Поиск
Найдено: 50
1ч 13м🔄 Подход Model-Based RL: как Стэнфорд обучает сложных роботов за четыре часа
1ч 24м🌐 Стэнфордский университет: как устроены энергетические генеративные модели
1ч 38м🧠 Харри Валпола: как обучить ИИ планированию и защитить его от системных иллюзий
1ч 10м🤖 Курс CS224R в Стэнфорде: разбор многозадачного RL и алгоритма Hindsight Relabeling
45 мин🌍 Семинар в Стэнфорде: безопасное и эффективное обучение ИИ в физическом мире
1ч 21м🎯 Конец диктатуры правдоподобия: почему в 2023 году ИИ перешел на градиенты?
11 мин🧠 Разбор фреймворка DeepMind для обучения алгоритмов планирования с нуля
40 мин🤖 Пессимизм как стратегия: Аравинд Раджесваран о безопасности офлайн-обучения ИИ
1ч 17м🔄 Лекция Стэнфорда CS221: основы байесовских сетей и вероятностное программирование
1ч 23м🧠 Обучение ИИ без сэмплирования: как укротить энергетические модели?
1ч 23м📐 Обучение энергетических моделей без сэмплирования: от Score Matching до NCE
1ч 24м🌌 Стэнфордский курс CS236: Математика и история энергетических моделей ИИ
1ч 25м📊 Как зашумление данных помогло диффузионным моделям победить GAN
39 мин🔋 Янник Килхер разобрал концепт обучения на основе энергетических моделей от OpenAI
29 мин🌍 Как заставить ИИ планировать только там, где он знает?
1ч 21м🧬 Как работают скоринговые и диффузионные модели: разбор Стэнфорда
1ч 25м🧱 Шум во благо: как Стэнфорд обучает нейросети генерировать реальность через диффузию
28 мин🤖 Использование физических моделей для обучения роботов ловкой манипуляции
1ч 22м🔄 Как научить ИИ выбирать правильные метрики: стэнфордский подход к оптимизации предпочтений
1ч 47м🧭 От BERT до RoPE: Шервин и Афшин об эволюции архитектуры Transformer
15 мин🤖 Янник Килчер объяснил работу агентов I2A от DeepMind
1ч 18м🤖 От случайного блуждания до Q-Learning: как ИИ учится на своих ошибках
52 мин🧠 Профессор Челси Финн об основах глубокого обучения с подкреплением в Стэнфорде
53 мин🛠 Эндрю Биасио о секретах роста ИТ-платформы Klaviyo до оценки $9,5 млрд
54 мин🧠 Dreamer v2: как дискретные модели мира помогают ИИ побеждать в Atari
1ч 20м🧠 Стэнфордский курс CS234: принципы офлайн-RL и преодоление неопределенности
29 мин🎮 EfficientZero: как ИИ учится играть в Atari почти без данных
1ч 09м📊 От шума к реальности: как математика SDE превращает хаос в изображения
1ч 57м🤖 Минки Цзян: «Следующий фронтир ИИ — это системы, которые сами задают вопросы»
2ч 27м🤖 Цифровое страдание: почему ИИ заявляет о сознании без цензуры
1ч 19м🧠 «Данные не падают с неба»: Как на самом деле учат AI
54 мин🎥 Ян Лекун: «AGI не существует, человеческий интеллект специализирован»
1ч 51м🧠 Теория всего от нейробиологии: как Карл Фристон связывает физику, разум и машинное обучение
42 мин🤖 Как проект RT-X объединил 34 лаборатории и ускорил обучение роботов
49 мин🧠 Как сделать GenAI реально полезным: уроки Стэнфорда и OpenAI
12 мин🛠 Джульет Симпсон о HEATNETS: «Моделирование позволяет отвечать на вопросы, не вскрывая землю»
59 минЯнник Кильхер: «Генерация наборов изображений через энергетические модели»
12 мин🦉 Wes Roth о скрытых угрозах: как синтетические данные передают ИИ деструктивное поведение
1ч 20м📉 Кризис оценки ИИ: почему современные бенчмарки лгут?
38 мин🧠 Элисон Гопник: «Детство — это эволюционный способ имитации отжига»
58 мин🛑 Ян ЛеКун представил архитектуру JEPA для создания модели мира
1ч 16м🏺 Почему ИИ сделает нас богаче, даже если отнимет работу: анализ Алекса Имаса и Фила Траммелла
1ч 21м🔄 Как нейросети учатся создавать данные: базовые архитектуры в MIT
1ч 18м🎯 Юньчжу Ли на CS231N: от моделей мира к большим моделям поведения
55 мин❌ Ян Лекун: «Почему большие языковые модели никогда не поймут реальность»
3ч 08м🚀 P(doom) 70%: Зви Мошовиц о крахе OpenAI и конце политики
1ч 07м🚀 Й Кэпитал и будущее ИИ: как превратить инференс в интеллект и преодолеть «стену данных»
51 мин🎓 Как Джун Сун Пак создал город автономных генеративных агентов
1ч 14м🔄 Как устроен посттренинг языковых моделей: от SFT до RLHF
1ч 09м🧠 Обучение с подкреплением: главные вызовы и прорывы стэнфордского курса CS234