, но при запуске выходит ошибка у меня если что код, который ссылается на файл .ui, созданный в qt designer. По идее должно открываться GUI приложение ещё также код ссылается на 6 фото
Б
N
пишет что не может найти krminterface.ui, хотя я указал путь где он находится
A
ViceЧто вот это значит По лицу?
Да, по лицу, в базе уже имеется его фото, просто нужно идентифицировать его текущее фото с той, что в базе, если совпадает, то разрешить ему дальнейшие действия, если нет, то найти наиболее подходящее к нему фото в бд
V
Затем xgboost classifier прогоняешь каждый с таргетом на юзер_айди
V
Там просто подключишь свой датасорс и прогонишь И инференс добавлю Ты кодер сам?
M
Machine learning chat
Фотография
нажмите — покажем
Фотография
нажмите — покажем
Фотография
нажмите — покажем
🌟 Автоматическое проектирование агентов LLM Развитие базовых языковых и иснтруктивных моделей , таких как GPT и Claude, дал возможность создания агентов общего назначения, способных к гибкому рассуждению и планированию. Но разработка этих агентов часто требует ручной настройки и значительных усилий со стороны инженеров и ресерчеров. Для упрощения процесса проектирования агентов появилось новое направление исследований — автоматизированное проектирование агентных систем (Automated Design of Agentic Systems, ADAS). Главное назначение методологии ADAS - автоматизация создания новых агентных блоков и их объединение в сложные системы. Используя возможности LLM и гибкость языков программирования, ADAS обещает более эффективный и действенный подход к созданию комплексных агентных систем. Поисковый алгоритм с помощью мета-агента является ярким примером ADAS в действии. Он использует мета-агента, который по сути является LLM, для итеративного проектирования новых агентов на основе постоянно растущего архива результатов предыдущих поисков. ADAS позволяет исследовать обширное пространство кода, теоретически позволяя обнаружить любую возможную агентную систему. Мета-агент должен исследовать интересные проекты: новые промпты, использование инструментов, потоки управления и их комбинации. Благодаря обширным экспериментам в областях программирования, науки и математики, алгоритм демонстрирует способность изобретать агентов с новыми проектами, которые превосходят современных агентов, разработанных вручную. Один из реализованных проектов ADAS в практической среде - использование алгоритма Meta Agent Search в связке с GPT: # Create Conda venv: conda create -n adas python=3.11 # Activate venv: conda activate adas #Install Dependencies: pip install -r requirements.txt # Set OpenAI API Key: export OPENAI_API_KEY="YOUR KEY HERE" Запуск Meta Agent Search на примере области поиска "arc": # Navigate to _arc folder: cd _arc # Run Meta Agent Search python search.py 📌Лиценз
15.1K ·
Y
Может кому нужен будет игрушечный датасет. Можно использовать для генерации или классификации. 131к изображений с аниме персонажами и тегами для них. https://www.kaggle.com/datasets/yfrite/anime-bodies
Е
Всем привет! Какую модельку посоветуете для генерации 3d модели (obj) из текста/фото (подойдёт любой из инпутов), главное чтобы имплементация была не сложной
Открыть в Telegram Каталог площадок Искать в ChatCrawler

Слепок открытой публичной ленты из поискового индекса ChatCrawler — «Google по публичному Telegram»; обновляется по мере обхода площадки. Время — UTC.

Только публичный контент, официальный API Telegram. О проекте · Вопросы · Чего мы не делаем · Убрать страницу из выдачи · Каталог