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).
Исследователи сверили внимание CNN, ViT и Mamba со взглядом человека
Три архитектуры, три домена и три метрики: айтрекинг показал, что CNN смотрят широко, ViT цепляются за микропризнаки, а Mamba сильна в медицине, но расходится с…
Тест Струпа показал: VLM читают текст на картинке охотнее, чем видят цвет
Исследователи прогнали контрастные и генеративные VLM через классический тест Струпа: при конфликте текста и цвета модели чаще отвечают по надписи.
ForcingBooster вдвое сокращает шаги денойзинга в авторегрессионном видео
ForcingBooster распределяет шаги денойзинга по патчам: простые области останавливаются раньше. Итог: примерно на 50% меньше шагов при качестве уровня четырёхшаговой…
Coral-KV сжимает KV-кэш видеомоделей на 37–48% и поднимает PSNR до 4,95 дБ
Black Lake: китайские заводы пропускают цифровизацию и идут сразу к ИИ-агентам
T. Rowe Price: 55% жителей Гонконга ждут от ИИ удара по пенсии, готов лишь каждый пятый
Генетический оптимизатор ускорил выбор мест для датчиков аэрозолей в Британии на 60%
Kronecker Product Attention сжимает KV-кэш до 10 раз и догоняет MLA по качеству
Препринт на arXiv предлагает KPA: ключи и значения хранятся как суммы кронекеровых произведений. Сжатие KV-кэша до 10x, качество на уровне MHA, GQA, MQA, MLA и TPA.
TimesFM 3.0 снизил ошибку прогноза энергопотребления вуза на 43%
Предобученная TimesFM 3.0 без локального дообучения срезала MAE суточного прогноза для университетского здания на 43% к наивной базе. XGBoost идёт вплотную.
DiffusionART ускоряет RL-дообучение видеомоделей в 12 раз без тонкой настройки EMA
Физический трансформер на одних транзисторах обучили in-context learning в симуляции
Теория доказала: masked diffusion на трансформерах учится на Õ(LK/ε) примеров
SAZO ускоряет дообучение LLM без backprop: до 6× меньше запросов до того же loss
CircuitTree собирает 39 фонемных цепей HuBERT в транскрайбер слогов с 64,8% точности
Новый алгоритм объединяет малые подсети из HuBERT в единую модель: открытые слоги распознаются с точностью 64,8%, а 99,5% компонентов цепей общие.
ResonatorLM научили читать память по токену: perplexity на 1024 упала с 12,81 до 3,76
Фазу чтения в ResonatorLM сделали зависимой от текущего токена за 0,2% параметров. При обучении на 256 и тесте на 1024 токенов perplexity упала с 12,81 до 3,76.