Жемал Хамидун
Head of AI в Alpina Digital, CPO флагманского продукта AlpinaGPT (команда ~30 человек). Основатель Vibe Academy и Hamidun Consulting, автор Telegram-канала «Готовим ИИшницу» (@jemal_hamidun).

Bridged Self-Distillation учит малые модели рассуждать у любого учителя, даже по API
Метод BSD дистиллирует рассуждения из любой модели, включая закрытый API: учитель выдаёт только текст, а токенный сигнал для ученика даёт его же копия.

Первый глобальный конкурс по воплощённому ИИ закрылся вместе с China Robot Competition 2026
18 октября в Китае завершились первый глобальный конкурс прикладных решений по воплощённому ИИ и China Robot Competition 2026. На закрытии были академик CAS и…

Акции Nvidia готовы к прорыву: трейдеры видят бычий сигнал
После нескольких месяцев застоя акции Nvidia снова демонстрируют рост. Технические аналитики отмечают приближение к важному уровню прорыва, что является сильным…

Файловый автопилот Claude Cowork: три примера на часы экономии

Black Forest Labs: штат из 70 человек бросает вызов гигантам Кремниевой долины

Диффузионные LLM тратят втрое больше проходов на рассказ, чем на грамматику

Правило «сначала проверь, потом отказывай»: как отучить ИИ-агента сдаваться на первой ошибке

Полное руководство по ModelScope: от поиска моделей до экспорта
Подробное практическое руководство по работе с платформой ModelScope в Google Colab. Узнайте, как искать, тестировать, дообучать и экспортировать ИИ-модели с…

OSGym: новый фреймворк для масштабного обучения ИИ-агентов за копейки
Представлен OSGym — инфраструктурный прорыв, позволяющий запускать тысячи виртуальных сред для обучения ИИ управлению компьютером по цене чашки кофе в день.

OpenAI показала новый ChatGPT Voice на модели GPT Live без технических деталей

Сравнение Sigmoid и ReLU: скрытая цена потери геометрического контекста

Создание ИИ-конвейеров для обработки документов с LangExtract и OpenAI

EgoX собирает камеру, руки и объекты в одну 3D-сцену и на 65,6% точнее по рукам

Halcyon обошла LlamaGen и JiT-T2I, потратив на претрейн в 18–275 раз меньше compute
Исследователи обучили Halcyon с нуля на 100M пар «картинка–текст» без языкового претрейна: gFD 48,0 против 63,3 у LlamaGen при 18,2× меньших затратах на обучение.

MemT-1.0 встраивает память в саму модель: хранилище меньше в 66 раз при 128K
Представлено семейство MemT-1.0 с памятью внутри вычислений модели на Gated DeltaNet-2. При истории 128K токенов Nano ускоряет инференс в 1,86 раза и сокращает…









