Поиск
Найдено: 50
1ч 18м📉 Стэнфорд CS224N: Эволюция языковых моделей от N-грамм до RNN
1ч 11м🔄 Stanford CS231N: почему рекуррентные нейросети снова становятся актуальными
1ч 13м🕒 Сэра Бири из MIT об эволюции архитектур памяти нейросетей
1ч 11м🔍 Архитектура RNN и LSTM: разбор лекции CS231N от Стэнфорда
48 мин⚠ Как превратить трансформер в RNN и ускорить его в 4000 раз?
46 мин🧩 Канака Раджан: «Мы строим Lego-модели человеческого мозга»
2ч 17м🧠 Конец эпохи трансформеров: квантовый путь к пониманию языка
43 мин🏗 Как Feedback Transformer решает проблему многошаговых рассуждений в ИИ?
3ч 59м🚀 Анатомия нейросетей: фундаментальный гид по теории глубокого обучения
44 мин📉 Итоги сессии NeurIPS 2023: от скрытых алгоритмов трансформеров до защиты от аппаратных сбоев
1ч 02м🏗 Янник Кильхер о модели RWKV: «Это, по сути, большая конволюционная сеть»
1ч 21м🎯 Стэндфордский курс: как устроены авторегрессионные модели и ChatGPT
27 минЯнник Килхер о «Attention Is All You Need»: революция в NLP
18 мин«Teacher-forcing — это хак»: решение для стохастических RNN
39 мин🧠 Константин Руш: «Осцилляторы помогают RNN запоминать последовательности до 10 000 шагов»
1ч 23м🧠 Авторегрессионные модели: от рекуррентных сетей к трансформерам и MLE
1ч 06м🔄 Стэнфордский курс CS231N: эволюция механизма внимания и архитектуры трансформеров
1ч 17м📊 От RNN к LSTM: как ИИ научился не забывать прошлое
49 мин🧠 Янник Килчер: «Биологическая бистабильность — ключ к долгой памяти нейросетей»
2ч🧠 Почему искусственные нейросети пугающе похожи на мозг
40 мин🧠 Mamba против Transformers: как селективные пространства состояний решают проблему длинного контекста
37 мин🧠 Франсуа Шаард: «Рекурсия — это способ заставить 7-млн модель думать лучше, чем GPT-4»
51 мин🧠 Зепп Хохрайтер: «Мы работаем быстрее самого быстрого трансформера»
5 мин⚡ Эндрю Ын: «Искусственный интеллект — это новое электричество»
18 мин🧠 World Models: Как Дэвид Ха и Юрген Шмидхубер научили ИИ обучаться в собственном воображении
29 мин🧩 Янник Килхер: «Perceiver — это новый этап эволюции трансформеров»
43 мин🧠 Илья Суцкевер: «Предсказание следующего слова — это сжатие реальности»
1ч 42мАльберт Гу о революции State Space Models: «Mamba меняет всё»
2ч 39м🧠 AGI к 2030 году: почему страх перед ИИ выгоден корпорациям
1ч 51м🔄 Будущее LLM в 2025 году: от авторегрессии к диффузии и аналоговым чипам
1ч 13м🤖 Stanford CS231N: как современные нейросети видят, сегментируют и понимают изображения
44 мин📉 Янник Килчер на NeurIPS 2023: главные тренды нейросетей
51 мин🚀 Эйдан Гомес (Cohere): языковые модели как новое программное обеспечение
51 мин🏗 Эйдан Гомес о будущем AI: «Интерфейс будущего — это разговор»
46 мин🧠 Крис Маннинг: «Простое масштабирование — не путь к AGI»
30 мин🧩 Нейронные клеточные автоматы: как MNIST классифицирует сам себя по мнению Килчера
11 мин🚀 Лекс Фридман о Tesla AI Day: «Это самое впечатляющее инженерное усилие в моей жизни»
54 мин🚀 Сооснователь OpenAI Войцех Заремба о будущем робототехники и нейросетей
1ч 02м🏛 Эхсан Адели: «Компьютерное зрение станет монитором жизненно важных показателей поведения»
48 мин🧠 Янник Килчер: «Градиенты — это не всё, что вам нужно»
12 мин🏗 Как работает Attention Model: детальный разбор архитектуры от Эндрю Ына
1ч👓 Почему большие языковые модели теряют информацию в длинных текстах
1ч 25м🧠 Основы глубокого обучения: от теории к практике
1ч 23м🧠 Алекс Орбиа рассказал о переходе от Backpropagation к смертным вычислениям
1ч 21м📜 Юрген Шмидхубер: «Ядерное оружие пугает меня сильнее, чем ИИ»
46 мин🧠 Крис Маннинг и Эндрю Ын об эволюции языковых моделей
3ч 33м🧩 Геометрическое глубокое обучение: как симметрия объединяет нейросети
1ч 17м🕰 Эволюция нейросетей: от «Attention Is All You Need» до агентов L5
11 мин🧓 Янник Кильхер об обучении нейросетей: «XLNet стоит как пять аспирантов»
2ч 11м🧠 Titans: нейросетевая память, побеждающая ограничения трансформеров