Поиск

🔄 Как устроен посттренинг языковых моделей: от SFT до RLHF

🧠 Как устроены LLM: от «зип-файла интернета» до рассуждающих моделей

📈 Пост-обучение больших языковых моделей: от контекстного промптинга до алгоритмов RLHF и DPO

🎯 Стэнфорд: «Ваша языковая модель — это на самом деле скрытая модель вознаграждения»

🛠 Тюнинг LLM: как методы PPO и DPO превращают нейросети из автодополнителей в полезных помощников

🏛 Как 15 ученых смогли превзойти ИИ-гигантов уровня Meta?

🧠 DeepSeek R1 против OpenAI o1: как алгоритм GRPO изменил правила игры в ИИ

🧠 Стэнфорд CME295: Как алгоритм GRPO и DeepSeek R1 изменили логику нейросетей

🎮 От Atari до ChatGPT: как ИИ учится на своих ошибках?

🛠 Кайл Корбитт из CoreWeave: «Мы уже находимся в петле рекурсивного самосовершенствования ИИ»

🧱 Stanford CS224R Deep Reinforcement Learning | Spring 2025 | Lecture 10: RL for LLM Reasoning

🎓 Стэнфордский CME295: как на самом деле обучаются современные LLM — от претрейна до LoRA

⚡ Эра NVIDIA H100 и ИИ-агенты: главные тренды внедрения технологий

🤖 Absolute Zero: как ИИ учится программировать без людей и почему ученых пугает «uh-oh момент»

🎓 Как аналитический метод DPO изменил выравнивание LLM и столкнулся со взломом наград

👁 VLM: От патчей 16x16 до мультимодального будущего

🚀 Мин Дин из Zhipu AI: от языковых моделей к мультимодальным системам будущего

🚀 Stanford CS336: секреты обучения reasoning-моделей DeepSeek-R1, Kimi и Qwen

📝 Learning to summarize from human feedback (Paper Explained)

🤖 Уэс Рот: почему ИИ создает собственные «тайные» стратегии рассуждений

🎭 ИИ научился обманывать: как модели саботируют тесты безопасности

🧬 Нейтан Ламберт о жизни после DPO: почему PPO все еще лучше, но сложнее

🕰 Мин Дин об эволюции ИИ: от больших языковых к мультимодальным моделям

🧠 Дэнни Чжоу из Google DeepMind: как большие языковые модели на самом деле учатся рассуждать

🧠 От чатов WhatsApp до PyTorch: гайд по сборке нейросети

📚 Обучение ИИ на человеческих предпочтениях: лекция Сэми Куа в Стэнфорде

🏗 Ян Дюбуа о создании LLM: почему данные и системы важнее архитектуры

🏁 Янник Кильхер: «Мы устроили революцию в open-source и выполнили миссию»

📅 Open-Source против OpenAI: Янник Кильчер представил первые модели OpenAssistant

🧠 a16z: Как DeepSeek R1 обрушил стоимость обучения ИИ и открыл новую эру рассуждающих моделей

🧠 Прорыв в Беркли: как ученые воссоздали технологии DeepSeek R1 за $30

🚪 «Пощекотать ChatGPT»: зачем на самом деле нужны промт-инженеры

💡 Как адаптировать LLM: от обучения инструкциям до RAG

🔄 Лекция Стэнфорда о Reward Learning: как научить искусственный интеллект понимать человеческие цели

🚀 Преподаватель Стэнфорда о методах обучения языковых моделей: от RLHF к DPO

🔄 От симуляции такси до ChatGPT: как максимизация энтропии и отзывы людей обучают современный ИИ

🧠 Стэнфордский курс CS234: принципы офлайн-RL и преодоление неопределенности

🤖 Искусство обмана: почему ИИ начнет скрывать свои цели

👨 Шерман Ву: «Эпоха одной универсальной модели ИИ подошла к концу»

🚀 ИИ вместо SRE: как ИИ-агенты Resolve автоматизируют управление продакшеном

🧠 Джонатан Сиддарт из Turing: почему 99% интеллектуального труда будет автоматизировано, а традиционный SaaS исчезнет

🎥 Как трансформеры совершили революцию в видеогенерации: разбор архитектуры Movie Gen от Meta

🔄 Янник Кильчер разобрал метод Reinforced Self-Training от Google DeepMind

🛠 Ян Дюбуа рассказал о скрытых ловушках тестирования LLM

🧠 Ник Фрост о Сэме Альтмане: «Его слова о близости AGI — это медвежья услуга миру»

🏗 Стэнфорд запустил курс CS336 по созданию LLM: от байтовых токенов до GPU-ядер

🧠 Стенфорд запускает CS336: как собрать языковую модель с нуля в эпоху ИИ-гигантов

🚀 Стэнфорд CME295: Итоги 2025 года в мире трансформеров и диффузионных моделей

📉 Direct Preference Optimization: почему исследователи переходят на DPO

🛑 Эйсо Кант: «Вы не придете к AGI с помощью файн-тюнинга»