Polski agregator newsów o sztucznej inteligencji

Zespół Qiushi Engine przeprowadził autonomiczne badania nad BabyLM 2026 Strict-Small, trenując model na zaledwie 10 milionach słów z corpus. Badacze odkryli, że dokładne powtórzenia i wyrażenia wyrównane tekstu tworzą różne wzorce użycia kontekstu, co doprowadziło do sformułowania zasady efektywnego uczenia się z ograniczoną ilością danych. W trzecim etapie nowe podejście do maskowania i nadzoru doprowadziło do wzrostu wyniku z 42.02 do 42.25 na zbiorze metryk, osiągając najwyższy wynik w public

Naukowcy przedstawili NCP-ArchPreview, model językowy o rozmiarze 8,9 miliarda parametrów, który łączy tradycyjną predykcję następnego tokena z nowością - predykcją następnych konceptów (NCP), czyli dyskretnych pojęć obejmujących wiele tokenów. Model został wytrenowany na 5,73 bilionów tokenów z datasetu Dolma-3 i osiągnął wyniki lepsze od OLMo-3-7B, zużywając jedynie 51,3 procent tokenów treningowych konkurenta oraz 85 procent standardowych mocy obliczeniowych. To największa dotąd demonstracja

Naukowcy zaprezentowali M3-Former, model oparty na transformerach do długoterminowego przewidywania trajektorii statków. System łączy statyczne atrybuty jednostek z dużymi modelami językowymi do lepszego zrozumienia intencji nawigacyjnych. Architektura dual-granularity Mixture-of-Experts modeluje zarówno globalne plany tras jak i lokalne manewry, co w testach na rzeczywistych danych z systemu AIS zmniejszyło błędy predykcji o 4,4-5,1 procent dla horyzontów do 4 godzin.